CC BY
19ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
Научная статья УДК 004
https://doi.org/10.24412/2687-0185-2023-2-222-227 NIION: 2007-0083-2/23-285 MOSURED: 77/27-005-2023-02-485
Владимир Александрович Минаев1, Максим Анатольевич Гершкович2
1,2 Московский университет МВД России имени В. Я. Кикотя, Москва, Россия
1 m1va@yandex.ru
2 jnxsenpai@yandex.ru
Аннотация. Преступность в сфере незаконного оборота наркотических средств, психотропных веществ, а также оружия, поддельных денег, ценных бумаг и документов в своей существенной части перешла в анонимный сегмент сети Интернет. При этом наиболее безопасной для криминальных элементов схемой сбыта товаров, запрещенных к обороту, является цепочка «Интернет — торговая площадка — закладка». Одним из эффективных направлений пресечения данной схемы является хорошо отлаженное патрулирование нарядами полиции наиболее рисковых пунктов города. Эффективным направлением оптимизации маршрутов полицейских нарядов выступает математическое моделирование. Приняв во внимание характеристики деятельности полиции на территории обслуживания, меняющуюся дорожную обстановку и выявив из анонимного сегмента Интернет наиболее приемлемые места для закладок, подобраны эффективные инструменты оптимизации маршрутов патрулирования. Моделирование маршрутов патрульных полицейских нарядов проведено на примере конкретного района Москвы с помощью алгоритма Дейкстры. Оптимизированный маршрут позволил сократить время патрулирования рассмотренной территории на 26 %. Делается вывод, что перспективы развития модельного подхода в борьбе с незаконным оборотом наркотиков связаны с применением технологий искусственного интеллекта — машинного обучения, нейросетей и других.
Ключевые слова: незаконный оборот наркотиков, моделирование, оптимизация маршрутов полицейских нарядов, время патрулирования, алгоритм Дейкстры
Для цитирования: Минаев В. А., Гершкович М. А. Оптимизация маршрутов полицейских патрульных нарядов при организации противодействия незаконному обороту наркотиков // Криминологический журнал. 2023. № 2. С. 222-227. https://doi.org/10.24412/2687-0185-2023-2-222-227.
Original article
Vladimir A. Minaev1, Maxim A. Gershkovich2
1,2 Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot', Moscow, Russia
1 m1va@yandex.ru
2 jnxsenpai@yandex.ru
Abstract. Crime in the sphere of illicit trafficking in narcotic drugs, psychotropic substances, as well as weapons, counterfeit money, securities and documents in its substantial part has moved to the anonymous segment of the Internet. At the same time, the most secure scheme for the sale of goods prohibited for circulation for criminal elements is the chain «Internet — trading platform — storage of prohibited substances and objects». Mathematical modeling is an effective way to optimize the routes of police squads. Taking into account the characteristics of police activity in the service area, the changing traffic situation and identifying from the anonymous segment of the Internet the most
© Минаев В. А., Гершкович М. А., 2023
Оптимизация маршрутов полицейских патрульных нарядов при организации противодействия незаконному обороту наркотиков
Route optimization police patrol squads in the organization of counteraction to illegal drug trafficking
_NATURAL SCIENCES_
COMPUTER SCIENCE AND INFORMATICS
acceptable places for storages, effective tools for optimizing patrol routes were selected. Modeling of the patrol police squads routes was carried out on the example of the Moscow district using Dijkstra's algorithm. The optimized route made it possible to shorten the patrol time of the considered territory by 26 %. It is concluded that the prospects for the development of a model approach in the fight against drug trafficking are associated with the use of artificial intelligence technologies — machine learning, neural networks and others.
Keywords: drug trafficking, modeling, optimization of police patrol routes, patrol time, Dijkstra's algorithm
For citation: Minaev V. A., Gershkovich M. A. Route optimization police patrol squads in the organization of counteraction to illegal drug trafficking. Criminological journal. 2023. (2):222-227. (In Russ.). https://doi. org/10.24412/2687-0185-2023-2-222-227.
