CC BY
111
Осипенко Анатолий Леонидович
Перспективы использования информационно-аналитических технологий в оперативно-розыскной деятельности
Дана оценка перспективам использования в оперативно-розыскной деятельности новых информационно-аналитических технологий, связанных с искусственным интеллектом и анализом Больших данных. Обозначены проблемы, которые должны быть преодолены для эффективного применения указанных технологий.
Ключевые слова: информационно-аналитические технологии, оперативно-розыскная деятельность, Большие данные, искусственный интеллект, противодействие преступности, информационное обеспечение.
The prospects of use of information and analytical technologies in operational-search activity
The article assesses the prospects for the use in the operational-search activity of new information and analytical technologies related to artificial intelligence and Big Data analysis. Problems that must be overcome to improve the efficiency of these technologies are identified.
Key words: information and analytical technologies, operational-search activity, Big data, artificial intelligence, crime counteraction, information support.
Применение аналитического инструментария занимает важное место в системе информационного обеспечения оперативно-розыскной деятельности. Оперативная аналитика гарантирует получение оперативно-розыскной информации особого качества, обогащенной за счет применения специфических методов. Однако с учетом фиксируемых в современном социуме важных изменений, позволяющих говорить о его переходе в новую фазу, которую обозначают как «информационное общество», роль информационно-аналитических технологий в оперативно-розыскной деятельности может быть существенно повышена.
На изменение подходов к использованию названных технологий оказывает влияние целый ряд факторов, среди которых стоит выделить следующие: цифровизацию общественных процессов, перевод практически всей информации в цифровую форму; интенсивное развитие технологий обработки цифровой информации, включающих анализ Больших данных, внедрение технологий искусственного интеллекта; значительное снижение стоимости хранения оцифрованной информации; существенное расширение спектра источников оперативно значимой информации; образование уникальной среды - киберпространства, в котором концентрируются большие объемы оперативно значимой информации; трансфор-
мации современной преступности, вызывающие необходимость перехода к упреждающим моделям организации оперативно-розыскной деятельности.
Остановимся на некоторых из перечисленных факторов подробнее.
Стратегия развития информационного общества в Российской Федерации на 2017-2030 гг. предусматривает государственную поддержку процессов цифровизации, придание им системного характера. Особое внимание уделяется экономической сфере, на развитие которой нацелена государственная программа «Цифровая экономика Российской Федерации». С целью снижения существенных потенциальных рисков и угроз, неизбежно возникающих при широкомасштабной информатизации общественных процессов, утверждена Доктрина информационной безопасности Российской Федерации, принят Федеральный закон «О безопасности критической информационной инфраструктуры Российской Федерации». Россия уверенно включается в общемировые процессы формирования цифрового общества, которые сопровождаются переводом практически всей информации в цифровую форму. По оценкам компании Seagate, общемировой объем оцифрованных данных в 2018 г. составил 33 зеттабайт1, а к 2025 г. вырастет до 175 зет-табайт, причем почти 30% этих данных будет
1 1 зеттабайт равен 1021 байт.
80
обрабатываться в режиме реального времени [1]. Происходит интенсивный обмен колоссальными объемами данных между различными субъектами информационных процессов, что позволяет говорить о необходимости контроля за мощными информационными потоками. Такие потоки, генерируемые различными интернет-сервисами (приложениями интернет-банкинга и электронной торговли, заказа такси, проката автомобилей, каршеринга, продажи авиа- и железнодорожных билетов; геоинформационными системами; приложениями обмена сообщениями; социальными сетями; устройствами Интернета вещей и т.п.), постоянно нарастают. За одну секунду в мире отправляется до 3 млн сообщений электронной почты. На YouTube каждую минуту закачиваются видеофайлы общей продолжительностью до 20 часов. В день в Twitter добавляется до 50 млн сообщений. Поисковой системой Google проиндексировано более 130 трлн web-стра-ниц, а на ее серверах содержится более 100 млн Гб данных [2]. Все это напрямую влияет на существенное расширение спектра цифровых источников оперативно значимой информации, к которым могут быть отнесены многочисленные мобильные устройства и средства сотовой связи, системы геопозиционирования, системы видеонаблюдения и фиксации, нательные датчики и вживляемые чипы, устройства виртуальной и дополненной реальности, беспилотные летательные аппараты и автомобили, иные устройства с цифровым интерфейсом2.
