Wikibase Lokale Kennisbank voor Forensisch AI

Waarom een Lokale Wikibase?

Autonome Forensische Knowledge Hub

Wikidata is de publieke gigant (gehost door Wikimedia), maar Wikibase is de open-source software erachter - perfect voor een private, lokale instance waar we volledige controle hebben. Geen publieke edits, geen community-messiness: puur ons eigen forensisch AI-lab.

🔐

Privacy & Compliance

Alle data blijft lokaal/on-premises. Cruciaal voor strafzaken en NIS2-dossiers met gevoelige logs, hashes en chain-of-custody.

🕸️

Knowledge Graph

Bouw een graph met CVE-vulnerabilities, threat actors, digitaal bewijs-types, timelines en inconsistenties.

🤖

AI-Integratie

AI-modellen queryen via SPARQL voor anomaly-detectie, timeline-reconstructie of vormverzuim-haakjes.

⚙️

Custom Properties

Eigen properties zoals P-forensic-hash (SHA-512), federated links naar Wikidata zonder data te lekken.

"Wikibase local = no single point of failure, full sovereignty over je cyber-kennis."

Wikibase vs Wikidata

Key Differences voor Forensische Setup

Aspect	Wikidata (Publiek)	Wikibase (Lokaal)
Hosting	Gehost door Wikimedia, open voor iedereen	Zelf gehost (Docker/on-premises), volledig private
Data Controle	Community-edits, CC0-license	Jij bepaalt access (OAuth, IP-fencing), beroepsgeheim-compliant
Schaal	Miljarden statements, performance-tuned	Start klein, schaalbaar; ideaal voor niche forensische data
Customisatie	Beperkt tot Wikidata-policy	Eigen ontology, properties, UI - volledige vrijheid
Integratie	API/SPARQL publiek	Lokale API + SPARQL; federate met Wikidata voor externe links
Security	Publiek toegankelijk	End-to-end: containers, encryption, hashes - SHA-512 stack

Wikibase is Wikidata's "blank slate" - perfect voor interne onderzoeken (datalekken, fraude) zonder risico op lekken naar de buitenwereld.

Installatie via Docker

De Aanbevolen Route (2026)

De makkelijkste en meest secure manier: Wikibase Suite via Docker (official WMDE-images). Dit zet een volledige stack op: MediaWiki + Wikibase Repository + Query Service (SPARQL) + Elasticsearch.

🖥️ Requirements

Docker + Docker Compose geinstalleerd
Minimaal 8GB RAM (voor Query Service)
Ports vrij: 8181 (Wikibase), 8282 (Query UI), 8989 (Blazegraph)
SSD storage aanbevolen voor performance

Stap-voor-Stap Guide

Repository Klonen

git clone https://github.com/wmde/wikibase-release-pipeline.git
cd wikibase-release-pipeline/deploy

Environment Configureren

Kopieer template.env naar .env en configureer:

DB_ROOT_PASSWORD - Sterke database password
MW_ADMIN_PASS - MediaWiki admin credentials
WIKIBASE_HOST - localhost of server IP
Enable QuickStatements voor batch imports

Docker Compose Starten

docker compose up -d

Eerste run pulls images: wikibase/wikibase, mysql, elasticsearch, wdqs

Access & Initial Setup

Wikibase: http://localhost:8181

Query UI: http://localhost:8282

⚠️ Security Tip

Voor productie: Voeg HTTPS toe via reverse proxy (Traefik/Nginx) + Let's Encrypt. Gebruik nooit HTTP voor gevoelige forensische data.

Security Hardening

Forensisch-Grade Beveiliging

📦

Container Isolatie

Per-zaak namespaces, gescheiden van andere workloads.

🔒

Volume Encryption

Docker secrets en encrypted storage voor alle data.

📝

Audit Logs

Elke edit traceable voor chain-of-custody proof.

🔐

mTLS

Mutual TLS voor alle API-communicatie.

