CC BY
4Уголовное право и криминология
Научная статья УДК 343.85
НЕЙРОСЕТИ КАК ИНСТРУМЕНТ РАБОТЫ ОРГАНОВ ВНУТРЕННИХ ДЕЛ:
КРИМИНОЛОГИЧЕСКИЙ АСПЕКТ
Алексеева Анна Павловна1, Смагоринский Борис Павлович2, Третьяков Владимир Иванович
калининградский филиал Санкт-Петербургского университета МВД России, Калиниград, Россия
Волгоградская академия МВД России, Волгоград, Россия
3Кубанский государственный университет, Краснодар, Россия
Аннотация. Нейросети, появившиеся и ставшие общедоступными сравнительно недавно, в настоящее время приобретают все большую популярность у пользователей. Сканируя Большие данные, они позволяют ускорять процесс сбора информации по конкретному запросу пользователя, генерировать различные изображения, анализировать видеоряд и т. д. Органы внутренних дел довольно активно применяют нейросети в своей работе, преимущественно для охраны общественного порядка на улицах, а также организации дорожного движения. Однако некоторые риски использования нейросетей неограниченным кругом людей пока не получили должного осмысления. В статье описываются результаты проведенного с применением нейросети эксперимента и предлагаются криминологически обоснованные пути решения выявленных проблем.
Ключевые слова: нейросеть, инструмент, полиция, искусственный интеллект, правоохранительная деятельность, противодействие преступности.
Для цитирования: Алексеева А.П., Смагоринский Б.П., Третьяков В.И. Нейросети как инструмент работы органов внутренних дел: криминологический аспект // Научный вестник Орловского юридического института МВД России имени В.В. Лукьянова. 2023. № 3(96). С. 85-92.
NEURAL NETWORKS AS A TOOL FOR THE WORK OF INTERNAL AFFAIRS BODIES: CRIMINOLOGICAL ASPECT
1 2 3
Anna P. Alekseeva , Boris P. Smagorinsky , Vladimir I. Tretyakov
Kaliningrad Branch of the St. Petersburg University of the Ministry of Internal Affairs of Russia, Kaliningrad, Russia
9
Volgograd Academy of the Ministry of Internal Affairs of Russia, Volgograd, Russia
3Kuban State University
Abstract: Neural networks, which appeared and became publicly available relatively recently, are currently becoming increasingly popular with users. Neural networks, using Big Data, allow you to speed up the process of collecting information on a specific user request, generate various images, analyze a video sequence, etc. The internal affairs bodies are quite actively using neural networks in their work, mainly for the protection of public order on the streets, for the organization of traffic. However, some risks of using neural networks by an unlimited number of users have not yet been properly understood. The article describes the results of an experiment conducted using a neural network and suggests criminologically sound ways to solve the identified problems.
Keywords: neural network, tool, police, artificial intelligence, law enforcement, crime prevention.
For citation: Alekseeva A.P., Smagorinsky B.P., Tretyakov V.I. Neural networks as a tool for the work of internal affairs bodies: criminologically sound // Scientific Bulletin of the Orel Law Institute of the Ministry of the Interior of the Russian Federation named after V.V. Lukyanov. 2023. № 3(96). Р. 85-92.
Идеи создания искусственного интеллекта (далее - ИИ) зародились в США в середине ХХ века. С тех пор были периоды, когда интерес к данной теме то ослабевал, то усиливался. В России отправной точкой старта работ по развитию ИИ можно считать совещание по вопросам формирования технологий в указанной области1, на котором президент Российской Федерации В.В. Путин дал поручение подготовить национальную стратегию по ИИ и соответствующую федеральную программу. С этого момента началась активная работа по созданию различных нейронных сетей - составных элементов ИИ, представляющих собой некие компьютерные модели, имитирующие деятельность человеческого головного мозга. Функционирование нейронных сетей основано на обработке и анализе Больших данных (Big data), на обмене информацией между множеством искусственных нейронов, которые находятся во взаимосвязи друг с другом, на постепенном обучении нейросети - адаптации к запросам пользователя.