Введение
Современный криминалитет ищет все более высокотехнологичные методы для сокрытия своих преступных деяний. Поэтому преступность в сфере незаконного оборота наркотических средств, психотропных веществ, а также оружия, поддельных денег, ценных бумаг и документов в своей существенной части перешла в анонимный сегмент сети Интернет. Для обеспечения анонимности криминальные элементы, как правило, используют программное обеспечение TOR, виртуальную частную сеть VPN, мессенджер Telegram и другие современные средства.
С развитием браузера TOR множатся торговые площадки, форумы, доски объявлений и прочие ресурсы, помогающие осуществлять преступную деятельность и анонимизировать ее в сегменте сети, называемом Dark Net. Это скрытая сеть, соединения в которой устанавливаются только между доверенными парами с использованием нестандартных протоколов обмена.
Оборот наркотиков, оружия, поддельных денежных средств в «теневой сети» с каждым годом все возрастает, имея ряд преимуществ в сравнении с работой off line. Усложняющиеся методы шифрования обеспечивают наилучшую безопасность, логистические способы позволяют работать по усовершенствованной схеме сбыта указанных товаров, а деятельность в Интернет дает возможность криминальным элементам оптимизировать продажи и охватывать все более расширяющуюся территорию.
На сегодняшний день наиболее безопасной схемой сбыта товаров, запрещенных к обороту, является цепочка Интернет — Торговая площадка — Закладка. Так, например, если наркотики получены через закладку, то максимум, что покупатель может сообщить полиции, — это название площадки, иногда, возможно, номер телефона в каком-либо мессенджере. Курьеры — закладчики работают по такому же принципу. Получают товар в закладке и распространяют его по множеству отдельных точек сбыта.
Одним из направлений пресечения данной схемы может быть хорошо отлаженное патрулирование нарядами полиции наиболее приемлемых для закладок точек города. Как правило, это — подъезды, гаражи,
стройки, парки и территории, где отсутствуют камеры видеонаблюдения.
Эффективным направлением оптимизации маршрутов полицейских нарядов в связи со сказанным является математическое моделирование и актуальность настоящей статьи определяется тем, что к настоящему времени соответствующие модели разработаны слабо и используются мало [1; 2].
Рассмотрим в статье результаты построения оптимальных маршрутов патрульных полицейских нарядов при осуществлении борьбы с незаконным оборотом наркотических средств на конкретной территории мегаполиса. Основными задачами, которые решались при создании соответствующей математической модели, выступили:
• анализ механизма функционирования анонимной торговой площадки и форумов в сети Интернет для получения исходных данных о характеристиках незаконного оборота наркотических средств;
• моделирование механизма незаконного оборота наркотических средств с использованием теневого сегмента сети Интернет;
• разработка оптимальных маршрутов патрулирования территории обслуживания нарядами патрульно-постовой службы полиции с целью противодействия распространению наркотических средств и иных товаров, запрещенных к обороту.
Основная направленность модели заключается в выработке такой схемы движения полицейских нарядов по маршрутам, которая бы позволяла максимально сократить время достижения ими рисковых пунктов, связанных с незаконным сбытом наркотических средств.
Анонимный сегмент сети Интернет как информационная база криминальной среды
Для разработки оптимальных маршрутов полицейских нарядов с целью пресечения преступной деятельности наркокурьеров необходимо понимать принципы работы и иерархию их соподчинения, методы функционирования современных «наркошопов», а также иметь представление о средствах анонимиза-ции в сети Интернет, которыми активно пользуются
_ЕСТЕСТВЕННЫЕ НАУКИ_
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
криминальные элементы.
К теневому Интернету относятся веб-сайты, которые не индексируются и доступны только через специализированные браузеры. Теневой Интернет хорошо замаскирован, поэтому воспользоваться его ресурсами могут лишь немногие посвященные.