На основе постоянного взаимодействия социальной среды и сетевой инфраструктуры образовалось уникальное киберпространство, в котором применимы особые формы и методы осуществления оперативно-розыскной деятельности, а при соответствующей адаптации могут проводиться практически все традиционные оперативно-розыскные мероприятия. В киберпространстве происходит концентрация оперативно значимой информации, которая может быть обнаружена на сайтах различных интернет-сервисов, в сообщениях социальных сетей, мессенджеров, электронной почты, IP-телефонии, в информационных системах, поддерживающих банковские операции, приложения электронной торговли, транспортных перевозок, электронный документооборот и
2 Продолжается масштабное пополнение таких устройств за счет роста количества и видов способных обмениваться данными с компьютерными сетями «умных вещей», образующих Интернет вещей.
многое другое. Извлечение информации определенного рода из обозначенных источников и порождаемых ими информационных потоков обеспечивает грандиозные перспективы совершенствования оперативно-розыскной аналитики. Одновременно на ее развитие влияют новые концептуальные подходы к обработке данных, существенно повышающие результативность применения аналитических технологий.
Следует заметить, что внедрение этих подходов стимулируется и негативными социальными явлениями, связанными с трансформациями современной преступности, которая нашла в киберпространстве и уверенно заняла привлекательные для себя ниши. На сетевых площадках развернули активную деятельность экстремистские и террористические группировки, деструктивные сообщества («уличные бойцы», АУЕ, «группы смерти» и др.). В «теневом» Интернете осуществляется торговля детской порнографией, оружием, наркотиками. Особую тревогу должно вызывать то обстоятельство, что организованная преступность активно привлекает к решению криминальных задач самые передовые информационно-телекоммуникационные технологии, не обходит вниманием и разработки в области искусственного интеллекта и Больших данных.
В условиях полномасштабной цифровизации всех сфер жизнедеятельности общества существенное повышение эффективности противодействия трансформирующейся преступности способна обеспечить упреждающая модель организации оперативно-розыскной деятельности, предусматривающая аналитическую обработку всего объема доступной оперативно значимой информации с целью подготовки материалов для принятия решений о реализации превентивных мер оперативно-розыскного реагирования на изменения оперативной обстановки. Подобные упреждающие модели уже активно внедряются в практику зарубежных правоохранительных органов. Здесь можно упомянуть модель организации разведывательной деятельности (NIM), разработанную Управлением ООН по наркотикам и преступности и основанную на применении аналитических технологий. Аналогичная модель полицейской деятельности на основе оперативных данных и информации, с 2005 г. внедряемая в ОБСЕ, также базируется на анализе оперативной информации, получаемой в результате непрерывного сбора и обработки максимального объема оперативных данных, и формировании аналитических оценок
81
и прогнозов для принятия упреждающих управленческих решений.
Важным условием эффективного функционирования подобных моделей становится полномасштабное информационно-аналитическое обеспечение оперативно-розыскной деятельности, основанное на аналитической обработке всей доступной оперативно значимой информации, поступающей непрерывно. Его организация предполагает выявление в киберпро-странстве стабильных источников информации и каналов ее получения, их упорядочивание и выбор оптимальных процессов обработки информационных потоков. Мониторинг открытых и законспирированных сетевых ресурсов криминальной направленности позволяет обнаруживать признаки подготовки противоправных действий на самых ранних стадиях.
В теории выделяются следующие основные виды применяемой при этом аналитики: описательная, диагностическая, предписывающая, предиктивная. Описательная формирует общую картину произошедшего, диагностическая выявляет его основные причины, предписывающая предлагает варианты действий для достижения ожидаемого результата, а предиктив-ная оценивает варианты развития ситуации в будущем.
