Jesse van DijkAI Engineer · Eigen AI & security

Mijn bijdrage aan Ten Brinke

AI veilig inzetten.
Van risico naar herstel.

Ik help Ten Brinke AI bruikbaar en veilig inzetten: risico’s opsporen, begrijpen wat er misgaat, verbeteringen uitvoeren en het resultaat controleren. Mijn erkende securitymeldingen, veiligere AI-inrichting en geaccepteerde verbeteringen in AI-software maken die aanpak concreet.

1 · Opsporen
Waar zit het risico?
2 · Analyseren
Wat gaat er precies mis?
3 · Oplossing kiezen
Wat neemt de oorzaak weg?
4 · Uitvoeren
De verbetering aanbrengen.
5 · Controleren
Werkt het herstel ook echt?
KNAW Hall of FamePublieke erkenning · 2026 ↗
CISO bevestigt herstelOverheidsorganisatie · schriftelijk
4 organisatiesBevestigd herstel · inclusief KNAW
01 Wat ik meebreng

Risico’s herkennen. Verbeteringen uitvoeren. Herstel controleren.

Mijn meldingen leidden tot concrete actie

De KNAW vermeldt mij in de Hall of Fame 2026 voor responsible disclosure. In totaal bevestigen vier organisaties schriftelijk herstel na mijn meldingen, de KNAW inbegrepen. Hieronder drie voorbeelden bij Nederlandse overheidsorganisaties:

  • Cloudtoegang: herstel bevestigd door de CISO. Ik meldde openbaar achtergebleven Azure Storage- en applicatiegeheimen: toegangsgegevens die, afhankelijk van geldigheid en rechten, toegang tot opslag of een applicatie kunnen geven. De CISO bevestigde dat de kwetsbaarheid was opgepakt en gemitigeerd.
  • AI-dienst: blootgestelde OpenAI-sleutel bevestigd en opgeruimd. Ik vond een API-sleutel die na verwijdering nog in de versiehistorie stond. De organisatie bevestigde de blootstelling en ruimde de achtergebleven sleutel op.
  • Inlogsysteem: geheime toegangsgegevens vervangen. Bij een overheidsstichting vond ik geheime toegangsgegevens die nog in de openbare versiegeschiedenis stonden. Ik meldde het risico en gaf hersteladvies. De stichting bevestigde dat zij de toegangsgegevens had vervangen en de configuratie had aangepast.

Van vondst naar herstel: ik beschreef wat er blootstond, waarom dat riskant was en hoe het kon worden opgelost: sleutels vervangen, de versiehistorie opschonen en herhaling voorkomen. De uitvoering lag bij de organisaties; zij bevestigden de opvolging. Bij de AI-melding bevestigde de organisatie ook dat zij had gecontroleerd dat de sleutel niet meer in de bereikbare historie voorkwam.

Voor Ten Brinke: eigen AI vraagt ook grip op sleutels, koppelingen en toegangsrechten. Ik breng ervaring mee met het herkennen van zulke risico’s, helder rapporteren en opvolging door securityteams. Dat wil ik vanaf de inrichting van AI meenemen.

Controleer mijn KNAW-vermelding ↗ · Overheidsbevestigingen uit augustus en september 2026; hier geanonimiseerd.

Lokale AI kiezen, inrichten en beveiligen

Mijn Strix Halo Guide is een praktische handleiding voor AI op AMD-computers met de Ryzen AI Max-chipserie. Ik breng modelkeuze, instellingen en eigen testresultaten samen, zodat anderen een geteste route kunnen volgen.

Ik onderzocht welke toegang de AI echt nodig had, richtte twee opstellingen met beperkte rechten in en controleerde dat beide bleven werken. Daarnaast verwijderde ik te ruime toegangsrechten uit de installatie.

Voor Ten Brinke: een passende AI-opstelling met alleen de benodigde toegang en een inrichting die IT kan beoordelen en overnemen. Ik kan die keuzes uitzoeken en toetsen voor AI op eigen hardware of gehuurde rekenkracht, zoals Runpod.

