CC BY
129
МАТЕМАТИЧЕСКИЕ МЕТОДЫ И ЦИФРОВЫЕ ТЕХНОЛОГИИ В СОВРЕМЕННОЙ КРИМИНОЛОГИИ
MATHEMATICAL METHODS AND DIGITAL TECHNOLOGIES IN MODERN CRIMINOLOGY
УДК 343.9
DOI 10.17150/2500-4255.2019.13(5).718-726
BIG DATA КАК СОВРЕМЕННЫЙ КРИМИНОЛОГИЧЕСКИЙ МЕТОД ИЗУЧЕНИЯ И ИЗМЕРЕНИЯ ОРГАНИЗОВАННОЙ ПРЕСТУПНОСТИ
А.П. Суходолов1, С.В. Иванцов2 3, Т.В. Молчанова2, Б.А. Спасенников4
1 Байкальский государственный университет, г. Иркутск, Российская Федерация
2 Московский университет МВД России им. В.Я. Кикотя, г. Москва, Российская Федерация
3 Международный юридический институт, г. Москва, Российская Федерация
4 Национальный научно-исследовательский институт общественного здоровья им. НА. Семашко, г. Москва, Российская Федерация
Информация о статье Дата поступления 29 июля 2019 г. Дата принятия в печать 7 октября 2019 г.
Дата онлайн-размещения 31 октября 2019 г.
Ключевые слова Организованная преступность; «большие данные»; источники данных; учет; статистическая отчетность; сбор; обработка; анализ; измерение и оценка статистических данных; латентность; прогнозирование и предупреждение организованной преступности
Аннотация. Статья посвящена проблемам изучения, измерения и оценки организованной преступности в России, исследованию возможности применения метода «больших данных» для анализа преступности. Усложнение задачи противодействия преступности обусловливает необходимость осмысления как традиционных методов изучения преступности, так и возможности выхода за рамки таких методов. Имеющиеся формы государственной статистической отчетности фиксируют лишь совершение отдельных преступлений в составе организованной преступной группы, в исключительных случаях — в составе преступного сообщества. Использование официальной государственной статистики для измерения уровня организованной преступности порождает множество искажений в ее оценке. Официальная статистика в ряде случаев способна правильно показывать лишь тенденцию. Данная криминологическая проблема не имеет фактической оценки ее современного состояния. Это связано прежде всего с особой сложностью измерения, технологии сбора и анализа информации, выбора инструментария и методологии исследования, теоретической модели прогнозирования организованной преступности, установления ее прогнозных тенденций и закономерностей. Последнее десятилетие в странах, где активно развиваются цифровые технологии, происходит интенсификация интереса к применению вычислительных и интеллектуальных методов анализа организованной преступности. Главным достижением науки стало понимание широким кругом криминологов-исследователей достаточности уже существующих инструментов, методов и программ интеллектуального анализа структурированных и неструктурированных данных для практического перехода к вычислительной криминологии. В структуре информационных технологий особое место занимают «большие данные» (big data). Развитие технологий сбора и анализа данных позволяет на качественно новом уровне измерить преступность. Значительное увеличение объема данных, источниками и средствами распространения которых являются социальные объекты, приводит к формированию новых технологий обработки информации о преступности. В представленной статье указана необходимость использования большого объема структурированных и неструктурированных данных при изучении и оценке количественных параметров организованной преступности. Это дает значительные возможности для применения «больших данных» в формулировании прогнозных тенденций изменения организованной преступности, а также для использования новых технологий в теории и практике предупреждения организованной преступности. Прогнозирование и предупреждение организованной преступности представляются весьма затруднительными, а иногда и невозможными процессами в плане получения эмпирических подтверждений, а тем более прогностической верификации той или иной концепции. Соответственно, традиционные научные подходы до настоящего времени практически не работают в сфере изучения организованной преступности. Между тем правоохранительные органы должны располагать знаниями о структуре преступности, появлении новых форм организации преступных сообществ, изменении преступного поведения под воздействием технологий новой технологической революции и т.п.
