CC BY
49УДК 349.543 ББК 67.52
%
Нариман Михрамович Халилов
студент
Московского государственного юридического университета имени О.Е. Кутафина (МГЮА)
s0132162@msal.edu.ru
125993, Россия, г. Москва, ул. Садовая-Кудринская, 9
Научный руководитель/ Марина Михайловна Милованова
ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕЙ В КРИМИНАЛИСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ: АКТУАЛЬНОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВА
Аннотация. В последние несколько лет весь мир стал свидетелем бурного и стремительного развития нейросетей. Самообучающийся искусственный интеллект освоил множество видов деятельности — от написания научных статей до создания короткометражных фильмов, затронув огромное количество сфер человеческой деятельности, включая преступную. Одной из сфер, затронутых этой новой технологией, стала криминалистика. В данной статье проведен комплексный анализ влияния нейросетей на криминалистическую идентификацию, проанализировано актуальное состояние и перспективы использования данных технологий.
Ключевые слова: идентификация, преступник, расследование преступлений нейросети, искусственный интеллект.
доцент кафедры криминалистики Московского государственного юридического университета имени О.Е. Кутафина (МГЮА), кандидат юридических наук, доцент
milovanova_marin@mail.ru
125993, Россия, г. Москва, ул. Садовая-Кудринская, 9
N.M.
Student of the Kutafin Moscow State Law University (msal),
s0132162@msal.edu.ru 9, Sadovaya-Kudrinskaya str., Moscow, 125993, Russia
SCIENTIFIC SUPERVISOR: MM. MILOVANOVA Associate Professor of Criminalistics Department of the Kutafin Moscow State Law University (MSAL), Candidate of Law, Associate Professor milovanova_marin@mail.ru 9, Sadovaya-Kudrinskaya str., Moscow, 125993, Russia
THE USE OF NEURAL NETWORKS IN FORENSIC IDENTIFICATION: CURRENT STATUS AND PERSPECTIVE
Annotation. In the last few years, the whole world has witnessed the rapid and rapid development of neural networks. Self—learning artificial intelligence has mastered many types of activities - from writing scientific articles to making short films, affecting a huge number of spheres of human activity, including criminal activity. Criminology has become one of the areas affected by this new technology. This article provides a comprehensive analysis of the impact of neural networks on forensic identification, analyzes the current state and prospects.
Key words: identification, criminal, investigation of crimes, neural networks, artificial intelligence.
Криминалистическая идентификация является одним из наиболее важных и эффективных средств собирания и проверки доказательств и иной криминалистически значимой информации. Суть криминалистической идентификации выражена в её названии. Так, само понятие «идентификация» происходит от латинского слово «identifico», что переводится как «отождествлять». Таким образом, криминалистическая идентификация направлена на то, чтобы, используя отображения, выраженные в материальных и (или) идеальных следах, оставленных правонарушителем, установить искомый объект, посредством сопоставления следов с проверяемым объектом. При этом важно отметить, что в процессе криминалистической идентификации устанавливаются не только совпадающие признаки. Ведь различающиеся признаки имеют не меньшее значение, а их анализ позволяет определить степень достаточности имеющихся признаков для целей вывода о наличии или отсутствии тождества. Так, анализ различающихся признаков может привести к выдвижению новых версий, постановке новых задач, производству новых следственных действий и оперативно-розыскных мероприятий. Таким образом, повышается эффективность криминалистической идентификации и обеспечивается достоверность её результата.
Рассмотрим практическое применение нейросетей в процессе криминалистической идентификации.
Президент РАН, доктор физико-математических наук Ю.С. Осипов, определяет нейронные сети как: «математическую модель, а также её программное или аппаратное воплощение, построенную по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма» [2].