Bekijk de praktische gids ↗ · Opstelling en gemeten resultaten ↗ · Mijn aanpassing van de installatie ↗

AI laten werken — en verbeteren waar het misgaat

Mijn bijdragen zijn opgenomen in de officiële software van OpenAI, NVIDIA en andere AI-projecten. Vier voorbeelden:

  • NVIDIA AI Cluster Runtime — controles op AI-infrastructuur. Mislukte controles konden toch groen licht geven. Ik herstelde de verwerking van de uitslagen en voegde tests toe die controleren dat fouten zichtbaar blijven. Ook de controle op GPU-toegang gebruikt dit herstel. Geaccepteerde bijdrage ↗
  • OpenAI — de officiële koppeling voor .NET-toepassingen. Ik herstelde een fout waardoor OpenAI bepaalde gespreksaanvragen weigerde. Tests en vastgelegde API-antwoorden laten het herstel zien. Een tweede bijdrage maakt een extra instelling voor de redeneercontext beschikbaar. Herstel ↗ · Tweede bijdrage ↗
  • llama.cpp — een motor voor het draaien van taalmodellen. Deze software wordt ook gebruikt door lokale AI-tools zoals LocalAI en Lemonade. Ik verhielp een fout waardoor een lege instelling als beschikbaar model verscheen. Geaccepteerde bijdrage ↗
  • Ray — AI-rekenwerk verdelen over meerdere computers. Ik verhielp een opstartfout bij gelijktijdige aanmaak van AWS-toegangssleutels. Een test controleert dat de juiste sleutel wordt opgeslagen en gebruikt. Geaccepteerde bijdrage ↗

Voor Ten Brinke: AI-koppelingen en opstellingen werkend krijgen, storingen oplossen en controleren of het herstel klopt. Ik kan met IT uitzoeken wat er nodig is om van een AI-proef een bruikbare toepassing te maken, met aandacht voor toegang en betrouwbare controles.

Kennis behouden wanneer je van AI wisselt

In losse AI-gesprekken raken kennis en afspraken verspreid. Mijn OKF-brein bewaart ze samen met de bronnen in gewone bestanden. Een collega of een andere AI kan daardoor verder zonder opnieuw te beginnen. De eerste overdracht van Opus naar Codex is beproefd; extra inrichting was nog nodig.

Voor Ten Brinke: kennis blijft bij het team, ook wanneer een ander AI-model beter past. De volgende gebruiker ziet welke informatie nog geldt, wat is afgesproken en wanneer een mens moet beslissen.

OKF-brein op GitHub ↗ · Privéproject met uitgewerkt voorbeeld; toegang op verzoek.

Beoordelen of een AI-antwoord echt bruikbaar is

Bij Scale AI beoordeelde ik AI-antwoorden en herschreef ik ze om ze beter te maken. Ik leerde kritisch kijken: klopt de inhoud, beantwoordt het de vraag en welke beweringen zijn onvoldoende onderbouwd? Zo leerde ik het verschil herkennen tussen een antwoord dat overtuigend klinkt en een antwoord dat je kunt gebruiken.

Voor Ten Brinke: AI-antwoorden controleren voordat collega’s erop vertrouwen. Ik kan fouten en twijfel zichtbaar maken, antwoorden verbeteren en collega’s helpen herkennen wat zij kunnen gebruiken en wat eerst gecontroleerd moet worden.

Ervaring met modelevaluatie bij Scale AI · mei 2023 – september 2024

Ik werk met AI bij onderzoek en uitvoering. Mijn bijdrage zit in de vraagstelling, keuzes, inrichting en kritische beoordeling van het resultaat.

02 Waarom Ten Brinke

Mogelijkheden zien, uitproberen en doorzetten.

Wat ik meebreng is een sterke interesse in AI, doorzettingsvermogen en de overtuiging dat er vaak meer mogelijk is. Dat krijgt in mijn werk een concrete vorm:

Sterk geïnteresseerd in AI
Ik volg nieuwe mogelijkheden en probeer ze zelf uit. Zo onderzocht ik voor de Strix Halo Guide hoe AI blijft werken met minder systeemrechten.
Doorzettingsvermogen
Als iets vastloopt, zoek ik uit waarom, probeer ik een andere route en controleer ik het resultaat. In de gids blijven ook mislukte proeven en beperkingen zichtbaar, zodat een volgende poging daarop kan voortbouwen.
Denken in mogelijkheden
Ik zoek hoe modellen, tools en kennis samen iets bruikbaars kunnen opleveren. Zo gebruikte ik mijn OKF-brein om kennis uit de ene AI-omgeving mee te nemen naar een andere.

Ik communiceer direct en pak ideeën praktisch op. Bij Ten Brinke wil ik dat samen doen met mensen die de organisatie en de bouw kennen, met security vanaf het begin.