Выделяется ряд характеристик теневого Интернета, которые делают его своеобразным пристанищем для пользователей, желающих сохранить анонимность [3]:
• Отсутствие индексации страниц распространенными поисковыми системами, которые не отображают по запросу выдачу параметров теневого Интернета и даже не могут зафиксировать их.
• Туннелирование трафика при помощи инфраструктуры случайно сгенерированных сетей.
• Недоступность для обычных браузеров благодаря уникальным доменам. Кроме того, теневые ресурсы спрятаны еще и при помощи таких мер сетевой безопасности, как сетевые экраны и шифрование.
Как уже говорилось, сегодня самым распространенным способом проникновения в теневой сегмент сети является программное обеспечение TOR. Это — один из лучших инструментов анонимизации обмена информации для злоумышленников в Интернет, представляющий огромную сеть, состоящую из тысяч связанных компьютеров, распределенных по всему миру.
Данное программное обеспечение затрагивает два типа участников цепи продажи наркотиков и прочих товаров, оборот которых запрещен или ограничен. Этими участниками являются продавец и покупатель. Существуют и другие звенья цепи, но они, как правило, используют иные программные продукты.
Роль продавцов и покупателей в их сетевом взаимодействии можно понять на примере работы ранее существовавшего нелегального сайта теневого Интернета — HYDRA. В 2019 году в «Гидрe» насчитывалось около 2.5 млн аккаунтов, из которых почти 400 тысяч — покупатели.
HYDRA обладала огромным штатом сотрудников и даже имела свой департамент информационной безопасности. Покупатели получали доступ к данной торговой площадке через браузер TOR, приобретая товар только за криптовалюту.
На сегодняшний день площадка HYDRA закрыта правоохранительными органами Германии, серверы торговой площадки изъяты. Однако опасность заключается в том, что весь ее пользовательский трафик никуда не исчез, а лишь перераспределился на другие, менее популярные площадки, которые имеют аналогичные схемы продажи, структуру и систему безопасности.
Важно отметить, что продажа запрещенных товаров происходит не только на специализированных
торговых площадках. Большую роль в этом процессе играют мессенджеры, в частности, Telegram, который, как и TOR, активно используется в распространении наркотиков и прочих запрещенных веществ, размещаемых посредством «закладок».
Какие же методы борьбы с «высокотехнологичной» наркопреступностью существуют сегодня, когда взаимодействие субъектов в этой криминальной сфере происходит на анонимной основе таким образом, что получить ключи шифрования чатов для общения не представляется возможным, а оплату полученного зелья нельзя отследить, поскольку она осуществляется криптовалютой?
В частности, одно из направлений противодействия криминальным проявлениям в анонимном сегменте сети Интернет связано с неотъемлемым атрибутом «кладмена» — мобильным телефоном. Даже при отключенном GPS-модуле или использовании старого телефона, правоохранительные органы могут применять метод триангуляции, когда координаты закладок сопоставляются с данными нескольких базовых станций мобильной связи. Если же включены данные о местоположении «закладчика», который отсылает координаты заказчику, применяя GPS-модуль, тогда его поимка — дело техники.
Существуют и иные методы поиска наркокурьеров, но самым распространенным способом пресечением их деятельности остается патрулирование территорий нарядами полиции, а также целенаправленная работа оперативников.
Зарубежный опыт моделирования маршрутов полицейских нарядов
Рассмотрим некоторые результаты исследований в Израиле и США в области моделирования маршрутов патрульных полицейских нарядов с учетом криминогенной обстановки на территориях обслуживания.
В работе [4] рассматриваются модели распределения патрулей в Израиле. Они оптимизируют размещение нарядов полиции в зависимости от таких параметров, как скорость оперативного реагирования на вызовы, наличие патрульных в наиболее «горячих точках» территории (учитывая статистику совершенных преступлений) для создания «эффекта ореола», т. е. эффекта постоянного присутствия полиции.