Особую популярность в последнее время набирает предиктивная (предсказательная, прогностическая, прогнозная) аналитика, включающая в свой арсенал различные аналитические инструменты, в том числе такие, как искусственный интеллект, технологии машинного обучения, анализ Больших данных. В предиктивной аналитике используется обширная совокупность методов интеллектуального анализа данных, теории игр и статистики, обеспечивающих формирование прогноза, на основе которого принимающие решение руководители могут оценить возможные варианты развития ситуации, что снижает риск принятия малоэффективных или ошибочных решений. Предиктивная аналитика включает этапы сбора данных, их очистки, распознавания кластеров, предсказания последствий. Поскольку достоверность прогноза повышается при увеличении объема включаемых в анализ данных, предиктивная аналитика, как правило, базируется на автоматизированной обработке данных большого объема [3].
Дополнительный импульс совершенствованию информационно-аналитического обеспечения оперативно-розыскной деятельности в
ближайшее время должно придать использование технологий искусственного интеллекта и анализа Больших данных наряду с расширением применения облачных технологий хранения данных и облачных вычислений.
Обсуждая эту тему, нельзя не отметить некоторую неопределенность понятий «искусственный интеллект» и «Большие данные».
Понятие «искусственный интеллект» относится к области знаний, рассматривающей «разработку технологий, позволяющих вычислительным системам действовать таким образом, который напоминает разумное поведение человека». Исследователи считают, что в условиях дефицита знаний о мозге и когнитивном аппарате биологических систем это понятие не поддается более точной, математической формализации [4]. Символический искусственный интеллект выдает решения на основе имеющихся данных и заданных заранее правил. Его развитие сопровождается машинным обучением, при котором на основании анализа правильности решений, принимаемых при известных наборах данных, формируются новые правила.
Под Большими данными сегодня понимают не только информационные массивы, но и технологии их формирования и обработки и применяемые для этого аналитические инструменты. Эти технологии обеспечивают обнаружение скрытых зависимостей на основе анализа колоссальных объемов структурированной и неструктурированной информации, которая поступает из различных источников и извлекается из информационных потоков, а также применение комплекса методов выявления в наборах данных неизвестных ранее знаний, которые могут быть положены в основу принятия практических решений (data mining).
Первичная обработка поступающей информации позволяет отобрать оперативную информацию, пригодную для последующего анализа. Поскольку большое количество нерелевантных данных способно вызывать существенные погрешности прогноза, совокупность отбираемых данных должна проходить очистку от дубликатов и явно недостоверной информации. Кроме того, следует учитывать, что данные могут быть нестабильными во времени, зависеть от факторов среды, а потому важно обеспечить их перманентное обновление [5].
Обогащенная информация поступает в гетерогенное информационное хранилище, к которому могут направляться запросы различного
82
вида. В отличие от обычного реагирования на запросы оперативных подразделений (диагностические, идентификационные, поисковые, прогностические) особую важность приобретают проведение «инициативных аналитических исследований, организация непрерывной обработки потоков информации о происходящих событиях, перемещениях лиц и грузов, денежных переводах и коммерческих сделках с целью выявления в них возможного криминального содержания и предпосылок совершения преступлений» [6]. Такая аналитика, обозначаемая как инициативная, основана на перманентной автоматизированной аналитической обработке оперативно-розыскных информационных массивов и обнаружении появления в них сочетаний данных, указывающих на высокую вероятность подготовки к совершению противоправных действий или принятия мер к их сокрытию. При данном подходе информационные массивы непрерывно участвуют в профилактике преступлений. Дополнительные возможности открывают средства визуальной аналитики, которые наглядно отражают выявленные сложнейшие связи и зависимости в виде, позволяющем пользователю воспринять обнаруженные данные во всей полноте.
Мы уже отмечали, что использование технологий Больших данных может способствовать решению широкого спектра задач оперативно-розыскной деятельности, связанных: со сбором данных об объектах оперативного интереса с фиксацией их активности и связей, формированием «электронного досье»; с выявлением «цифровых следов» («паттернов»), указывающих на появление криминальной угрозы; с оперативным контролем за криминальными группировками [7]. Оперативный контроль на индивидуальном уровне с применением технологий анализа Больших данных обеспечивает «профилирование действий пользователя и выявление аномального поведения. Суть этого подхода состоит в том, что система отслеживает действия человека за определенный период времени, формируя профиль его поведения» [8]. В случаях, когда человек отклоняется от личного стандартного профиля поведения, об этом формируется уведомление. А при разработке комплексов специализированных моделей названные технологии «позволяют "выходить" на возможного исполнителя или заказчика преступления с ориентировкой на его личностные и физические качества, вплоть
до внешнего вида, особенностей характера и поведения» [9]. Они могут быть адаптированы и к решению таких специфических задач, как «анализ материалов уголовных дел для выявления следственных ошибок процессуального и тактического характера, вычленения из массива расследуемых дел признаков серийности, объединения преступлений по схожим признакам» [10].