В настоящее время насчитывается несколько десятков тысяч различных нейронных сетей. Их можно условно разделить на простые (которые, например, используются для обработки изображений - их классификации, распознавания объектов на фотографиях или создания искусственных фотографий, или для работы с текстовыми сведениями, речью или временными рядами) и сложные - глубокие нейронные сети, имеющие много слоев, применяемые для решения трудных задач. Специфическая особенность нейросетей заключается в том, что они способны подстраиваться под конкретные потребности человека, со временем становясь все более мощными и результативными в решении различных вопросов.
Нейросети довольно эффективно используются в различных сферах жизни нашего общества: например, для финансового анализа, медицинской диагностики и так далее. Не исключение - работа современных правоохранительных органов, которые применяют эти инструменты, например, для мониторинга социальных сетей и интернет-ресурсов с целью выявления размещенных там материалов на запрещенные темы, содержащие призывы к совершению преступлений, признаки их планирования, для обнаружения потенциальных угроз и уже совершенных преступлений [1, с. 78]; для контроля за состоянием и для организации дорожного движения в крупных городах
1 Совещание по вопросам развития технологий в области искусственного интеллекта, 30 мая 2019 г. [Электронный ресурс]. URL: http://www.kremlin.ru/events/president/news/60630 (дата обращения: 10.08.2023).
(работа «умных» светофоров), за ситуацией на улицах в рамках работы системы «Безопасный город» [2, с. 69]; для распознавания изображений, лиц и объектов на видеозаписях (идентификация подозреваемых, поиск пропавших без вести, определение запрещенных средств и предметов) [3, с. 65; 4, с. 123]; выявления признаков насилия, противоправной деятельности [5, с. 130]; обнаружения подозрительного поведения или чрезвычайных происшествий в режиме реального времени [6, с. 55] и т. п. Однако в полной мере потенциал нейросетей в работе правоохранительных органов пока не раскрыт. Благодаря своей способности к анализу Больших данных, включая преступность, демографические данные, экономические показатели и многие другие факторы, и обнаружению скрытых закономерностей они могут стать полезным средством для выявления тенденций, прогнозирования изменений преступности в целом и возможности совершения конкретных преступлений, а также для планирования на этой основе мер противодействия преступности, отслеживания локализации высокорисковых районов в определенном населенном пункте, мониторинга изменения ситуации в течение суток, месяцев, лет.
Очевидно, что нейросети не являются универсальным решением вопросов, связанных с противодействием преступности, поскольку требуют дополнительной работы со стороны специалистов в области правоохранительной деятельности, соблюдения этических и правовых норм. Тем не менее они могут стать хорошим помощником, способным сократить время поиска нужной информации, отбирая варианты, наиболее подходящие под условия запроса пользователя.
В целях проверки нашей гипотезы для эксперимента была выбрана нейросеть «Sincode.ai» (https://www.sincode.ai), которой было дано задание подготовить рекомендации о том, как не стать жертвой мошенников, совершающих преступления с использованием информационно-телекоммуникационных систем. Обобщив существующие в Больших данных сведения, она сгенерировала следующие советы:
«Будьте осторожны при предоставлении личной информации:
Никогда не раскрывайте свои личные данные, такие как номера кредитных карт, пароли или номера социального страхования, если вы не уверены в надежности и безопасности источника запроса. Будьте особенно внимательны в онлайн-среде, где мошенники могут пытаться получить вашу личную информацию через фишинговые письма или поддельные веб-сайты.
Будьте бдительны при совершении онлайн-покупок:
При покупках в интернете убедитесь, что вы делаете покупку на надежном и безопасном сайте. Проверьте условия возврата, отзывы других покупателей и используйте защищенные методы оплаты, такие как PayPal или кредитные карты.