Данное определение как нельзя точно описывает суть нейронных сетей, поскольку нейронная сеть — это не просто искусственный интеллект, выполняющий какой-либо алгоритм действий, заранее заданный человеком. Главная особенность нейронных сетей заключается в том, что они способны к постоянному беспрерывному обучению. Когда нейронная сеть воспринимает ту или иную информацию, она не просто выполняет поручение и забывает о ней, она запоминает эти данные и использует их в дальнейшем. Таким образом, искусственно создается такая уникальная особенность человеческого мозга как «жизненный опыт». Именно благодаря своей способности накапливать «жизненный опыт», нейронные сети смогли обучить заниматься творческой и аналитической деятельностью. Данное обстоятельство чрезвычайно важно для целей применения нейронных сетей в криминалистической идентификации, ведь ее процесс требует от специалиста-криминалиста не только знаний и умений, он и аналитического мышления, а также творческого подхода к работе.
Именно обозначенные особенности нейронных сетей, на наш взгляд, предрешили вопрос их использования для целей криминалистической идентификации.
В настоящее время нейросети используются главным образом для идентификации живых лиц. Использование данной технологии для идентификации предметов, участков местности на данный момент носит экспериментальный и ограниченный характер. Вследствие этого, представляется целесообразным рассмотреть применение нейросетей в криминалистической идентификации живых лиц.
Для эффективной идентификации лица, личность которого не установлена, необходимо сопоставление огромного количества данных — записи с камер видеонаблюдения, базы данных правоохранительных органов, образовательных, медицинских учреждений, частных организаций (например банков) и т.д. Сопоставление такого количества информации является трудной, долгой и кропотливой работой, что зачастую приводит к невозможности быстро идентифицировать человека. В частности, это особенно актуально если речь идет об идентификации подозреваемых (обвиняемых) и раскрытии преступления «по горячим следам». Современные нейросети способны
серьезно облегчить данную задачу. Так, в 2017 г. в Москве в рамках государственной программы «Безопасный город» началось тестирование системы распознавания лиц, основанной на применении нейросетей. Более 160 тыс. камер были подключены к единому центру хранения и обработки данных. Лица людей на видеозаписях сканируются и в режиме реального времени соотносятся с фото-базами правоохранительных органов, медицинских, образовательных и иных учреждений и организаций.
Исходя из данных, представленных МВД РФ, можно сделать вывод о том, что эта технология показала свою эффективность. Так, в комплексном анализе результатов оперативно-служебной деятельности УВД по САО ГУ МВД России по г. Москве за 2017 г. среди одной из ключевых проблем выделялось отсутствие системы идентификации с использованием видеонаблюдения, в т.ч. «отсутствие камер видеонаблюдения на месте совершения преступлений или их слабая разрешающая способность^»1.
Ситуация изменилась с внедрением системы видеонаблюдения, основанной на технологии нейросети. Информационно-аналитические записки о результатах оперативно-служебной деятельности системы ГУ МВД России по г. Москве за 2018-2022 гг.. показывают положительную динамику. С использованием систем видеонаблюдения системы «Безопасный город»: в 2018 г. раскрыто 3 500 преступлений, в 2019 г. — 4 240, в 2020 г. — 4 927, в 2021 г. — 6 862, в 2022 г. — 9 150. Таким образом, можно говорить об эффективности нейросетей для целей криминалистической идентификации2.
Система распознавания лиц не является единственным применением нейросетей в рамках целей криминалистической идентификации. Однако на практике идентификация преступников может быть серьезно осложнена, ведь каждое человеческое лицо не просто обладает индивидуальными признаками, которые присущи только ему — строение черепа, расположение морщин, наличие или отсутствие пигментных пятен, иные особенности.
Следовательно, можно выделить следующие проблемы, встающие перед системой распознавания лиц и специалистами-криминалистами: изменение
1 Комплексный анализ результатов оперативно-служебной деятельности УВД по САО ГУ МВД России по г. Москве за 2017 г. — [Электронный ресурс]. — Режим доступа: — URL: https://xn--80a2ah.xn--j1adp.xn--b1aew.xn--p1ai/folder/8760173 (дата обращения 24.11.2023 г.).