BIG DATA AS A MODERN CRIMINOLOGICAL METHOD OF STUDYING AND MEASURING ORGANIZED CRIME
Alexander P. Sukhodolov1, Sergey V. Ivantsov2' 3, Tatiana V. Molchanova2, Boris A. Spasennikov4
1 Baikal State University, Irkutsk, the Russian Federation
2 V.Ya. Kikotya Moscow University of the Ministry of Internal Affairs of Russia, Moscow, the Russian Federation
3 International Law Institute, Moscow, the Russian Federation
4 NA. Semashko National Research Institute of Public Health, Moscow, the Russian Federation
Article info
Received 2019 July 29
Accepted 2019 October 7 Available online 2019 October 31
Keywords
Organized crime; «big data»; data sources; accounting; statistical reporting; collection; processing; analysis; measurement and assessment of statistical data; latency; forecasting and prevention of organized crime
Abstract. The paper is devoted to the study, measurement and assessment of organized crime in Russia, and to researching the possibility of using «big data» to analyze crime. As the task of counteracting crime is getting more and more complicated, it becomes necessary to reconsider both the traditional methods of researching crime, and the possibilities of going beyond the boundaries of such methods. The existing forms of state statistical reporting reflect only certain crimes committed by organized criminal groups and, in exceptional cases — by criminal communities. The use of official state statistics to measure the level of organized crime leads to numerous distortions in its evaluation. In some cases, all it can do is indicate the trend. There is no assessment of the actual condition of this criminological problem due to a high complexity of measurements, of choosing the technique of information collection and analysis, as well as the theoretical model of predicting organized crime, forecasting its future trends and regularities. In the last decade, the countries where digital technologies are developing actively have witnessed an intensified interest to the use of computing and intellectual methods of analyzing organized crime. The main achievement of science is that there is a widespread understanding among criminologists involved in research that the existing instruments, methods and programs for the intellectual analysis of structured and unstructured data are sufficient for the transition to computational criminology. «Big data» have a special place in the structure of information technologies. The development of data collection and analysis technologies makes it possible to measure criminality at a conceptually new level. A significant growth in the volume of data, the sources and dissemination tools of which are social objects, leads to the establishment of new technologies of processing the information on crimes. The presented article shows the necessity of using a large volume of structured and unstructured data to study and evaluate qualitative parameters of organized crime. This presents considerable opportunities for using «big data» to predict the trends of future changes in organized crime, as well as for applying new technologies to the theory and practice of preventing organized crime. The prediction and prevention of organized crime are considered to be rather difficult, and sometimes impossible when it concerns finding empirical proof and, moreover, obtaining prediction verification of some or other concept. Consequently, up to now traditional research approaches have not been effective in the sphere of researching organized crime. Meanwhile, law enforcement bodies need knowledge on the structure of crime, on the emergence of new forms of organizing criminal groups, on changes in criminal behavior connected with the technologies of the new technological revolution, etc.
Сегодня статистика о количественных и качественных характеристиках состояния преступности не имеет достоверного отражения и, соответственно, не выступает основой для формирования должной уголовной политики государства, являясь лишь инструментом для оценки работы ведомств, участвующих в предупреждении преступности. Российские криминологи знают об этой проблеме много лет, причем имеется полное понимание ограниченности существующих статистических данных о преступности. Указанные обстоятельства не позволяют оценить один из наиболее латентных видов преступно-
сти — организованную. Современная российская организованная преступность оказывает существенное влияние на иные криминогенные процессы. Она обладает ведущим, доминирующим воздействием на формирование криминальной среды. Российская организованная преступность, к сожалению, неотъемлемый социальный фактор отечественной общественной жизни, поэтому нельзя недооценивать ее негативное значение в социальном аспекте. При этом неразрешенной проблемой остается низкая эффективность правоохранительной деятельности в предупреждении организованной преступности [1, с. 84-96].
На данный момент не имеется каких-либо достоверных параметров оценки именно этого вида преступности. Исследования по организованной преступности основаны на отчетах о совершении различного рода преступлений, где в качестве квалифицирующего признака указано совершение преступления в составе организованной преступной группы или преступного сообщества. С позиции уголовного закона это очевидные формы соучастия, но это не является отражением состояния организованной преступности в России. Действующие формы статистической отчетности не отражают ее фактических оценок.
В методологическом плане изучение организованной преступности находится в основном на уровне описания практики противодействия организованной преступности и основных факторов, ее порождающих. Другие данные показывают ее измерение путем суммирования информации оперативного учета субъектов оперативно-разыскной деятельности [2].
Следует отметить, что организованная преступность — это особый вид преступности с точки зрения его изучения и измерения. На характер формирования данных о ней оказывает влияние множество факторов. Среди них следует назвать отсутствие достаточно разработанных, надежных критериев, которые позволяют оценить достоверность аудиовизуальной и текстовой информации об организованном характере преступности [3]. В силу специфичности феномена преступных сообществ исследователи зачастую лишены возможности получить количественные и качественные характеристики этого вида преступности.
Как указывает В.С. Овчинский, действующие организованные преступные группировки в подавляющем большинстве случаев недоступны для исследования криминологами [4]. В этой связи официальная статистическая отчетность МВД России, свидетельствующая об организованном характере преступности, не является измерителем ее состояния. Статистические данные говорят о том, насколько трудно доказать криминальное лидерство. В 2018 г. за создание организованной преступной группы в России был осужден один человек, в 2017 г. — ни одного.
Следует отметить, что наиболее опасные и тяжкие преступления совершаются именно организованными преступными сообществами. Лидеры преступных сообществ координируют
преступные действия, создают устойчивые преступные связи между различными организованными группами, занимаются разделом сфер преступного влияния и преступных доходов, руководят преступными действиями, поэтому представляют наибольшую общественную опасность. Однако благодаря своему положению в преступной иерархии лидеры таких сообществ, как правило, уходят от уголовной ответственности. До сих пор подвергнуть криминального авторитета уголовному преследованию можно было только в случае совершения им преступления [5; 6].