Остерегайтесь фишинга и мошеннических писем:
Будьте внимательны к электронным письмам, которые запрашивают вашу личную информацию или содержат подозрительные ссылки. Никогда не отвечайте на такие письма и не предоставляйте личные данные через электронную почту. Если вам кажется, что письмо может быть мошенническим, проверьте его подлинность, обратившись напрямую к официальному веб-сайту или службе поддержки.
Установите надежное антивирусное программное обеспечение:
Используйте надежное антивирусное программное обеспечение на своем компьютере и мобильных устройствах. Это поможет защитить вас от вредоносного программного обеспечения и программ-шпионов, которые могут использоваться мошенниками для доступа к вашей личной информации.
Будьте предельно осторожны в социальных сетях:
Будьте осторожны с информацией, которую вы публикуете в социальных сетях. Мошенники могут использовать вашу личную информацию для обмана или фишинга. Ограничьте доступ к вашим профилям и будьте осторожны, добавляя новых друзей или принимая запросы на знакомство.
Обратите внимание на подозрительные предложения и сделки:
Будьте осторожны при получении предложений, которые кажутся слишком хорошими, чтобы быть правдой, например, предложения о легком заработке или выигрыши в лотереях, в которых вы не участвовали. Внимательно проверяйте договоры и условия сделок, прежде чем что-то подписывать или делать платеж.
Доверяйте своей интуиции:
Если что-то кажется подозрительным или слишком хорошим, чтобы быть правдой, доверьтесь своей интуиции. Если вы чувствуете, что что-то не так, лучше воздержаться от совершения сомнительных действий и проконсультироваться со специалистом или органом правопорядка. Если у вас возникнут подозрения или вопросы, не стесняйтесь обратиться за помощью к соответствующим органам или службам безопасности».
Стоит отметить, что сгенерированные нейросетью рекомендации не отличаются какой-то уникальностью. В разных формах и разными авторами они многократно высказывались и ранее [7, с. 20; 8, с. 50]. Тем не менее она максимально полно обобщила наиболее важные идеи, предложив достаточно стройный виктимологически обоснованный алгоритм действий. Учитывая, что в обязанности подразделений информации и общественных связей органов внутренних дел входит регулярное размещение в социальных сетях и на иных ресурсах материалов о противодействии преступности, нейросети могли бы существенно облегчить выполнение данной задачи.
Похожие советы исследуемая нами программа сгенерировала при ответе на вопрос о тактике расследования мошенничеств, совершенных с применением информационно-телекоммуникационных систем:
«Сбор и анализ цифровых доказательств:
Собирайте все доступные цифровые доказательства, связанные с преступлением - электронные письма, текстовые сообщения, записи звонков, данные с компьютеров или мобильных устройств, а также информацию о платежах. Анализируйте эти данные, чтобы выявить возможные следы и связи между преступниками и их действиями.
Сотрудничество с провайдерами услуг связи:
Обратитесь к провайдерам услуг связи, таким как интернет-провайдеры или операторы мобильной связи, чтобы получить информацию о подозрительной активности или идентифицировать преступников. Они могут предоставить вам данные о IP-адресах, времени и месте совершения действий и другую информацию, которая может помочь в расследовании.
Использование специализированных программ и инструментов:
Существуют специализированные программы и инструменты для расследования мошенничества, такие как программы для восстановления удаленных данных, анализа цифровых следов и раскрытия скрытой информации. Использование таких инструментов может помочь вам в поиске и анализе доказательств.
Консультация с экспертами в области кибербезопасности:
Обратитесь к экспертам в области кибербезопасности. Они могут помочь вам в анализе и интерпретации цифровых доказательств, а также предоставить вам советы по дальнейшим шагам в расследовании».
