CC BY
112
УДК 343.985.7
НОВЫЕ ВОЗМОЖНОСТИ РАСКРЫТИЯ И РАССЛЕДОВАНИЯ ПРЕСТУПЛЕНИЙ В УСЛОВИЯХ ГЛОБАЛЬНОЙ ЦИФРОВИЗАЦИИ
И.В. Тишутина
Представлен авторский взгляд на использование возможностей цифровизации в плане обработки больших объемов данных и внедрения искусственного интеллекта в целях предупреждения, раскрытия и расследования преступлений. Освещается мировой опыт, характеризуются законодательные инициативы и практика их реализации в нашей стране, а также мнения ученых и практиков. Обосновывается тезис о том, что создание эффективной системы сбора, хранения, обработки и анализа больших данных позволяет решать самые сложные задачи, в том числе в правоохранительной сфере.
Ключевые слова: научно-технический прогресс, информационные технологии, информация, цифровизация, расследование преступлений, большие данные, искусственный интеллект.
Кто владеет информацией, тот владеет миром
Н. Ротшильд
Вся мировая история наглядно свидетельствует о том, что с момента становления государственности постоянно осуществлялось накопление, хранение, обработка и использование информации различного плана, о разных объектах и в разных целях. При этом с развитием научно-технического прогресса совершенствовались возможности, а соответственно, менялись формы обработки и накопления такой информации, а также направления ее использования. С внедрением в повседневную жизнедеятельность информационных технологий закономерным стало использование их возможностей в рассматриваемых целях.
Фактически с начала третьего тысячелетия осуществляется постепенный перевод всех информационных ресурсов в цифровую среду. Так, в 2002 году была принята Федеральная целевая программа «Электронная Россия» на 20022010 годы [1], а в 2004 году - «Концепция использования информационных технологий в деятельности федеральных органов государственной власти до 2010 года» [2]. И уже само по себе то, что все эти документы мы без труда можем найти, не выходя из-за рабочего стола своего кабинета, в соответствующей справочной системе - тоже не что иное, как иллюстрация возможностей цифровизации.
Далее, закономерным стало принятие и на федеральном уровне соответствующего нормативного акта - закона «Об информации, информационных технологиях и о защите информации» [3]. Кроме того, регулярно, начиная с 2008 года утверждаются Стратегии развития информационного общества в Российской Федерации на соответствующие годы. Так, ныне действующая Стратегия рассчитана до 2030 года [4]. В числе целей цифровизации ведущих направлений жизнедеятельности были
обозначены: повышение эффективности межведомственного взаимодействия и внутренней организации деятельности органов государственной власти на основе организации межведомственного информационного обмена и обеспечения эффективного использования органами государственной власти информационных и телекоммуникационных технологий, повышение эффективности управления внедрением информационных и телекоммуникационных технологий в деятельность органов государственной власти, повышение эффективности государственного управления [5]. Важным аспектом распространения цифровизации стало решение вопросов идентификации и аутентификации, которые позволяют гарантировать безопасность персональных данных и их защиту от неправомерного доступа и несанкционированных действий с ними, в инфраструктуре, обеспечивающей информационно-технологическое взаимодействие информационных систем [6].
Очевидно, что в условиях глобальной цифровизации эффективность предупреждения, выявления, раскрытия и расследования преступлений напрямую зависит от того, какими возможностями по сбору, накоплению, и использованию криминалистически значимой информации, а также - по доступу к социально-значимой информации, обладают правоохранительные органы.
Сегодня заголовки СМИ и выступления на всевозможных конференциях пестрят упоминанием о больших данных, блокчейне, искусственном интеллекте и т.п. При этом, общая точка зрения теоретиков и практиков заключается в том, что, прочно войдя в нашу жизнь, эти понятия и то, что за ними стоит, фактически совершили революцию в различных сферах человеческой деятельности и обеспечили их невиданный прогресс. И это во многом обоснованно. Действительно, создание эффективной системы сбора, хранения, обработки и анализа больших данных позволяет решать самые сложные задачи, в том числе в рамках унификации и совершенствования различных систем регистрации граждан.