Docker Security Configuratie

# docker-compose.override.yml
services:
  wikibase:
    security_opt:
      - no-new-privileges:true
    read_only: true
    tmpfs:
      - /tmp
    networks:
      - internal
      - proxy
    labels:
      - "traefik.enable=true"
      - "traefik.http.routers.wikibase.tls=true"

networks:
  internal:
    internal: true
  proxy:
    external: true

Integratie in het Forensic AI-Lab

Pipeline Uitbreiding met Knowledge Graph

Pre-Processing

Import data (logs, NFI-rapporten) als items/properties via QuickStatements of API.

AI-Analyse

SPARQL-queries voor patterns: "vind timelines met timestamp-gaps" voor inconsistentie-detectie.

Rapport

Embed graph-visualisaties (Query Service UI) in rapporten met references voor provenance.

Python API Integratie (WikibaseIntegrator)

from wikibaseintegrator import WikibaseIntegrator
from wikibaseintegrator.wbi_config import config
import os

# Configureer voor lokale instance
config['MEDIAWIKI_API_URL'] = 'http://localhost:8181/w/api.php'
config['SPARQL_ENDPOINT_URL'] = 'http://localhost:8282/sparql'
config['USER_AGENT'] = 'CyberSecurityAD-ForensicBot/1.0'

# Login met bot credentials
config['WIKIBASE_USERNAME'] = os.environ['WIKIBASE_USER']
config['WIKIBASE_PASSWORD'] = os.environ['WIKIBASE_PASS']

wbi = WikibaseIntegrator()

# Creeer nieuwe entity: Threat Actor
from wikibaseintegrator.models import Item
from wikibaseintegrator import datatypes

item = Item()
item.labels.set('nl', 'APT29 - Cozy Bear')
item.descriptions.set('nl', 'Russische state-sponsored threat actor')

# Voeg properties toe
item.claims.add(datatypes.String(
    value='APT29',
    prop_nr='P1'  # Alias property
))
item.claims.add(datatypes.Time(
    time='+2024-01-15T00:00:00Z',
    prop_nr='P2'  # First observed property
))

# Write naar lokale Wikibase
item.write()
print(f"Created item: {item.id}")

Forensische Ontology

Voorbeeld Data Model voor het Lab

Type	ID	Label	Beschrijving
Item	Q1	EncroChat Export	Versleutelde chat-export dataset
Item	Q2	Black-Box Tool	Forensische software zonder broncode
Item	Q3	Vormverzuim	Art. 359a Sv schending
Property	P1	SHA-512 Hash	Cryptografische hash voor integriteit
Property	P2	Timeline Event	Timestamp voor tijdlijn-reconstructie
Property	P3	Inconsistentie	Gedetecteerde anomalie of gap

SPARQL Query: Vind Inconsistenties in Timeline

PREFIX wd: <http://localhost:8181/entity/>
PREFIX wdt: <http://localhost:8181/prop/direct/>

SELECT ?item ?itemLabel ?timestamp ?inconsistency WHERE {
  ?item wdt:P2 ?timestamp .           # Heeft timeline event
  ?item wdt:P3 ?inconsistency .       # Heeft inconsistentie
  SERVICE wikibase:label { bd:serviceParam wikibase:language "nl,en". }
}
ORDER BY ?timestamp

Roadmap voor Lancering

Van Setup naar Productie

Week 1

Docker Setup

Installatie Wikibase Suite + basic items aanmaken

Maand 1

Portaal Integratie

Koppeling met forensisch AI-pipeline en dashboard

Maand 3

AI-Queries Live

SPARQL-gestuurde anomaly-detectie in productie

Maand 6

Federation

Federate met Wikidata voor externe threat intel

💶 Kostenraming

Software: Gratis (open-source)
Server: EUR 500-2000 initieel (GPU voor AI + storage)
Onderhoud: ~10 uur/maand (updates, backups)

Klaar om je Eigen Knowledge Graph te Bouwen?

Dit maakt ons lab een autonome forensische knowledge hub - mens + AI + graph = unbeatable in strafrecht/corporate investigations.

📞 Plan een Demo 🚀 Roadmap 2026-2027 🧪 Forensic AI Lab

Wikibase Lokale Kennisbank

Een Private Knowledge Graph voor Forensisch AI - Volledige Controle over Gevoelige Data