Президентом России подписан Федеральный закон «О внесении изменений в Уголовный кодекс Российской Федерации и Уголовно-процессуальный кодекс Российской Федерации в части противодействия организованной преступности» от 1 апреля 2019 г. № 46-ФЗ, который ужесточает наказание за организацию преступного сообщества или участие в нем и вводит уголовную ответственность в виде наказания до 15 лет лишения свободы для тех, кто занимает высшее положение в преступной иерархии.
Эксперты указывают, что в законодательстве придется дополнительно прописывать определения и критерии лидерства в преступной иерархии, которые сейчас содержатся лишь в криминологической литературе. Необходимо будет также сформировать правовой механизм привлечения к ответственности лидеров организованных преступных групп и преступных сообществ, разработать (изменить или дополнить) статистические формы соответствующих позиций учета. Названные обстоятельства позволят по-иному измерить состояние организованной преступности и увеличат масштабы формирования правоприменительной практики в данном направлении статистической отчетности. В этой связи необходимо прибегнуть к другим оценочным методам измерительных практик. Существующие же на сегодняшний день методы оценки организованной преступности нецелесообразны и малоэффективны [7].
Качественные и количественные замеры статистических данных весьма значимы для криминологов. Современная цифровая криминология пытается использовать различные статистические, математические модели и методы для понимания и объяснения преступности, прогнозирования ее уровня, а также для получения возможности воздействовать на нее с помощью адекватных институциональных реше-
ний [8]. Российский же криминолог располагает ограниченными сведениями о криминальной ситуации. Ученые фактически лишены возможности использовать все существующие методы измерения, обработки и анализа статистической информации о преступности и связанных с ней явлениях.
Например, для формирования оценки состояния преступности в РФ применяется статистическая отчетность ГИАЦ МВД России, но социально-криминологическая характеристика преступности, содержащаяся в сборниках ГИАЦ МВД России, охватывает преимущественно информацию о субъектном составе противоправных посягательств, не акцентируя внимание на отдельных криминологически значимых индикаторах, в связи с чем ее использование без существенной переработки не представляется эффективным и достаточным. Издания, которые предлагаются Генеральной прокуратурой Российской Федерации, Следственным комитетом Российской Федерации, МВД России, Министерством юстиции России, Росстатом, не предназначены для исследования преступности. Источниками информации о преступности являются:
- статистические отчеты: МВД, прокуратуры, других правоохранительных органов и судов;
- статистические карточки первичного учета, в том числе отражающие сведения о преступлении, о совершившем его лице, о подсудимом;
-показатели социальной, экономической, медико-социальной и иной статистики;
-данные об иных правонарушениях, распространенности наркомании, алкоголизме и т.д., содержащиеся в материалах как государственной, так и ведомственной (МВД России, Министерства юстиции России и т.п.) статистики;
- материалы обобщения уголовных дел, сообщения и заявления о преступлениях.
Действующая система регистрации преступлений в основе своей носит управляемый характер. Имеющаяся выборочная совокупность преступлений не только неполно отражает действительность, но и искажает реальность, поскольку приближена к открытой, гиперпримитивной ее части [9].
Только объективный криминологический и статистический анализ состояния преступности способен помочь в выработке адекватных мер по контролю над общественно опасным поведением. Не стоит забывать, что выявить полную статистическую картину преступности при лю-
бых исследованиях практически невозможно. Может быть сформулирована задача приблизить выводы об изучаемом виде преступности к ее фактическому состоянию, скорректировать структуру и уровень учтенной преступности соответственно объективной действительности, более или менее адекватно учесть «темную» цифру преступности при разработке мер противодействия ей [10, р. 347-354; 11].
Таким образом, данные о преступлениях, зарегистрированных в статистической отчетности органов внутренних дел, не позволяют измерить преступность как таковую, а предоставляют информацию о преступлениях, о которых стало известно и которые эти органы сами зафиксировали.
В соответствии с консенсус-прогнозом ведущих криминологов и правоохранителей, переход к объективному мониторингу организованной преступности на основе Интернета с использованием различного формата данных, обрабатываемых искусственным интеллектом, возможен в полном объеме в период с 2023 по 2025 г. До этого времени, согласно мнению, сформировавшемуся в рамках консенсус-прогноза, статистика преступности, подобно экономической статистике, наиболее полно может быть оценена не в рамках официальной государственной статистики, а с опорой на индексы восприятия, определяемые авторитетными международными центрами общественного мнения на основе проведения корректных систематических опросов [12].