В данном случае нейросеть так же всего за несколько минут сгенерировала максимально четкую, сжатую, концентрированную информацию по интересующему
нас вопросу. Такие инструкции были бы полезны оперативным и следственным подразделениям, поскольку алгоритмы совершения преступлений постоянно меняются и с помощью нейросети можно отслеживать новые тенденции в этой области.
Интересным представляется опыт поиска через рассматриваемую систему определений различных понятий. Так, в связи с выбранной для тестирования нейросети темой нами был составлен запрос на поиск дефиниции термина «цифровые доказательства», на который она выдала следующий ответ:
«Цифровые доказательства - это информация или данные, которые могут быть использованы в качестве доказательств в цифровой форме в рамках юридического процесса или расследования. Они могут быть получены из различных источников, включая компьютеры, мобильные устройства, электронную почту, социальные сети, цифровые файлы и другие информационно-телекоммуникационные системы.
Вот несколько примеров цифровых доказательств.
Электронные письма и текстовые сообщения - включают в себя содержание и метаданные (например, заголовки, даты, отправителей и получателей) электронных писем и текстовых сообщений, которые могут быть использованы для подтверждения коммуникации, намерений или соглашений между сторонами.
Информация о телефонных звонках и SMS-сообщениях - включает в себя записи звонков, метаданные (например, номера телефонов, даты, продолжительность звонков) и содержание SMS-сообщений, которые могут помочь в установлении фактов или связей между лицами.
Цифровые файлы - включают в себя документы, изображения, видео- и аудиозаписи, которые могут служить в качестве доказательств в отношении событий, взаимодействий или деятельности. Например, фотографии места преступления, записи видеонаблюдения, аудиозаписи разговоров и документы, содержащие важную информацию.
Метаданные - включают в себя информацию о времени создания, изменения и доступа к файлам, а также информацию о местоположении, устройствах или аккаунтах, которые могут быть связаны с конкретными событиями или действиями.
Информация о социальных сетях и онлайн-активности - включает в себя данные о профилях в социальных сетях, постах, комментариях, лайках и других взаимодействиях в онлайн-среде, которые могут быть использованы для идентификации, анализа отношений или деятельности лиц.
Информация о платежах и финансовых операциях - включает в себя данные о банковских транзакциях, электронных платежах, квитанциях, выписках и других финансовых записях, которые могут быть использованы для выявления мошенничества, отмывания денег или других финансовых преступлений».
Полученный нами ответ нейросети, как и ранее, демонстрирует довольно полное отображение актуальной информации на заданную тему. Понятно, что цифровые доказательства должны быть собраны и представлены в соответствии с требованиями уголовно-процессуального закона, чтобы быть допустимыми и эффективными в юридическом процессе. Тем не менее нейросети удалось не просто собрать материал, похожий по контексту на слова запроса, но и изложить его в виде развернутого, логически выстроенного ответа, что очень важно для практических органов, которые занимаются противодействием преступности.
Учитывая описанные возможности данной программы, возникает закономерный вопрос: а могут ли преступники применять нейросети для разработки собственных криминальных стратегий? Ведь известно, что любые новинки науки и техники привлекают злоумышленников, которые стремятся использовать их в незаконной деятельности. Наш эксперимент показал, что нейросеть оснащена фильтрами,
позволяющими ей реагировать на неправомерные, неэтичные запросы, которые остаются в результате без ответов. Полагаем, что в процессе дальнейшего обучения она с каждым разом все лучше будет выявлять потенциальные угрозы в запросах пользователей. Так или иначе, пока вероятность генерации нейросетью сведений, помогающих преступникам нарушать закон, существует. Так, на наш запрос «об алгоритмах действий мошенников» нейросеть выдала следующий ответ:
«Общий алгоритм, который может использоваться преступниками при совершении кибермошенничества:
Разведка и выбор цели - преступник начинает с изучения и анализа потенциальных жертв. Они могут использовать различные методы, такие как перехват данных, фишинговые атаки или социальная инженерия, чтобы получить информацию о личности, финансовых счетах или других ценных данных.