В связи с возможностями, которые предоставляют большие данные в отдельных странах отмечают предпосылки перехода от раскрытия и расследования преступлений к преимущественно профилактической деятельности, как основному направлению совершенствования деятельности правоохранительных органов на ближайшие пять-семь лет. Очевидно, что технологический прогресс дает в руки организованной преступности и отдельных индивидов уникальные по возможностям сокрытия и беспрецедентные по разрушительной мощи орудия и средства. И в этой связи видится малопродуктивным традиционный подход к правоохранительной деятельности, как ориентированной преимущественно на раскрытие преступлений. Цена таких преступлений может оказаться неприемлемо высокой для общества, поэтому оно заинтересовано в пресечении правонарушений еще на стадии подготовки. Важно не столько раскрыть преступление или разыскать преступника, сколько на основе достоверных данных спрогнозировать возможность совершения преступления и пресечь его
еще на стадии подготовки. А профилактическая деятельность правоохранительных органов невозможна без больших данных, являющихся основой предиктивной аналитики, становящейся в центр практической деятельности.
В настоящее время со всей очевидностью можно констатировать, что правоохранительные органы располагают огромными объемами информации, собранной в разных форматах из самых различных источников. Однако эта информация не приносит той пользы, которую могла бы, поскольку технические возможности ее эффективной обработки не совершенны.
Использование информационных технологий в работе правоохранительных органов разных стран на основе обобщения их опыта можно обозначить в виде трех информационных революций. Первая - освоение офисного пакета Windows и внедрение его в ежедневную работу; вторая -обеспечение возможности в онлайн-режиме пользоваться централизованными базами данных по организованным преступным группам, физическим, юридическим лицам и т.п.; и третья - когда возможности офисных компьютеров были перенесены в смартфоны. К сожалению, в России ситуация застопорилась на первом уровне, и никакие программы и стратегии, принятые в развитие идей цифровизации, пока не отразились на реальной практике деятельности правоохранительных органов.
Большие данные характеризуют способность к поиску, агрегации и совместному использованию массивов данных при необходимости получения ответа на тот или иной аналитический или прогностический запрос. Соответственно, это данные, которые:
- во-первых, используются для анализа и прогнозирования тех или иных процессов, событий и явлений;
- во-вторых, не могут быть непосредственно проанализированы , а предполагают выделение как отдельной фазы очистки , проверки, уточнения первоначально полученной информации, представленной в различном формате;
- в-третьих, имеют формат и размер, не позволяющие человеку непосредственно осуществлять анализ или прогноз на глазок или использовать исключительно интуицию. Большие данные требуют в обязательном порядке наличие программ автоматизированного интеллектуального анализа и прогнозирования и предполагают визуальное и табличное представление итоговых материалов [7, с. 29].
Таким образом, принципиальным отличием больших данных от просто данных является их разноформатность, загрязненность и неполнота. Бессмысленно собирать и хранить большие данные, если нет интеллектуального софта, который способен работать с данными с указанными выше характеристиками, а также осуществлять их анализ и визуализацию. С этим связана так называемая дилемма неэффективности больших данных. Сегодня, следуя моде, государственные, в том числе полицейские, структуры в подавляющем большинстве стран мира работают с большими данными по принципу: чем больше, тем лучше. Они стремятся собрать и сохранить все
возможные данные не только из ведомственных хранилищ, но и из открытой сети, данных интернета, телекоммуникационных провайдеров, финансовых компаний, видеонаблюдения и т.п. Однако, по оценке Университета ФБР в Квонтико, в настоящее время на полиции только четырех стран мира обладают платформами интеллектуального анализа разнородных данных. Это полицейские управления 16 мегаполисов США, 3 британских мегаполисов, Иерусалима в Израиле, и в ближайшие годы Берлина, Гамбурга и Амстердама в Европе. В то же время хранилищами разнородных больших данных располагают полицейские структуры 72 стран мира [7, с. 31].
Таким образом, очевиден вывод - не так важны данные, их чистота, полнота и однородность, как интеллектуальные платформы анализа и прогнозирования на основе больших данных. Пока же в мире продолжается погоня за данными.