Анализ Больших данных, максимально учитывая факторы, задающие изменения оперативно-тактической ситуации, обеспечивает прогноз вариантов ее развития и планирование оперативно-розыскного реагирования. Специалисты подтверждают, что «прогностические оценки на основе анализа большого массива рассматриваемой информации позволяют принимать оптимальное решение» [11]. Более того, предиктивная аналитика и в стратегическом плане способствует построению моделей, отражающих вероятность развития оперативной обстановки в регионе, возможность проявления активности организованных криминальных структур, перспективы возникновения новых каналов незаконной поставки наркотиков, оружия [12].
Действительно, перспективы применения новых технологий впечатляют. Однако для того, чтобы сделать их реальными, необходимо решить целый комплекс сложных задач. Так, результативность использования информационно-аналитических технологий в значительной степени зависит от принятия мер правового и организационного характера: создания для беспрепятственного доступа аналитических подразделений к информационным потокам правовых условий, обеспечивающих при этом соблюдение закрепленных Конституцией прав граждан; оптимизации системно-структурного построения подразделений различных уровней, применяющих указанные технологии, при более четком разделении их задач; изменения системы подготовки, переподготовки и повышения квалификации кадров с учетом требований к сотрудникам, специализирующимся по линии аналитического обеспечения оперативно-розыскной деятельности; формирования системы сбора сведений о перспективных разработках в области информационно-аналитических технологий и их внедрения в правоохранительную деятельность.
Специалисты отмечают, что в целом пока не сформировалась практика сбора потенциально полезной информации, повышения ее
83
качества, очистки от недостоверных сведений; информация часто накапливается стихийно, не систематизируется, хранится в недостаточно пригодном для анализа состоянии; отсутствуют проработанные методики применения аналитического инструментария; требования к защите персональных данных препятствуют развитию рынка доступа к информации в виде бирж данных (data exchange) [13]. Необходима целевая программа поддержки государством расширения сети открытых источников оцифрованных данных и законодательное закрепление механизмов их развития и обеспечения приоритетного доступа к ним правоохранительных органов. Стоит отметить, что среди специалистов продолжаются споры о целесообразности выделения единого государственного оператора Больших данных, причем сторонники такой меры обосновывают ее необходимость тем, что Большие данные следует относить к национальному ресурсу, требующему охраны со стороны государства и правового регулирования процедур доступа и использования. В конце 2018 г. в Государственную Думу направлен законопроект, призванный регламентировать процессы обработки Больших данных [14]. Он, в частности, предполагает создание единого государственного оператора Больших данных. Следует также отметить, что в 2018 г. в России образована Ассоциация участников рынка Больших данных3.
Интенсивное обновление программного обеспечения и аппаратных комплексов, реализующих указанные технологии, их высокая стоимость формируют жесткие требования к системе выбора и внедрения аналитического инструментария. Такая система должна предусматривать постоянное и глубокое изучение рынка соответствующего программного обеспечения. Этот рынок уже предлагает значительное количество решений в сфере анализа Больших данных4, но не все из них могут быть успешно адаптированы к использованию в опе-
3 В ассоциацию вошли «Мегафон», Mail.ru Group, «Яндекс», OneFactor, «Тинькофф Банк», ПАО «Сбербанк». Основная цель -создание условий для развития технологий и продуктов в этой сфере, разработка единых стандартов обработки, хранения, передачи и использования Больших данных. В качестве приоритетных задач названы выработка бизнес-ориентированной стратегии развития рынка Больших данных, повышение технической и операционной эффективности взаимодействия участников отрасли, а также формирование кодекса этики для защиты интересов пользователей.