Принимая во внимание эти параметры, необходимо строить маршруты нарядов таким образом, чтобы путь авто патрулей полиции проходил через наиболее рисковые места территории, а дислокация пеших патрулей соответствовала «горячим точкам» для создания «эффекта ореола». Также необходимо обращать внимание на дорожную ситуацию и пропускную способность дорог, поскольку эти факторы напрямую связаны со скоростью реагирования на происшествия.
Американский опыт моделирования маршрутов нарядов полиции [5] подтверждает, что длительное
_NATURAL SCIENCES_
COMPUTER SCIENCE AND INFORMATICS
Ям
пребывание патрулей в «горячих точках» имеет эффект постоянного присутствия в них сотрудников полиции, который в итоге снижает уровень преступности в данных местах.
Еще один способ улучшения работы патрульных приводится в [6], где используется тактика «нулевой терпимости», которая в 1990 г. предложена мэром Нью-Йорка Р. Джулиани. Изначально в научной литературе и официальных документах под «нулевой терпимостью» понималась тактика пристрастного отношения правоохранительных органов к участникам преступных группировок, предполагающая назначение максимальных санкций даже за незначительные правонарушения.
Реализация этого способа привела к значительному уменьшению преступности. Так, в США в период с 1991 по 2001 г. уровень убийств снизился с 9,8 до 5,5 (в расчете на 100 тыс. населения), т. е. на 43 %, уровень насильственных преступлений упал на 34 %, имущественных — на 29 %.
С учетом указанных характеристик деятельности зарубежной полиции, а также изменяющейся дорожной обстановки при решении задачи выбора оптимальных маршрутов патрулирования, авторами статьи, кроме того, целенаправленно учитывалась информация, полученная из анонимного сегмента сети Интернет. При этом обращалось внимание на роль территориальных объектов полиции (участковые пункты, здания ОВД и т. п), которые обладают указанным «эффектом ореола». Учитывались также геометки с сайтов, которые указывали возможную дислокацию нарядов ППС и тоже имели свойства указанного эффекта.
Приняв во внимание вышеназванные характеристики деятельности полиции на территории обслуживания, меняющуюся дорожную обстановку и выявив из анонимного сегмента Интернет наиболее приемлемые места для закладок, авторами статьи подобраны эффективные инструменты оптимизации маршрутов патрулирования
Поскольку ситуация на дорогах постоянно меняется, маршруты с определенной периодичностью обновляются. При этом рисковые точки на них остаются неизменными, сохраняя «эффект ореола», что делает маршруты мало предсказуемыми для злоумышленников.
Оптимизации маршрутов патрулирования в условиях мегаполиса
Моделирование маршрутов патрульных полицейских нарядов проведено авторами на примере такого мегаполиса, как Москва. Оно базируется на основе информации, полученной с портала открытых данных г. Москвы и анонимного источника информации safeklad.com.
Для сбора данных использованы инструменты QGIS и Nodejs. QGIS — это географическая информационная система, позволяющая загружать и визу-
ализировать данные с портала открытых данных, а также производить сортировку геометок объектов по нужному району мегаполиса [7]. Это могут быть реестры камер и местоположения отделов полиции. Отсутствующие данные можно добавлять вручную, обратившись к API нужных сервисов. Опции QGIS позволяют сортировать объекты по их геопозиции и менять цвет геометок в зависимости от типа данных.
Главные составляющие для осуществления маршрутизации — это дорожный граф и алгоритм, который рассчитывает оптимальные пути. Дорожный граф включает информацию об участках дорог: географические координаты, направление движения, средняя скорость движения и другие параметры. Каждый фрагмент графа содержит данные о том, как он стыкуется с соседними участками — есть ли в этом месте поворот, возможно ли развернуться в обратную сторону.
Итак, исходя из длины каждого отрезка графа и скорости движения на конкретном участке дороги, необходимо построить оптимальный по времени маршрут движения. Наиболее подходящим для решения этой задачи является алгоритм Дейкстры [8]. Если маршрут строится без учёта пробок, то алгоритм использует среднюю скорость движения на участке. А если необходимо узнать, как быстрее всего добраться до определенной точки с учётом текущей ситуации на дороге, алгоритм учитывает данные о ней.