К настоящему времени сложилась общеупотребительная классификация больших данных по источникам и форматам происхождения:
- большие данные людей: основные данные сети интернет, телекоммуникационных сетей, включая VOIP телефонию и т.п. Это, пожалуй, наиболее разноформатная часть больших данных. На сегодняшний день более 80 % всех данных приходится на видеопоток, порядка 10 % -- на различного рода текстовую информацию. В основном это содержание разных сайтов, соцсетей и т.п. Оставшиеся 10 % приходятся на структурированные данные, связанные с идентификацией личности, а также данные о здоровье людей и их передвижениях. Последнюю группу данных генерируют в основном смартфоны и т.п.;
- большие данные корпораций. По формату файлов, включая видео, фото, текстовые и табличные файлы, большие данные корпораций совпадают с большими данными людей. При этом в структуре данных корпораций доля видеоконтента не превышает 30 %, а основная часть приходится на текстовую и табличную информацию;
- большие данные вещей - представляют собой унифицированные сигналы, поступающие из встроенных датчиков в различного рода вещах - от машин до домов, от кроссовок до пылесосов. Указанные данные позволяют судить не только о человеческой активности, но и режимах использования того или иного изделия и т.п. В последние годы в связи с бумом умных домов, кварталов и городов, все большую долю в интернете вещей занимает видеоконтент;
- большие данные денег - относятся к высоко интегрированным однородным массивам данных. Они состоят из данных о транзакциях банков, платежных карт и платежных сервисов. При высоком уровне однородности и легкости обработки они являются едва ли не наиболее интересными данными для полицейских, поскольку любому преступлению предшествует, а также следуют за ним те или иные денежные транзакции [7, с. 32].
Обработка больших объемов данных, как декларируется в Стратегии, -это совокупность подходов, инструментов и методов автоматической
обработки структурированной и неструктурированной информации, поступающей из большого количества различных, в том числе разрозненных или слабосвязанных, источников информации, в объемах, которые невозможно обработать вручную за разумное время [8].
Большие данные широко используются в самых различных областях, но их реальное обращение в системе правоохранительных органов ограничено несколькими основными направлениями: во-первых, сбор и хранение информации о ДНК; во-вторых, сбор и хранение биометрической информации, связанной с отпечатками пальцев, радужной оболочки глаза, а также татуировках; в-третьих, видеонаблюдение в общественных местах. Однако способности полиции анализировать огромные объемы данных биомаркеров весьма ограничены. Это связано с тем, что информация о ДНК в разных странах собиралась в разные годы и соответственно в методику сбора вносились изменения. Строго говоря, с вычислительной точки зрения имеются различия в образцах ДНК, и база данных не является единой. Еще хуже ситуация с анализом материалов видеонаблюдения. Несмотря на то, что полиция располагает в настоящее время терабайтами видеонаблюдений, у нее пока нет платформы, позволяющей осуществлять анализ по многим параметрам.
Однако нельзя не обратить внимание на позитивные примеры попыток наладить обработку больших данных для нужд правоохранительных органов. Использование количественного анализа для прогнозирования уровня преступности впервые было реализовано в середине 90-х гг. Нью-Йоркским полицейским департаментом. Система Compstat анализировала частоту и тяжесть совершенных, предотвращенных и раскрытых преступлений по кварталам Нью-Йорка. Ее использование обеспечило впервые за 40 лет перелом в борьбе с организованной преступностью. Если с 1952 по 1997 г. уровень преступности в Нью-Йорке рос, то с 1997 г. он неуклонно снижается. Бесспорно, система не является единственным или даже главным фактором этого снижения. Однако она позволила количественно оценить эффективность работы полицейских по каждому участку и одновременно помогла построить карту вызовов со стороны организованной преступности. На рубеже девяностых-нулевых годов Нью-Йоркская система стала активно применяться во всех мегаполисах США, а с 2004 г. в заметно модифицированном и расширенном виде была взята на вооружение полицией ряда мегаполисов Великобритании. Характерно, что самый большой успех в перестройке полицейской работы на основе знаний был осуществлен по обе стороны Атлантики тогда, когда о больших данных никто еще и не слышал. Успешное применение Compstat и ее модификаций в других мегаполисах США, Великобритании, Германии, Голландии, Японии, Южной Кореи и стран Британского Содружества наций, имеющих преимущественно европеоидное население, стимулировали полицейские подразделения этих стран к сбору хорошо отобранных массивов информации, пригодных для эффективного прогностического анализа.