Современные средства статистического сбора и обработки данных представлены в разнообразном виде. На сегодня стержневой составляющей, пронизывающей различные технологические кластеры новых промышленных революций и превращающей их в единый технологический процесс, являются, без сомнения, информационные технологии. В структуре информационных технологий особое место занимают «большие данные» (big data) [13]. Доклад генерального секретаря ООН, подготовленный в 2014 г. на основании резолюции Экономического и социального совета № 235 от 2013 г., дает оценку существующего опыта использования «больших данных» в подготовке материалов официальной статистики. Доклад содержит анализ мероприятий, которые проведены сообществом лиц, профессионально занимающихся официальной статистикой. В нем представлены результаты комплексной оценки опыта приме-
нения «больших данных» для подготовки статистических материалов1.
В современном мире «большие данные» используют для сбора, хранения, оцифровки, обработки и представления в удобном для исследователя виде значительной совокупности сведений о тех или иных явлениях, событиях, процессах. Самое важное в работе с «большими данными» — это то, что метод позволяет работать в режиме онлайн со всей базой информации. Указанный метод применяется для различных вариативных материалов, которые характеризуются не только весьма большим объемом, но и высокой скоростью накопления, естественным способом создания и особыми процессами, необходимыми для их анализа, последующего статистического вывода.
Относительно недавно большие источники данных начали обрабатывать для нахождения различных взаимосвязей в социальных и экономических системах, где ранее выводились заключения и строились всевозможные прогнозные тенденции на основании опросов и экспериментов. Значительный объем данных органически связан с увеличением числа инструментов для сбора данных (например, сенсорные устройства, мобильные приложения, социальные сети), а также с ростом возможности хранить и передавать такие данные, что связано с усовершенствованием накопителей информации и компьютерных сетей. Помимо структурированных баз данных, существуют объемные потоки неструктурированной информации в виде документов, изображений, сообщений электронной почты, видео, связей между устройствами и пр. Это предопределяет разнородность совокупности наблюдений по составу. Одним из последствий такого многообразия данных может служить то, что структурирование их, а также сведение требует значительных усилий, в связи с чем эта задача становится основной в работе с «большими данными». Исследователи располагают разнообразными источниками «больших данных» (например, сенсорные данные, данные транзакций и административные, данные социальных сетей, персональные данные с отслеживающих устройств и т.п.) [14]. В итоге такие «большие данные» дают четкое представление о деталях сегментов и подкатегорий, которые
1 Большие данные и модернизация статистических систем : докл. генер. секретаря ООН. URL: unsd/ statcom/doc14/2014-11-BigData.
невозможно оценить с помощью традиционной криминологической выборки.
Существенные шаги в этом направлении в нашей стране уже делаются. Так, создаются электронные учеты, реестры, оптимизируются всевозможные государственные услуги и способы аутентификации человека в них, развивается интернет-банкинг. В государственном регулировании используются облачные информационные сервисы и новые формы коммуникаций государственных органов. Документы переводятся из бумажного в цифровой электронно-реестровый вид. Применение цифровых технологий открывает значительные перспективы для предупреждения преступности [15].
В данный момент в полиции России существует множество баз данных, например таких, как ФИС ГИБДД, СЦУО (сервис централизованного учета оружия), «Следопыт-М», СООП (сервис обеспечения охраны общественного порядка), сервисы Главного управления по вопросам миграции, объединенная поисковая система генетической идентификации и т.д. Перечисленные поисковые сервисы, а также имеющиеся иные социальные базы данных могли бы составить единую централизованную сеть, способную обрабатывать, измерять разнообразные данные о преступности, в том числе об организованных ее формах.
В связи с этим при измерении и анализе организованной преступности необходимо ввести и использовать такое понятие, как цифровая криминологическая обстановка. Цифровая криминологическая обстановка — это пространственно-временная информационная модель на основе сочетания структурированных и неструктурированных данных о преступлениях, административных правонарушениях, лицах, совершивших правонарушения, потерпевших, географии и характере преступности и иных связанных с ними данных. Для статистического анализа цифровой криминологической обстановки используется комплексная система показателей. Ее изучение позволит по-иному оценить качественные и количественные параметры преступлений, совершенных в составе организованной группы или преступного сообщества.
Важная проблема, с которой сталкиваются правоохранительные органы, состоит в том, что многие имеющиеся данные о криминологической обстановке содержатся на бумажных носителях и не интегрируются с иными сетевыми базами данных. Это делает практически
невозможным оперативное и автоматическое установление преступных социальных связей в онлайн-режиме. Указанные обстоятельства свидетельствуют о низком уровне развития цифровых технологий в деятельности органов внутренних дел, органов прокуратуры и др. В этой связи становится актуальным не только умение строить выборку и выбирать правильный метод изучения, но и знание того, как собрать и обработать объективные данные о преступности. Это вопрос не только ученого-криминолога, но и специалиста в области информационных технологий. Сегодня проводить анализ данных о преступности исследователю помогают различного рода программные продукты. Возникает объективная потребность в программном обеспечении цифровой криминологической обстановки, которое позволит наладить ее компьютерное моделирование.