Формирование атаки - преступник разрабатывает план атаки, определяет необходимые инструменты и методы для достижения своих целей. Это может включать создание фальшивых веб-сайтов, вредоносных программ, фишинговых писем или других способов манипуляции жертвой.
Выполнение атаки - преступник осуществляет свою атаку, используя выбранный метод. Например, они могут отправить фишинговое письмо с вредоносной ссылкой или вложением, чтобы получить доступ к компьютеру жертвы. Или же они могут использовать скиммеры или мошеннические веб-сайты для получения финансовых данных.
Получение доступа и эксплуатация - преступник получает доступ к системе или данным жертвы. Это может включать установку вредоносного программного обеспечения, взлом паролей или использование других методов взлома. После получения доступа, преступники могут использовать украденные данные для мошеннических операций, включая кражу денег, идентификационного воровства или других видов финансовых мошенничеств.
Сокрытие следов - преступники могут предпринимать шаги для затруднения их идентификации и изобличения. Например, они могут использовать анонимные сети, шифрование или другие методы для скрытия своей личности и деятельности».
С одной стороны, нейросеть не дала конкретных пошаговых инструкций относительно того, как совершить преступление. С другой стороны, она сгенерировала достаточно четкое представление о тактике действий преступников, что может быть ими использовано в криминальных целях. Понятно, что алгоритмы могут различаться в зависимости от конкретных видов кибермошенничества и технических средств, применяемых преступниками. Тем не менее думается, что даже такая информация не должна генерироваться нейросетью для использования неопределенным кругом пользователей. В случае отправки подобных запросов должны срабатывать те самые фильтры, позволяющие реагировать на неправомерные, неэтичные запросы.
Обобщая результаты нашего эксперимента, можно с уверенностью констатировать, что нейросеть пока нельзя в полной мере сравнивать с человеческим мозгом, поскольку она не способна рождать собственные идеи и мысли. Нейросеть -это, скорее, хороший помощник в руках профессионала, который позволяет с помощью анализа Больших данных актуализировать известные правила, а также искать новые сведения по интересующим исследователя вопросам.
1. Невский С.А. Деятельность российской полиции в фокусе электронных СМИ, социальных сети и блогосфере - мониторинг 2022 // Гуманитарные, социально-экономические и общественные науки. 2023. № 3. С. 77-86.
2. Желудков М.А. Обоснование необходимости адаптации деятельности правоохранительных органов к условиям цифровой трансформации преступной среды // Lex Russica (Русский закон). 2021. Т. 74. № 4(173). С. 63 -70.
3. Кетия Т.А. Нейросетевые технологии в деятельности правоохранительных органов России и зарубежных стран // Евразийская адвокатура. 2022. № 4(59). С. 62-67.
4. Киселевич И.В. Современное состояние и проблемы систем распознавания лиц // Вестник Института права Башкирского государственного университета. 2020. № 4(8). С. 121-126.
5. Пакляченко М.Ю. Направления использования технологий искусственного интеллекта для оптимизации деятельности правоохранительных органов // Общественная безопасность, законность и правопорядок в III тысячелетии. 2022. № 8-2. С. 127-131.
6. Лемайкина С.В. Использование искусственного интеллекта в противодействии преступности // Юристъ-Правоведъ. 2021. № 2(97). С. 54-56.
7. Гаврилова Т. В. Цифровая гигиена или как не стать жертвой мошенников в сети // Актуальные научные исследования в современном мире. 2021. № 2-3(70). С. 20-22.
8. Кузьмин Ю.А. Предупреждение телефонного мошенничества (криминологический аспект) // Oeconomia et Jus. 2022. № 3. С. 47-54.
1. Nevskij S.A. DeyateFnosf rossijskoj policii v fokuse e'lektronny'x SMI, social'ny'x seti i blogosfere - monitoring 2022 // Gumanitarny'e, socialno-ekonomicheskie i ob-shhestvenny'e nauki. 2023. № 3. S. 77-86.