2 Информационно-аналитические записки о результатах оперативно-служебной деятельности системы ГУ МВД России по г. Москве за 2018-2022 — [Электронный ресурс]. — Режим доступа: — URL: https://77.xn--b1aew.xn--p1ai/Dej atelnost/rezultati/%D1%80%D0%B5%D0%B7%D1%83%D0%BB%D1%8C%D1%82% D0%B0%D1%82%D1%8B-
%D0%B4%D0%B5%D1%8F%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D 1 %81%D1%82%D0%B8 (дата обращения 24.11.2023 г.).
черт лица в связи со старением, состоянием здоровья и внешним вмешательством, а также условия запечатления лица - свет, параметры камеры, наличие дефектов изображения.
Вместе с тем. нейронные сети, благодаря способности к накоплению «жизненного опыта» и имитации «творческого мышления» способны учитывать различные переменные и на их основе решать вышеописанные проблемы. Так, например, нейросети способны с высокой точностью состарить людей на основе имеющихся данных. Такая способность нейронных сетей помогает в поимке тех преступников, которые длительный период времени скрывались от правосудия. Изложенное можно проиллюстрировать следующим фактом. С 1993 г. в итальянском розыске находился глава известной преступной группировки «Коза Ностра» Маттео Мессина Денаро. У правоохранительных органов отсутствовала какая-либо информация о внешнем облике преступника в настоящее время, но имелось несколько фотографий на которых разыскиваемый запечатлен в молодом возрасте. В 2022 г. правоохранители «поделились» этими фотографиями с нейронной сетью. На основе представленных данных, нейронная сеть сконструировала портрет состарившегося преступника, который использовался в качестве фоторобота. Используя обновленный полученный композиционно-фотографический портрет, правоохранители смогли обнаружить и задержать Денаро.
Исходя из вышенаписанного, можно сделать вывод о том, что использование нейросетей в криминалистической идентификации уже сейчас способно серьезно облегчить задачу специалистов и повысить раскрываемость преступлений.
Несмотря на все описанные преимущества современных нейросетей, они имеют один существенный недостаток — для идентификации лица им необходимо его изображение. Современные системы не во всех случаях способны обнаружить преступника, в т.ч. если он будет использовать даже самые простые способы сокрытия лица — медицинские маски, шарфы и т.д. Более того, зачастую сокрытие лица является культурной и религиозной особенностью. Однако уже сейчас ведутся исследования, разработки, способные в перспективе разрешить эту дилемму. Так, исследователи из Венгрии, Иордании, Саудовской Аравии, Великобритании и США создали нейронную сеть, которая распознает лица людей с помощью анализа сетчатки глаза, одетых в никаб, чадру, медицинскую маску, иные элементы одежды, закрывающие лицо. Программное обеспечение на 99,9 % точно определяет и пол, и возраст. Тесты проводились на базе изображений 150 человек, 41 мужчины и 109 женщин в возрасте от 8 до 78 лет [1]. Данная технология на данный момент находится в тестовом режиме, но результаты исследований
показывают потенциальную возможность идентификации людей, скрывающих свою личность.
БИБЛИОГРАФИЯ:
1. Ahmad B.A. Hassanat, Abeer Ahmad Albustanji, Ahmad S. Tarawneh, Malek Alrashidi Computer, Hani Alharbi, Mohammed Alanazi, Mansoor Alghamdi, Ibrahim S. Alkhazi, Saudi Arabia. DeepVeil: deep learning for identification of face, gender, expression recognition under veiled conditions // International Journal of Biometrics. — Vol. 14. — Nos. 3/4. — 2022. — Р. 453-480.
2. Большая Российская энциклопедия. / науч.-ред. совет: председатель Ю.С. Осипов и др.; Т. 22 [в 35 т.] — М.: Большая Российская энциклопедия, 2004-2017. — [Электронный ресурс]. — Режим доступа: — URL: https://bigenc.ru/c/neironnye-seti-e734b3 (дата обращения 24.11.2023 г.).