Применение «больших данных» позволит анализировать связи, о существовании которых криминологи ранее не могли догадываться, т.е. будет возрастать число новых корреляций. Эти взаимосвязи ученым-криминологам предстоит осознать и проанализировать. На наш взгляд, анализ таких взаимосвязей приведет к тому, что будут появляться научные гипотезы, которые потребуют новых глубоких исследований. При этом метод «больших данных» будет развиваться независимо от традиционного криминологического анализа с помощью известных построений выборки, проведения опросов и их последующего анализа. Метод «больших данных» должен помочь в изучении организованной преступности за счет следующего:
-обеспечение высокой скорости получения и использования информации о преступлениях, совершенных организованными преступными группами и преступными сообществами, для оперативного принятия решений;
-преобразование информации об организованных преступных группах и преступных сообществах в строгую цифровую отчетность, позволяющую осуществлять моделирование или контролируемый эксперимент в целях последующего принятия верных решений при большом количестве возможных вариаций;
-создание системной категоризации преступной деятельности, связанной с организованными формами ее совершения (характеристика лиц — пол, возраст, нервно-психическое здоровье, отягощенная наследственность, гражданство, семейное и социальное положение,
профессиональная принадлежность, социальные связи и контакты и т.д.; вид преступления, сфера совершения преступлений).
Весьма непростой вопрос — выборка данных, валидность (верификация) полученных материалов и анализ, обобщение и интерпретация данных. Нужно определить правильную постановку задач техническим исполнителям, создателям инструментария для обследования. Ученые-криминологи должны научиться понимать новые статистические методы получения, обработки и анализа данных, равно как и тонких механизмов ИТ-индустрии вообще. Например, как оценить использование личных данных в тех или иных целях [16, р. 171-175]. Наиболее важный вопрос — понимание модели облачных решений как перспективной формы предоставления сервисов, в ходе реализации которой возможно собирать различного рода информацию, так или иначе связанную с организованной преступностью.
Метод «больших данных» поставит перед учеными-криминологами новые вызовы. Будут появляться группы исследователей, которые по-разному относятся к возможности использования этого метода, начиная с извлечения данных и заканчивая их визуализацией и публичным представлением, т.е. произойдет трансформация криминологического сообщества.
В последние несколько лет правоохранительные структуры разных стран все активнее используют «большие данные». Например, Агентство национальной безопасности США применяет технологии изучения таких данных, чтобы предотвратить террористические акты. Другие ведомства также задействуют подобную прогрессивную методологию, чтобы предотвращать иные преступления. Полицейские Чикаго применяют собственную аналитическую систему. У них имеется специальный алгоритм, направленный на формирование «круга риска», в который входят лица, имеющие высокий риск стать участником вооруженного нападения или его жертвой. Данный алгоритм присваивает лицу так называемую оценку уязвимости с учетом его криминального прошлого (аресты, неправомерное применение оружия, принадлежность к различным преступным группировкам). Разработчик подчеркивает, что система анализирует криминальное прошлое человека. Она устанавливает наиболее криминогенные районы, а также время, когда они наиболее опасны, что позволяет сфокусировать силы и средства
на изменении ситуации (установка камер наблюдения, изменение количества сотрудников полиции, осуществляющих патрулирование в этом районе). То есть использование системы позволяет оптимизировать предупреждение преступности на объективной основе, понятной не только сотрудникам полиции, ученым-криминологам, но и представителям государственной и муниципальной власти, выделяющим соответствующие финансовые ресурсы2.
Европейский союз сейчас занимается подготовкой специальных норм законодательства для того, чтобы иметь возможность получать информацию от компаний об их клиентах, если те являются преступниками или подозреваются в совершении преступлений. Речь идет прежде всего о выдаче информации, которая хранится на серверах вне ЕС. Данные о правонарушителях раскрываются во многих случаях и сейчас, но только в том случае, если серверы с этой информацией расположены в юрисдикции ЕС3.
По мнению законодателей, сейчас цифровые границы становятся все более сложной проблемой, в частности потому, что крупные компании работают с разного рода облачными сервисами, данные которых хранятся по всему миру. Таким образом, информация о каком-либо человеке, клиенте какой-либо организации, может храниться вовсе не в стране, где живет этот человек, а на сервере, находящемся в другой точке мира. И это усложняет работу правоохранительных органов, поскольку далеко не каждая компания согласится выдать данные о своем клиенте, если они хранятся в иной юрисдикции.
В Италии группа информатиков-добро-вольцев в 2013 г. запустила сайт под названием Mafialeaks. Его целью является распространение информации об организованной преступности в стране. Согласно идее создателей, на страницах портала можно анонимно публиковать данные о преступниках без опасения за
2 Чикаго избавляется от звания «города с дурной славой» с помощью технологий. URL: https://www. social.bfm.ru/blog/43795781981.
3 ЕС хочет заставить компании по всему миру рас-
крывать данные пользователей, связанных с преступлениями. URL: https://habr.com/ru/post/356266.