Dat sluit ook aan bij jullie kernwaarden: Betrokken samenwerken, Bewust risico’s afwegen en Bekwaam worden door te leren en te toetsen.

Ten Brinkes eigen beschrijving en kernwaarden ↗

03 Zo zou ik beginnen

Samen één taak kiezen en laten zien wat AI oplevert.

Ik begin bij een collega: welk terugkerend werk kost veel tijd, en waar gaat het mis? We kiezen samen één kleine proef. Bijvoorbeeld: een antwoord vinden in goedgekeurde projectdocumenten, met de juiste bron erbij.

Vooraf spreken we af welke gegevens gebruikt mogen worden, wie verantwoordelijk is en wie de proef goedkeurt. Bij specialistische vragen kan ik mijn aanpak bespreken met een ervaren securitymentor. De keuzes voor jullie omgeving maak ik samen met jullie IT- en securityteam.

  1. Opsporen: waar kan het misgaan?

    We bekijken welke gegevens de AI gebruikt, wie toegang krijgt en waar een verkeerd antwoord problemen oplevert.

  2. Analyseren: wat is de oorzaak?

    Ik zoek uit of het probleem in de instellingen, de koppelingen of het AI-antwoord zit. De collega en IT helpen bepalen wat goed moet werken.

  3. Oplossing kiezen: wat moet er veranderen?

    Met IT en security kiezen we een gerichte verbetering, bijvoorbeeld beperktere toegang, een externe koppeling uitzetten of betere broncontrole.

  4. Uitvoeren: de verbetering aanbrengen

    Ik werk de afgesproken oplossing uit in de proefomgeving en leg de keuzes vast, zodat het team ermee verder kan.

  5. Controleren: is het probleem verholpen?

    We herhalen de afgesproken controles en kijken of de taak nog goed werkt. Resterende risico’s blijven zichtbaar; het team beslist wat verder kan.

Wat ik oplever: een geteste verbetering, de controle vóór en na de aanpassing en een duidelijke overdracht. Het team kan zien wat is opgelost, wat nog aandacht vraagt en of de AI het werk bruikbaarder maakt.