Между тем известно, что в американских городах-мегаполисах и в Японии на основе геолокационных данных относительно уровня и форм преступности разработаны прогнозные модели, которые ориентируют местных полицейских, где и когда с высокой степенью вероятности может быть совершено преступление.
В условиях малой эффективности государственных усилий по оснащению полиции интеллектуальным софтом, инициативу проявляет сама полиция и бизнес. В 2016 г. создан, а в 2017 г. начал работу Центр анализа и прогнозирования борьбы с финансовой киберпреступностью, созданный как частно-государственное партнерство Скотланд-Ярдом и Ассоциацией британских банков [7, с. 29].
Другой иллюстрацией применения возможностей больших данных стало создание в 2014 г. программы распознавания по фрагментам татуировок, разработанной ФБР совместно с Cyrcadia и Cure Metrix. Была создана общеамериканская визуальная база всех татуировок, зарегистрированных когда-либо на территории США и других стран мира. Затем создали для каждой татуировки примерно 200 вариантов ее фрагментов, открытых для наблюдения при различном положении тела и наличия одежды. Создание вариантной графической базы позволило использовать ее в качестве фильтра при автоматическом распознавании образов в потоковом видео, поступающем с городских камер наблюдения. Впервые в истории разыскиваемые преступники опознавались не по чертам лица, не по характерной походке или особым приметам, а по фрагментам татуировок. В 2016 г. система начала опытную эксплуатацию в Сан-Франциско, Сан-Диего, и Миннеаполисе. Удалось опознать и задержать 17 человек, из которых пятеро - входили в список ФБР особо опасных и разыскиваемых преступников [7, с. 53]. Безусловно, система еще не совершенна и нуждается в доработке, однако очевидно, что полиция получила в свой арсенал мощнейшее оружие розыска.
Создание и внедрение в практическую деятельность правоохранительных органов современных программных продуктов в зарубежных странах осуществляется значительно быстрее, нежели в России, где оно тормозится большим количеством правовых и бюрократических препонов.
Довольно метко ситуация эффективности использования полицией больших данных была охарактеризована в докладе Европола в 2017 году. В нем отмечено, что современные технологии позволяют правоохранительным органам добиваться серьезных успехов в борьбе с организованной преступностью. Это, в первую очередь, относится к использованию современных средств цифровой криминалистики, прогнозной или предиктивной аналитики, к использованию для патрулирования беспилотных самолетов, а впоследствии автомобилей. Однако даже в тех странах, где материально-техническая база и программно-аппаратное обеспечение аналитики и прогностики на основе больших данных находятся на должном уровне, имеющийся потенциал не реализуется из-за общей беды для правоохранителей континента - низкого уровня компьютерной грамотности
полицейских во многих случаях заметно уступающего уровню преступников
[9].
Другая, довольно тесно связанная с большими данными проблема -развитие искусственного интеллекта, на которую в последнее время обратил внимание президент Российской Федерации В.В. Путин, отметив, что «...борьба за технологическое лидерство, прежде всего в сфере искусственного интеллекта уже стала полем глобальной конкуренции. Скорость создания новых продуктов и решений растёт в геометрической прогрессии, по экспоненте. Уже говорил и хочу ещё раз повторить: если кто-то сможет обеспечить монополию в сфере искусственного интеллекта, . тот станет властелином мира» [10]. 10 октября 2019 была утверждена Национальная стратегия развития искусственного интеллекта до 2030 года [11]. Крупнейший форум Восточной Европы по искусственному интеллекту Artificial Intelligence Journey прошёл в Москве 8-9 ноября 2019 года. В его работе приняли участие более пяти тысяч участников - ведущих международных и российских экспертов в области искусственного интеллекта и анализа данных, а также представители более чем тысячи компаний - лидеров по развитию и применению технологий искусственного интеллекта.