собственную безопасность. Как полагает команда создателей сайта, жертвы мафии или бывшие преступники, а также доверенные лица смогут предоставить ценную информацию, которую при других обстоятельствах они бы не сообщили из страха. Представители судебной власти Италии приветствовали данную инициативу, поскольку это хорошая возможность распространять информацию и «разрушить, таким образом, стену молчания, окружающую организованную преступность». При этом прообразом сервиса послужил сайт WikiLeaks, созданный в 2006 г. Д. Ассанжем для сбора конфиденциальной информации4.
Измерение организованной преступности входит в новую фазу своей трансформации и требует иного теоретического осмысления, в связи с чем главной задачей современного изучения преступности является формирование пополняемого в режиме онлайн глобального банка структурированных и неструктурированных данных об организованной преступности. Это также вполне обосновано потребностью изучения и использования «больших данных» в криминологическом прогнозировании, а также в теории и практике предупреждения преступности. Неэффективность традиционных методов изучения преступности (статистическое наблюдение и описание такого наблюдения, выявление логических ошибок, допущенных законодателем и, соответственно, правоприменителем) проявляется при изучении организованной преступности, которая характеризуется механизмом искусственного управления, гипер-латентностью и экстерриториальностью.
Мы полагаем, что за последние несколько лет создан необходимый инструментарий поиска и обработки различных данных, сведений и знаний [17-19]. Этот инструментарий с успехом может быть использован для работы с эмпирическим материалом, что позволит выработать модели прогнозирования организованной преступности, а также сформировать систему ее предупреждения.
4 В Италии запустили сайт Mafialeaks для сбора информации о мафии. URL: https://www.forbes.ru/ news/246919-v-italii-zapustili-sait-mafialeaks-dlya-sbora-informatsii-o-mafii.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1.Спасенников Б.А. Криминология: медико-социальный взгляд / Б.А. Спасенников. — Москва : Изд-во НИИ ФСИН России, 2018. — 184 с.
2. Спасенников Б.А. Криминологические проблемы оперативно-разыскной деятельности / Б.А. Спасенников // Вестник международного института управления. — 2018. — № 2 (147). — С. 31-38.
3.Актуальные проблемы предупреждения преступлений в сфере экономики, совершаемых с использованием информационно-телекоммуникационных сетей / А.П. Суходолов, С.В. Иванцов, С.В. Борисов, Б.А. Спасенников. — DOI: 10.17150/2500-4255.2017.11(1).13-21 // Всероссийский криминологический журнал. — 2017. — Т. 11, № 1. — С. 13-21.
4. Овчинский В.С. Как изучать организованную преступность в XXI веке / В.С. Овчинский // Завтра. — URL: http://zavtra. ru/blogs/kak_izuchat_organizovannuyu_prestupnost_v_xxi_veke.
5. Иванцов С.В. К вопросу о противоречиях законодательной регламентации уголовной ответственности за организованную, террористическую и экстремистскую деятельность / С.В. Иванцов // Закон и право. — 2016. — № 4. — С. 21-25.
6. Спасенников Б.А. Актуальные проблемы уголовного права: обзор литературы / Б.А. Спасенников, Б.А. Швырев,
A.М. Смирнов // Актуальные вопросы образования и науки. — 2015. — № 3-4 (49-50). — С. 35-41.
7. Иванцов С.В. Противодействие преступлениям экстремистской направленности, совершаемым с использованием средств массовой информации или информационно-телекоммуникационных сетей: уголовно-правовые и криминологические аспекты / С.В. Иванцов, Г.И. Узембаева. — Москва : Юрлитинформ, 2018. — 144 с.
8.Smith G.J.D. The challenges of doing criminology in the big data era: towards a digital and data-driven approach / G.J.D. Smith, L.B. Moses, J. Chan // British Journal of Criminology. — 2017. — Vol. 57, iss. 2. — P. 259-274.
9. Police, Crime and the problem of weak instruments: revisiting the «More police, less crime» thesis / T.V. Kovandzic, M.E. Schaffer, L.M. Vieraitis [et al.] // Journal of Quantitative Criminology. — 2016. — Vol. 32, iss. 1. — P. 133-158.
10. Williams K.S. Textbook on Criminology / K.S. Williams. — Oxford : Oxford Univ. Press, 2012. — 680 p.
11. Williams L.M. Cyberhate on social media in the aftermath of Woolwich: a case study in computational criminology and big data / M.L. Williams, P. Burnap // British Journal of Criminology. — 2016. — Vol. 56, iss. 2. — P. 211-238.
12. Using Open Data to Detect Organized Crime Threats / ed. H.L. Larsen, J.M. Blanco, R.P. Pastor, R.R. Jager. — Berlin : Springer, 2017. — 282 p. — URL: https://www.springer.com/us/book/9783319527024.
13. Овчинский В.С. Криминология цифрового мира : учебник / В.С. Овчинский. — Москва : Инфра-М, 2018. — 352 с.