Специальным инструментом для проведения анализа состояния наркопреступности в районах г. Москвы послужило разработанное авторами программное обеспечение для парсинга анонимного сегмента сети, давшего возможность автоматизированного сбора и систематизация данных о территориальном распространении закладок наркотических веществ. Благодаря парсингу получено представление об интенсивности деятельности закладчиков по районам города. Отметим, что в работе [9] на основе данных парсинга сформирована тепловая карта плотности распределения закладок в городе Москве.
Используя вышеописанные источники информации и инструменты моделирования, авторами настоящей работы построены оптимальные маршруты патрульных полицейских нарядов, основная цель которых — пресечение преступной деятельности в сфере незаконного оборота наркотических средств в конкретном районе г. Москвы.
Для этого на карту моделируемой территории перенесены геометки из анонимного источника сети Интернет, выделены на ней наиболее рисковые участки, построен оптимальный маршрут нарядов полиции (отмечен цифрами 1-12). Оптимизированный маршрут позволил сократить время патрулирования выделенной территории на 26 %. Пример приведен на Рисунке 1.
ЕСТЕСТВЕННЫЕ НАУКИ
КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
Рис. 1. Оптимизированный маршрут на обслуживаемой территории
Заключение
В статье рассмотрены результаты обслуживания территории района г. Москвы полицией, направленные на усиление противодействия преступлениям в сфере незаконного оборота веществ, в частности — наркотических.
После определения мест наибольшей активности криминальных элементов использованы современные инструменты для оптимизации маршрутов, которые позволили добиться в среднем до 26 % сокращения времени достижения полицейскими патрулями рисковых точек, характеризующихся высокой вероятностью наркотических закладок.
Полученные результаты моделирования целесообразно применять для обучения сотрудников правоохранительных органов аналитической осведомленности о состоянии данного вида преступности, а также предупреждения преступлений, связанных с анонимным сегментом сети Интернет. Это поможет им лучше понимать ситуацию на территории обслуживания и принимать эффективные меры по предотвращению преступлений.
Результаты исследования показали, что оптимизация маршрутов патрулирования повышает эффективность работы полиции в борьбе с наркотической преступностью и иными направлениями противозаконной деятельности, связанной с распространением криминальных закладок. Для поддержания высокого качества работы необходимо регулярно актуализировать и совершенствовать как модели оптимизации, так и модели данных для проведения расчетов.
Учитывая особую чувствительность результатов моделирования и данных, используемых для модельных расчетов, которые, без сомнения, являются целями устремления криминальных элементов, для защиты указанной информации следует применять такие методы защиты, как шифрование на основе надежных
алгоритмов и ограничение доступа по IP-адресам.
Перспективы развития рассмотренного модельного подхода в борьбе с незаконным оборотом наркотиков, на наш взгляд, связаны с применением технологий искусственного интеллекта — машинного обучения, нейросетей и других. Такие технологии дают возможность прогнозировать преступления в сфере незаконного оборота запрещенных веществ и объектов, а также принимать более эффективные меры по их предотвращению.
Список источников
1. Минаев В. А., Бондарь К. М., Дунин В. С., Скрипко П. Б. Задачи управления силами и средствами органов внутренних дел: математические модели и их приложения: монограф. Хабаровск : ДВЮИ МвД России, 2022.
2. Гершкович М. А. Оптимальное распределение полицейских патрульных нарядов с учетом информации из анонимного сегмента сети Интернет // Сборник статей «Информационные технологии в деятельности органов внутренних дел». М. : МосУ МВД России имени В.Я. Кикотя, 2022. С. 242-248.