ФБР совместно с Лабораторией искусственного интеллекта корпорации Google сформулировали инженерное определение искусственного интеллекта как программно-аппаратный комплекс, обеспечивающий поддержку и/или принятие результативных решений в динамичной, неустойчивой среде в установленное время, на основе заведомо неполной, нечеткой и не имеющей полной доказательной базы информации. Применительно к одним задачам искусственный интеллект самостоятельно принимает решения, но в большинстве случаев является элементом гибридного интеллекта, взаимодействуя с человеком.
В последнее время все больше исследователей склоняются к мнению, что к искусственному интеллекту следует относить такие программные платформы, которые позволяют эффективно решить в приемлемые сроки ту или иную задачу с использованием метода черного ящика , т.е. недоступным для понимания человека способом в ограниченный промежуток времени . В этой связи весьма актуальны многосложные неиронные сети . В случае их
использования человеку подчас непонятно, по какому алгоритму компьютер решил задачу. Считается, что в ближайшее время такой подход будет доминировать в целом в отношении использования возможностей искусственного интеллекта. Однако сомнительны перспективы реализации такого подхода правоохранительными органами. Даже при в целом позитивных результатах работы искусственного интеллекта, вряд ли общество в обозримом будущем сможет осудить человека на основе вердикта искусственного интеллекта.
Очень метко в этой связи Ю.В. Гаврилин и А.В. Победкин отмечают, что уголовное судопроизводство, в ходе которого решаются вопросы исключительно высоких нравственных категорий - справедливости,
истинности, добра, совести, милости, никогда не должно и не может стать сферой, в которой «цифра» подавляет человеческое общение с теми, кто «призван» спасти и помочь. ...Это сфера служения, подвижничества, где воспитание, пробуждение в человеке нравственных качеств - неотъемлемая задача. Лишить или ограничить человека возможности непосредственного общения с теми, от кого зависит судьба его самого и близких, - значит не видеть в ней нравственных начал. Человек редко удовлетворен молитвой по Интернету - чаще он испытывает потребность пойти в храм [12, с. 33].
Однако нельзя обойти вниманием активные попытки внедрения технологии искусственного интеллекта в отдельные направления деятельности правоохранительных органов разных государств. Так, в 2013-2016 г.г. в США после феноменального успеха IBM Watson реализовывалась межведомственная экспериментальная программа «Искусственный интеллект в расследовании и оперативно-розыскной деятельности при совершении уголовных преступлений». Предполагалось создание безбумажного полицейского офиса на основе интеллектуальных помощников полицейских с программным обеспечением корпораций IBM и Apple. Однако в июле 2016 г. программа была закрыта из-за неудовлетворительных результатов. Очевидно, что в концепции безбумажного документооборота игнорируется принцип интерактивности, лежащий в основе формирования отчетов и документации в ходе оперативно-розыскной деятельности. Как правило, качественный, обеспечивающий конечный результат отчет является плодом не индивидуальной деятельности оперативника, а результатом диалога внутри оперативной группы.
В качестве стандартного оснащения в полицейские участки и подразделения ФБР США стала поставляться программа распознавания образов. Она способна по фотографиям и потоковому видео распознавать людей, осуществивших пластические операции и выдавать варианты их первоначальной внешности. В ходе испытаний в 2015 г. программа успешно распознавала по фотографиям факт проведения пластической операции в 97% случаев, в потоковом видео - почти в 90%. В случае успешного распознавания, более чем в 80% случаев она позволяла восстановить первоначальную внешность, как один из вариантов первоначального облика человека [7, с. 54].
Рассмотренные примеры позволяют с высокой долей вероятности предположить, на каких направлениях деятельности правоохранительных органов в ближайшие годы реально возможно использование искусственного интеллекта. Сегодня успехи достигнуты там, где имеются большие массивы исходных данных, ограниченное время для их анализа и возможность создать программу анализа. Другими словами, компьютер превосходит человека там, где имеют место вычислительные ресурсы. Однако перспективы использования искусственного интеллекта правоохранительными органами ставят много вопросов, в частности: как установить ответственность за его ошибки, и кто ее
несет, реален ли контроль деятельности искусственного интеллекта в рамках правового поля, созданного человеком?