14. Майер-Шенбергер В. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим /
B. Майер-Шенбергер, К. Кукьер. — Москва : Манн, Иванов и Фербер, 2014. — 240 c.
15. Иванцов С.В. Криминологическое прогнозирование в планировании предупреждения преступности / С.В. Иванцов // Общество и право. — 2015. — № 3 (53). — С. 122-127.
16. Anderson K.B. Identity Theft / K.B. Anderson, E. Durbin, M.A. Salinger // Journal of Economic Perspectives. — 2008. — Vol. 22, № 2. — P. 171-192.
17. Преступления, связанные с использованием криптовалюты: основные криминологические тенденции / С.В. Иванцов, Э.Л. Сидоренко, Б.А. Спасенников [и др.]. — DOI: 10.17150/2500-4255.2019.13(1).85-93 // Всероссийский криминологический журнал. — 2019. — Т. 13, № 1. — С. 85-93.
18. Математические методы в правоохранительной деятельности: вопросы противодействия экстремизму в социальных сетях / А.П. Суходолов, А.В. Лебедев, Б.А. Торопов [и др.]. — DOI: 10.17150/2500-4255.2018.12(4).468-475 // Всероссийский криминологический журнал. — 2018. — Т. 12, № 4. — С. 468-475.
19. Цифровая криминология: математические методы прогнозирования (часть 1) / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова [и др.]. — DOI: 10.17150/2500-4255.2018.12(2).230-236 // Всероссийский криминологический журнал. — 2018. — Т. 12, № 2. — С. 230-236.
REFERENCES
1. Spasennikov B.A. Kriminologiya: mediko-sotsial'nyi vzglyad [Criminology: medical and social outlook]. Moscow, Research Institute of the Federal Penitentiary Service of Russia Publ., 2018. 184 p.
2. Spasennikov B.A. Criminological problems of operative search work. Vestnik mezhdunarodnogo instituta upravleniya = Herald of the International Institute of Management, 2018, no. 2 (147), pp. 31-38. (In Russian).
3. Sukhodolov A.P., Ivantsov S.V., Borisov S.V., Spasennikov B.A. Topical issues of preventing economic crimes committed with the use of information and telecommunication networks. Vserossiiskii kriminologicheskii zhurnal = Russian Journal of Criminology, 2017, vol. 11, no. 1, pp. 13-21. DOI: 10.17150/2500-4255.2017.11(1).13-21. (In Russian).
4. Ovchinskii V.S. How to study organized crime in the 21st century. Zavtra. Available at: http://zavtra.ru/blogs/kak_izu-chat_organizovannuyu_prestupnost_v_xxi_ veke. (In Russian).
5. Ivantsov S.V. On the Question of the Contradictions of the Legislative Regulation of Criminal Liability for Organized, Terrorist and Extremist Activities. Zakon ipravo = Law and Right, 2016, no. 4, pp. 21-25. (In Russian).
6. Spasennikov B.A., Shvyrev B.A., Smirnov A.M. Topical Issues of Criminal Law: an Overview of Publications. Aktual'nye vo-prosy obrazovaniya i nauki = Topical Issues of Education and Science, 2015, no. 3-4 (49-50), pp. 35-41. (In Russian).
7. Ivantsov S.V., Uzembaeva G.I. Protivodeistvie prestupleniyam ekstremistskoi napravlennosti, sovershaemym s ispol'zovaniem sredstv massovoi informatsii ili informatsionno-telekommunikatsionnykh setei: ugolovno-pravovye i krimino-logicheskie aspekty [Counteracting Extremist Crimes Committed with the use of Mass Media and Information-Communication Technologies: Criminal Law and Criminological Aspects]. Moscow, Yurlitinform Publ., 2018. 144 p.
8. Smith G.J.D., Moses L.B., Chan J. The Challenges of Doing Criminology in the Big Data Era: Towards a Digital and Data-Driven Approach. British Journal of Criminology, 2017, vol. 57, iss. 2, pp. 259-274.
9. Kovandzic T.V., Schaffer M.E., Vieraitis L.M., Orrick E.A., Piquero A.R. Police, Crime and the Problem of Weak Instruments: Revisiting the «More Police, Less Crime» Thesis. Journal of Quantitative Criminology, 2016, vol. 32, iss. 1, pp. 133-158.
10. Williams K.S. Textbook on Criminology. Oxford, Oxford University Press, 2012. 680 p.
11. Williams L.M., Burnap P. Cyberhate on Social Media in the Aftermath of Woolwich: a Case Study in Computational Criminology and Big Data. British Journal of Criminology, 2016, vol. 56, iss. 2, pp. 211-238.
12. Larsen H.L., Blanco J.M., Pastor R.P., Jager R.R. (eds.). Using Open Data to Detect Organized Crime Threats. Berlin, Springer, 2017. 282 p. Available at: https://www.springer.com/us/book/9783319527024.
13. Ovchinskii V.S. Kriminologiya tsifrovogo mira [Criminology of the Digital World]. Moscow, Infra-M Publ., 2018. 352 p.