2. Zheludkov M.A. Obosnovanie neobxodimosti adaptacii deyatel'nosti pravooxranitel'ny'x organov k usloviyam cifrovoj transformacii prestupnoj sredy' // Lex Russica (Russkij zakon). 2021. T. 74. № 4(173). S. 63-70.
3. Ketiya T.A. Nejrosetevy'e texnologii v deyatel'nosti pravooxranitel'ny'x organov Rossii i zarubezhny'x stran // Evrazijskaya advokatura. 2022. № 4(59). S. 62-67.
4. Kiselevich I.V. Sovremennoe sostoyanie i problemy' sistem raspoznavaniya licz // Vestnik Instituta prava Bashkirskogo gosudarstvennogo universiteta. 2020. № 4(8). S. 121-126.
5. Paklyachenko M.Yu. Napravleniya ispol'zovaniya texnologij iskusstvennogo intel-lekta dlya optimizacii deyatel'nosti pravooxranitel'ny'x organov // Obshhestvennaya bezopasnosf, zakonnosf i pravoporyadok v III ty'syacheletii. 2022. № 8-2. S. 127-131.
6. Lemajkina S.V. Ispolzovanie iskusstvennogo intellekta v protivodejstvii prestupnosti // Yurisf'-Pravoved". 2021. № 2(97). S. 54-56.
7. Gavrilova T. V. Cifrovaya gigiena ili kak ne staf zhertvoj moshennikov v seti // Aktual'ny'e nauchny'e issledovaniya v sovremennom mire. 2021. № 2-3(70). S. 20-22.
8. Kuzmin Yu.A. Preduprezhdenie telefonnogo moshennichestva (kriminologicheskij aspekt) // Oeconomia et Jus. 2022. № 3. S. 47-54.
Информация об авторах
Анна Павловна Алексеева. Профессор кафедры уголовного права, криминологии и уголовно-исполнительного права. Доктор юридических наук, профессор.
Калининградский филиал Санкт-Петербургского университета МВД России. 236006, Российская Федерация, г. Калининград, ул. Генерала Галицкого, 30.
Борис Павлович Смагоринский. Заслуженный деятель науки Российской Федерации, профессор кафедры криминалистики. Доктор юридических наук, профессор. Волгоградская академия МВД России.
400075, Российская Федерация, г. Волгоград, ул. Историческая, 130.
Владимир Иванович Третьяков. Заслуженный юрист Российской Федерации, профессор кафедры конституционного и административного права юридического факультета. Доктор юридических наук, профессор.
Кубанский государственный университет.
350040, Российская Федерация, г. Краснодар, ул. Ставропольская, 149.
Information about the authors
Anna P. Alekseeva. Doctor of Law, Professor, Professor of the Department of Criminal Law, Criminology and Penal Enforcement Law.
Russia, 236006, Kaliningrad, General Galitsky str., 30
Boris P. Smagorinsky. Doctor of Law, Professor, Honored Scientist of the Russian Federation, Professor of the Department of Criminology.
Russia, 400075, Volgograd, Historical str., 130.
Vladimir I. Tretyakov. Doctor of Law, Professor, Honored Lawyer of the Russian Federation, Professor of the Department of Constitutional and Administrative Law of the Faculty of Law.
Russia, 350040, Krasnodar, Stavropol str., 149.
Авторы заявляют об отсутствии конфликта интересов. The authors declare no conflicts of interests.
Авторами внесён равный вклад в написание статьи. The authors have made an equal contribution.
Статья поступила в редакцию 01.08.2023; одобрена после рецензирования 04.09.2023; принята к публикации 15.09.2023.
The article was submitted August 1, 2023; approved after reviewing September 4, 2023; accepted to the writing of the article for publication September 15, 2023.