Список литературы
1. О федеральной целевой программе «Электронная Россия (2002-2010 годы)»: Постановление Правительства РФ от 28.01.2002 № 65 (ред. 09.06.2010 г.) // Справочно-правовая система «Консультант-Плюс», URL: http://www.consultant.ru/cons/cgi/online (дата обращения 16.10.2019).
2. Распоряжение Правительства РФ от 27.09.2004 № 1244-р (ред. 10.03.2009 г.) // Справочно-правовая система «Консультант-Плюс», URL: http://www.consultant.ru/cons/cgi/online (дата обращения 16.10.2019).
3. Об информации, информационных технологиях и о защите информации: федеральный закон от 27.07.2006 № 149-ФЗ (ред. от 01.05.2019 г.) // СЗ РФ. 2006. № 31 (ч. I). Ст. 3448.
4. О стратегии развития информационного общества в Российской Федерации на 2017-2030 годы: Указ Президента РФ от 09.05.2017 № 203 // Справочно-правовая система «Консультант-Плюс»,
URL: http://www.consultant.ru/cons/cgi/online (дата обращения 16.10.2019).
5. О концепции использования информационных технологий в деятельности федеральных органов государственной власти до 2010 года: Распоряжение Правительства РФ от 27.09. 2004 № 1244-р (ред. 10.03.2009 г.) // Справочно-правовая система «Консультант-Плюс»,
URL: http://www.consultant.ru/cons/cgi/online (дата обращения 16.10.2019).
6. Об утверждении Положения о федеральной государственной информационной системе «Единая система идентификации и аутентификации в инфраструктуре, обеспечивающей информационно-технологическое взаимодействие информационных систем, используемых для предоставления государственных и муниципальных услуг в электронной форме: Приказ Минкомсвязи России от 13.04.2012 № 107 // Справочно-правовая система «Консультант-Плюс», URL: http: //www.consultant.ru/cons/cgi/online (дата обращения 16.10.2019).
7. Обзор отдельных вопросов в области больших данных и искусственного интеллекта / Под ред. В.С. Овчинского. М.: ФКУ «ГИАЦ МВД России», 2019. 148 с.
8. О стратегии развития информационного общества в Российской Федерации на 2017-2030 годы: Указ Президента РФ от 09.05.2017 № 203 // Справочно-правовая система «Консультант-Плюс».
9. Доклад Европола «Оценка серьезных угроз организованной преступности в 2017 г.»// URL: https://www.europol.europa.eu/ (дата обращения 16.10.2019).
10. Вступительное слово Президента РФ В.В. Путина на совещании по вопросам развития технологий в области искусственного интеллекта 30 мая 2019 года URL: http://www.kremlin.ru/ (дата обращения 16.10.2019).
11. О развитии искусственного интеллекта в Российской Федерации: Указ Президента Российской Федерации от 10.10.2019 №490 // Интернет-ресурс publication.pravo.gov.ru. (дата обращения 16.10.2019).
12. Гаврилин Ю.В., Победкин А.В. Модернизация уголовно-процессуальной формы в условиях информационного общества // Труды Академии управления МВД России. 2019. № 3 (51). С. 27-38.
Тишутина Инна Валериевна, д-р юрид. наук, доц., проф. кафедры, inna_tishutina@,mail. ru, Россия, Москва, Московский университет МВД России имени В.Я.Кикотя
NEW OPPORTUNITIES FOR THE DISCLOSURE AND INVESTIGA TION OF CRIMES IN THE
CONTEXT OF GLOBAL DIGITALIZATION
I.V. Tishutina
The article presents the author's view on the use of digitalization capabilities in terms of processing large amounts of data and introducing artificial intelligence in order to prevent, disclose and investigate crimes. The world experience is highlighted, legislative initiatives and the practice of their implementation in our country, as well as the opinions of scientists and practitioners are characterized. The thesis that creating an effective system for collecting, storing, processing and analyzing big data makes it possible to solve the most complex problems, including in the law enforcement sphere.
Key words: scientific and technological progress, information technology, information, digital-vision, crime investigation, big data, artificial intelligence.
Tishutina Inna Valerievna, Doctor of Law, associate professor, Professor of Department, inna tishutina@ mail.ru, Russia, Moscow, Moscow University of the MIA of Russia named VY Kikot