14. Mayer-Schönberger V., Cukier K. Big Data. A Revolution that will Transform how we Live, Work, and Think. Boston, Houghton Mifflin Harcourt, 2013. (Russ. ed.: Mayer-Schönberger V., Cukier K. Bol'shie dannye. Revolyutsiya, kotoraya izmenit to, kak my zhivem, rabotaem i myslim. Moscow, Mann, Ivanov i Ferber Publ., 2014. 240 p.).
15. Ivantsov S.V. Criminological Forecasting and Planning of Crime Prevention. Obshchestvo ipravo = Society and Law, 2015, no. 3 (53), pp. 122-127. (In Russian).
16. Anderson K.B., Durbin E., Salinger M.A. Identity Theft. Journal of Economic Perspectives, 2008, vol. 22, no. 2, pp. 171-192.
17. Ivantsov S.V., Sidorenko E.L., Spasennikov B.A., Berezkin Yu.M., Sukhodolov Ya.A. Cryptocurrency-related Crimes: Key Criminological Trends. Vserossiiskii kriminologicheskii zhurnal = Russian Journal of Criminology, 2019, vol. 13, no. 1, pp. 85-93. DOI: 10.17150/2500-4255.2019.13(1).85-93. (In Russian).
18. Sukhodolov A.P., Lebedev A.V., Toropov B.A., Babkin A.A., Spasennikov B.A. Mathematical Methods in Law Enforcement: Counteracting Extremism on Social Media. Vserossiiskii kriminologicheskii zhurnal = Russian Journal of Criminology, 2018, vol. 12, no. 4, pp. 468-475. DOI: 10.17150/2500-4255.2018.12(4).468-475. (In Russian).
19. Sukhodolov A.P., Ivantsov S.V., Molchanova T.V., Spasennikov B.A., Kaluzhina M.A. Digital Criminology: Mathematical Methods of Prediction (Part 1). Vserossiiskii kriminologicheskii zhurnal = Russian Journal of Criminology, 2018, vol. 12, no. 2, pp. 230-236. DOI: 10.17150/2500-4255.2018.12(2).230-236. (In Russian).
ИНФОРМАЦИЯ ОБ АВТОРАХ
Суходолов Александр Петрович — проректор по науке Байкальского государственного университета, профессор, г. Иркутск, Российская Федерация; e-mail: science@ bgu.ru.
Иванцов Сергей Вячеславович — профессор кафедры криминологии Московского университета МВД России им. В.Я. Кикотя; профессор кафедры уголовно-правовых дисциплин Международного юридического института, доктор юридических наук, профессор, г. Москва, Российская Федерация; e-mail: [email protected].
Молчанова Татьяна Витальевна — доцент кафедры криминологии Московского университета МВД России им. В.Я. Кикотя, кандидат юридических наук, доцент, г. Москва, Российская Федерация; e-mail: [email protected].
Спасенников Борис Аристархович — советник директора Национального научно-исследовательского института общественного здоровья им. Н.А. Семашко, доктор юридических наук, доктор медицинских наук, профессор, г. Москва, Российская Федерация; e-mail: borisspasennikov@ yandex.ru; http://orcid.org/0000-00025668-6457.
ДЛЯ ЦИТИРОВАНИЯ
Big data как современный криминологический метод изучения и измерения организованной преступности / А.П. Суходолов, С.В. Иванцов, Т.В. Молчанова, Б.А. Спасенников. — DOI: 10.17150/2500-4255.2019.13(5).718-726 // Всероссийский криминологический журнал. — 2019. — Т. 13, № 5. — С. 718-726.
INFORMATION ABOUT THE AUTHORS
Sukhodolov, Alexander P. — Vice Rector for Research, Baikal State University, Professor, Irkutsk, the Russian Federation; e-mail: [email protected].
Ivantsov, Sergey V. — Professor, Chair of Criminology, V.Ya. Kikotya Moscow University of the Ministry of Internal Affairs of Russia; Professor, Chair of Criminal Law Disciplines, International Law Institute, Doctor of Law, Professor, Moscow, the Russian Federation; e-mail: [email protected].
Molchanova, Tatiana V. — Ass. Professor, Chair of Criminology, V.Ya. Kikotya Moscow University of the Ministry of Internal Affairs of Russia, Ph.D. in Law, Ass. Professor, Moscow, the Russian Federation; e-mail: [email protected].
Spasennikov, Boris A. — Advisor to the director, N.A. Semashko National Research Institute of Public Health, Doctor of Law, Doctor of Medicine, Professor, Moscow, the Russian Federation; e-mail: [email protected]; http://orcid.org/0000-00025668-6457.
FOR CITATION
Sukhodolov A.P., Ivantsov S.V., Molchanova T.V., Spasennikov B.A. Big data as a modern criminological method of studying and measuring organized crime. Vserossiiskii kriminologicheskii zhurnal = Russian Journal of Criminology, 2019, vol. 13, no. 5, pp. 718-726. DOI: 10.17150/2500-4255.2019.13(5).718-726. (In Russian).
