Jesse van DijkAI Engineer · Eigen AI & security

Mijn bijdrage aan Ten Brinke

AI veilig inzetten.
Van risico naar herstel.

Ik help Ten Brinke AI veilig inzetten: wie kan bij bedrijfsgegevens, welke toegang krijgt een AI-assistent en waar kunnen gegevens onbedoeld naar buiten gaan? Ik onderzoek risico’s, werk met IT aan verbeteringen en controleer het herstel. Mijn erkende securitymeldingen en eigen AI-opstellingen onderbouwen die aanpak.

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

Strix Halo is een chip van AMD voor krachtige, compacte computers. Daarmee kun je AI op de computer zelf draaien. Mijn Strix Halo Guide legt stap voor stap uit welke computer en welk AI-model je kiest, hoe je alles installeert en welke instellingen werken. Ik onderbouw dat met eigen tests.

Daarbij controleer ik waar de AI-software bij mag. Ik testte twee AI-opstellingen met beperkte toegang. Beide bleven werken zonder volledige beheerdersrechten. Ook verwijderde ik te ruime toegangsrechten uit de installatie in mijn gids.

Voor Ten Brinke: uitzoeken hoe jullie AI zelf kunnen draaien en welke toegang daarvoor nodig is. Ik leg de instellingen en controles vast, zodat IT ermee verder kan. Die aanpak helpt bij keuzes voor eigen computers of gehuurde AI-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 verbeteringen zijn beoordeeld en overgenomen in vier bekende AI-projecten. Ze laten zien hoe ik werk aan AI-infrastructuur en betrouwbare controles:

  • NVIDIA AI Cluster Runtime helpt AI-omgevingen met meerdere GPU-computers inrichten en controleren. Ik herstelde dat mislukte controles toch groen licht konden geven; ook de controle op GPU-toegang gebruikt dit herstel. Waarde: kunnen vertrouwen op de uitslag van een beveiligingscontrole. Bekijk de bijdrage ↗
  • OpenAI .NET is de officiële koppeling waarmee .NET-bedrijfstoepassingen OpenAI gebruiken. Ik herstelde verkeerd verstuurde aanvragen die daardoor werden geweigerd en controleerde de oplossing met tests. Waarde: AI-koppelingen werkend krijgen en het herstel aantonen. Bekijk de bijdrage ↗
  • Qwen Code is een AI-assistent voor softwaretaken, van het team achter de Qwen-modellen. Ik voorkwam dat hoofd- en achtergrondagent elkaar laten vastlopen wanneer de modelserver maar één aanvraag tegelijk kan verwerken. Waarde: AI-agents betrouwbaar laten samenwerken, ook bij beperkte rekencapaciteit. Bekijk de bijdrage ↗
  • llama.cpp is een veelgebruikte motor om taalmodellen op eigen hardware of in de cloud te draaien. Ik verhielp dat een lege instelling als beschikbaar model verscheen. Waarde: praktijkkennis van de software achter lokale AI en het oplossen van fouten in de modelkeuze. Bekijk de bijdrage ↗

Voor Ten Brinke: ik verbind kennis van AI-modellen, hosting, koppelingen en security. Zo kan ik met IT uitzoeken wat werkt, problemen helpen oplossen en controleren of een AI-opstelling bruikbaar en verantwoord inzetbaar is.

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

Eén AI-toepassing veiliger maken, met aantoonbaar resultaat.

Ik begin met jullie IT- en securityteam bij één AI-toepassing. Welke bedrijfsgegevens gebruikt die, wie kan erbij en welke externe diensten zijn gekoppeld? Samen kiezen we één concreet risico om in een proefomgeving aan te pakken.

Vooraf spreken we af wat ik mag onderzoeken en aanpassen, wie verantwoordelijk is en hoe we het herstel controleren. Bij specialistische vragen kan ik mijn aanpak bespreken met een ervaren securitymentor; bedrijfsgegevens blijven binnen de afgesproken omgeving.

  1. Opsporen: waar kan het misgaan?

    We bekijken waar de AI meer gegevens of toegang krijgt dan voor de taak nodig is.

  2. Analyseren: wat is de oorzaak?

    Ik zoek uit welke instelling, koppeling of toegangsregel het risico veroorzaakt en welke gegevens daardoor geraakt kunnen worden.

  3. Oplossing kiezen: wat moet er veranderen?

    Met IT kiezen we een gerichte verbetering, bijvoorbeeld toegang beperken of een onnodige externe koppeling uitschakelen.

  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 controleren of de onbedoelde toegang is weggenomen en de bedoelde AI-taak nog werkt. Resterende risico’s blijven zichtbaar; IT en security beoordelen de volgende stap.

Wat ik oplever: een gerichte beveiligingsverbetering, de controle vóór en na de aanpassing en duidelijke beheerafspraken. Het team ziet welk risico is aangepakt, wat nog openstaat en hoe de AI bruikbaar blijft.

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: de OpenAI-bijdrage is opgenomen in de officiële .NET-library; opname in een specifieke pakketrelease is niet onderzocht. 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.
  • Qwen Code: de bijdrage betreft de samenwerking tussen hoofd- en achtergrondagent bij één beschikbare plek op de modelserver. De tests controleren dat een vervolgaanvraag wacht op afronding en dat gelijktijdig werken bij meer capaciteit behouden blijft. Dit is een betrouwbaarheidsverbetering, geen gerepareerde toegangsbeveiliging. In de PR is geen live proef met een llama.cpp-server uitgevoerd; de controle gebruikt nagebootste reacties.
  • 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.