Bronnen en afbakening
  • Geaccepteerde AI-bijdragen: alle 19 aangewezen merges zijn op 27 september 2026 opnieuw afzonderlijk beoordeeld: 15 met code, bouw- of configuratiewijzigingen en 4 met documentatie of bronvermeldingen, verspreid over 14 projecten. De laatste PR-wijzigingen, testcode, reviews en bijbehorende GitHub-checks zijn nagegaan; geen nieuwe upstreamtests uitgevoerd. De hoofdtekst kiest vier projecten vanwege hun verschillende AI-toepassingen. Het zijn geen 19 gedichte beveiligingslekken en de bijdragen bewijzen geen dienstverband bij de genoemde organisaties.
  • NVIDIA AI Cluster Runtime (AICR): de bijdrage herstelt de gezamenlijke verwerking van controle-uitslagen. De bestaande controle Secure Accelerator Access gebruikt die verwerking; de GPU-afscherming zelf is niet door deze bijdrage gebouwd. De fout was eerder gemeld in issue #1692. De 21 toegevoegde testgevallen toetsen de verwerking met nagebootste clusterreacties; geen 21 aanvalstests of live GPU-isolatietests. Goedkeuring op de laatste PR-versie en geslaagde tests zijn gecontroleerd.
  • OpenAI en llama.cpp: beide OpenAI-bijdragen zijn opgenomen in de officiële .NET-library; opname in een specifieke pakketrelease is niet onderzocht. De extra reasoning-instelling is geen claim over gegevensretentie of privacygaranties. llama.cpp voert modellen uit op eigen hardware en in de cloud; LocalAI en Lemonade beschrijven haar als bouwsteen. Mijn bijdrage herstelt modelvermelding. De PR beschrijft een CPU-build en drie gerichte controles; de bredere CI was niet volledig groen. Twee mislukte jobs melden weggevallen runners; van een derde is de oorzaak niet vastgesteld. De wijziging is wel goedgekeurd en gemergd. Geen rangorde als grootste engine, snelheidswinst of securityfix geclaimd.
  • Securitygevoelige onderdelen en aanvullend AI-werk: Ray #64738 verbetert de afhandeling van AWS-sleutelparen, niet AWS zelf. Qwen Code #7522 laat modelkeuze aansluiten op de aanmeldmethode; de bestaande toegangscontrole blijft behouden. LocalAI #10783 levert ontbrekende software mee en controleert tijdens de bouw of afhankelijkheden binnen het pakket worden gevonden; geen algemene runtime-sandbox. Andere relevante voorbeelden zijn voorkomen van vastlopende AI-agents bij beperkte capaciteit, juiste hardwareherkenning in llmfit en herstel van een fout in AI-prestatietests. Deze bijdragen hebben elk hun eigen testbereik; zij bewijzen niet allemaal een gedicht toegangsgat.
  • Strix Halo Guide: de uitleg van de gids is gecontroleerd aan de openbare projectbeschrijving van 27 september 2026: installatie, modelkeuze, instellingen, meetresultaten en beperkingen. De hardwareproeven hieronder behouden hun eigen datum en reikwijdte. De rootless proeven van 29 juli 2026 zijn eigen, gepubliceerde resultaten met Vulkan en ROCm, elk met drie herhalingen. Vastgelegd zijn een gewone gebruiker, gerichte hardwaretoegang en een alleen-lezen koppeling naar de modelmap. De resultaten bewijzen werking in die opstelling; geen volledige beveiligingsaudit, geteste weerstand tegen aanvallen of garantie voor alle modellen. Commit 2af3544 van 13 september verwijdert afzonderlijk de te ruime GPU-regels uit de installatie en voegt een stop voor bestaande oude regels toe. De juliproeven zijn geen hertest van die latere installatiewijziging. Geen nieuwe hardwareproef uitgevoerd of Runpod-implementatie geclaimd. De eerder beschreven netwerkproef blijft in de bron: bereikbaarheid binnen het netwerk was vastgesteld en is in die proef niet hersteld. Volledige gids ↗.
  • Erkenningen: KNAW Hall of Fame 2026 en de onderliggende ontvangen bevestigingen opnieuw gelezen op 27 september 2026. De CISO bevestigde mitigatie op 3 september; de tweede organisatie bevestigde blootstelling en opschoning op 2 september. Dit zijn inhoudelijke reacties, geen automatische ontvangstbevestigingen. De KNAW bevestigde op 9 september ook herstel; deze organisatie telt eenmaal mee en heeft daarnaast de publieke Hall of Fame-vermelding. De oorspronkelijke eigen meldingen bevatten ook hersteladvies; de AI-reactie bevestigt controle na opschoning van de bereikbare historie. Die passages zijn op 27 september opnieuw gelezen. Een aanvullende reactie van 21 augustus bevestigt vervanging van toegangsgegevens en aanpassing van de configuratie bij een derde organisatie. Daarmee zijn vier afzonderlijke organisaties met schriftelijk bevestigd herstel onderbouwd, inclusief KNAW; de hoofdtekst werkt de drie andere voorbeelden geanonimiseerd uit. De aanvullende organisatie omschrijft zichzelf officieel als overheidsstichting. Dit is geen totaal van alle meldingen of ontvangen reacties.
  • Bewijsgrens: de overheidsmails zijn privé; namen, mailinhoud en technische vindplaatsen worden niet gepubliceerd. Gemeld herstel is niet door mij technisch hertest. Geen claim van gestolen data, voorkomen schade, een gehackt AI-model of een securitycertificering. De OpenAI-sleutel was volgens de organisatie niet meer in gebruik.
  • Begeleiding: de mogelijkheid om de aanpak met een ervaren securitymentor te bespreken is gebaseerd op Jesses aangeleverde toelichting. Dit is geen dienstverband, certificering of toezegging dat de mentor het werk voor Ten Brinke uitvoert.
  • Scale AI: werkperiode en modelevaluatie uit Jesses CV; aangevuld met zijn toelichting van 27 september 2026 over het beoordelen en verbeteren van AI-antwoorden.
  • OKF: eerste kennisoverdracht tussen Opus en Codex beproefd met extra inrichting. Het aparte private project bevat een fictief voorbeeld, uitleg en controles op bronnen en een vast voorbeeldantwoord; die controles zijn op 27 september uitgevoerd. Het is geen nieuwe onafhankelijke modelproef en geen kopie van privégesprekken. Kennis kunnen laden bewijst nog niet dat een model alle instructies juist toepast. Werking met ieder AI-model blijft een ontwerpdoel.
  • Ten Brinke: openbare zelfbeschrijving en kernwaarden, geraadpleegd op 26 september 2026. De bijdrage en eerste aanpak zijn mijn voorstel. Concrete rol, prioriteiten en verantwoordelijkheden bepalen we in gesprek.