3. Анонимные сети: что это такое и как они работают? // URL://https://habr.com/ru/post/437176/
4. Adler N., Hakkert A., Kornbluth J. Location-allocation models for traffic police patrol vehicles on an interurban network / Перевод: Адлер Н., Хаккерт А., Корнблут Дж. Модели распределения мест для патрульных автомобилей дорожной полиции на междугородней сети // Annals of Operations Research. 2014. № 221. Р. 9-31.
5. Koper C. Just Enough Police Presence: Reducing Crime and Disorderly Behavior by Optimizing Patrol Time in Crime Hot Spots / Перевод: Копер К. Достаточное присутствие полиции:
NATURAL SCIENCES
COMPUTER SCIENCE AND INFORMATICS
Сокращение преступности и беспорядочного поведения путем оптимизации времени патрулирования в «горячих точках» преступности // Justice Quarterly. 1995. № 4. Р. 649-672.
6. Fritsch Eric J., Liederbach John, Taylor Robert W. Police patrol allocation and deployment / Перевод: Фритч Эрик Дж., Лидербах Джон, Тейлор Роберт В. Распределение и развертывание полицейских патрулей. New Jersey : Pearson Prentice Hall, 2009. /
7. QGIS // URL://http://www.newart.ru/htm/ myzavr/m z76.php.
8. Дейкстра Э. Дисциплина программирования. М. : Мир, 1978.
9. Поликарпов Е. С, Толстых А. А, Цимбал В. Н. Обобщенный анализ сайтов сбыта наркотических средств анонимного сегмента сети Интернет // Вестник Московского университета МВД России. 2021. № 4. С. 174-178.
References
1. Minaev V. A., Bondar K. M., Dunin V. S., Skripko P. B. Tasks of management of forces and means of internal affairs bodies: mathematical models and their applications: monograph. Khabarovsk : Far East Institute of the Ministry of Internal Affairs of Russia, 2022.
2. Gershkovich M. A. Optimal distribution of police patrol units taking into account the information
from the anonymous Internet segment // Collection of articles «Information technologies in the activities of internal affairs bodies». M. : Moscow State University of the Ministry of Internal Affairs of Russia named after V.Y. Kikot', 2022. P. 242-248.
3. Anonymous networks: what are they and how do they work? // URL://https://habr.com/ru/ post/437176/
4. Adler N., Hakkert A., Kornbluth J. Location-allocation models for traffic police patrol vehicles on an interurban network // Annals of Operations Research. 2014. № 221. P. 9-31.
5. Koper C. Just Enough Police Presence: Reducing Crime and Disorderly Behavior by Optimizing Patrol Time in Crime Hot Spots // Justice Quarterly. 1995. № 4. P. 649-672.
6. Fritsch Eric J., Liederbach John, Taylor Robert W. Police patrol allocation and deployment. New Jersey : Pearson Prentice Hall, 2009.
7. QGIS // URL://http://www.newart.ru/htm/ myzavr/mz76.php.
8. Dijkstra E. The Discipline of Programming. M. : The World, 1978.
9. Polikarpov E. S., Tolstykh A. A., Tsimbal V. N. Generalized analysis of drug sales sites of the anonymous segment of the Internet // Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2021. № 4. P. 174-178.
Информация об авторах
В. А. Минаев — профессор кафедры специальных информационных технологий Московского университета МВД России имени В. Я. Кикотя, доктор технических наук, профессор.
М. А. Гершкович — Московский университет МВД России имени В. Я. Кикотя.
Information about the authors
V. A. Minaev — Professor of the Special Information Technologies Department of the Moscow University of the Internal Affairs Ministry of Russia named after V. Ya. Kikot', Doctor of Technical Sciences, Professor.
M. A. Gershkovich — Moscow University of the Internal Affairs Ministry of Russia named after V. Ya. Kikot'.
Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Contribution of the authors: the authors contributed equally to this article. The authors declare no conflicts of interests.
Статья поступила в редакцию 03.02.2023; одобрена после рецензирования 17.04.2023; принята к публикации 05.06.2023.
The article was submitted 03.02.2023; approved after reviewing 17.04.2023; accepted for publication 05.06.2023.