4 В различных сферах уже применяется широкий спектр средств работы с Большими данными, таких как IBM i2, Aster MapReduce appliance, Oracle Big Data appliance, Greenplum appliance, Apache Flink, Apache Kafka Streams и др.
ративно-розыскной деятельности. Квалифицированный отбор оптимального инструментария для включения в арсенал оперативных подразделений под силу только опытным специалистам. Полагаем, что эту задачу мог бы решать специально созданный экспертный совет, основной целью которого стала бы выработка и реализация единой политики отбора, адаптации, внедрения и развития информационных систем оперативно-розыскного назначения, разработки методического обеспечения к ним. Добавим, что стратегия оснащения соответствующих подразделений программно-техническими средствами должна предусматривать: полную инвентаризацию применяемых в настоящее время разноформатных программ и баз данных; определение их совместимости; принятие мер к интеграции в единую систему; разработку единых требований к принимаемым на вооружение новым средствам с точки зрения обеспечения их совместимости. Контроль за этими процессами также мог бы осуществлять экспертный совет.
Основу для предупредительной деятельности оперативных подразделений органов внутренних дел с применением технологий Больших данных должен обеспечить доступ на постоянной основе к информационным массивам различных субъектов (операторов связи; провайдеров сетевых ресурсов; агрегаторов данных из социальных сетей; операторов информационных систем государственных органов и коммерческих структур). С учетом этого возрастает важность совершенствования правового регулирования полномочий полиции и регламентации процедур доступа к названным информационным системам в интересах предупреждения, раскрытия и расследования преступлений.
Стоит учитывать, что внедрение технологий Больших данных потребует не только пересмотра многих устоявшихся подходов к организации информационных процессов, но и определенного изменения сложившейся системы информационного взаимодействия оперативных подразделений. К перспективным направлениям информационно-аналитического обеспечения оперативно-служебной деятельности относится и формирование единого информационного пространства оперативных подразделений. Важно обеспечить скоординированное межведомственное и внутриведомственное взаимодействие с использованием систем обмена оперативной информацией,
84
предусматривающих высокую степень защиты циркулирующей в них информации. В связи с этим стоит обратить внимание на опыт эксплуатации системы Palantir, которая в США «используется ЦРУ, ФБР и АНБ и объединяет базы данных более 200 корпораций и 70 спецслужб мира» [15].
Проекты по внедрению технологий Больших данных требуют существенных финансовых инвестиций (по оценке специалистов, средняя величина инвестиций в инициативы в этой области для крупных предприятий составляет 13,9 млн [16]). С учетом этого целесообразно использовать механизмы привлечения дополнительных ресурсов через взаимодействие с бизнес-сообществом в форме государственно-частного партнерства [17]. В зарубежной практике есть примеры, когда крупные IT-ком-пании (в частности, IBM, Google, Amazon) вкладывают значительные суммы (до 3,5 млрд долларов) в систему обучения полицейских основам добывания информации в цифровой среде и участвуют в Консорциуме поддержки модернизации полиции, созданном на принципах государственно-частного партнерства и осуществляющем разработку и внедрение программно-аппаратных решений для полиции.
Важнейшим условием повышения эффективности применения информационно-аналитических технологий следует признать наличие соответствующего кадрового потенциала. Компетенциями по обнаружению цифровых источников оперативно значимой информации в современных условиях уже обязан обладать практически каждый сотрудник органов внутренних дел. Для реализации этого требования совершенствование и внедрение новых образовательных программ должно соответствовать темпам развития информационных технологий и сопровождаться расширением перечня необходимых компетенций. С учетом этого в образовательных организациях МВД России вводятся специальные дисциплины, для качественного наполнения которых привлекаются специалисты из практических подразделений и фирм - разработчиков программного обеспечения и оборудования. Более сложной задачей представляются подготовка,
переподготовка и повышение квалификации аналитиков, глубоко понимающих специфику оперативно-розыскной деятельности, способных обоснованно и методически грамотно применять специализированный инструментарий и квалифицированно представлять руководителю результаты анализа. К решению этой задачи могут привлекаться ученые профильных образовательных организаций, таких как МГТУ им. Н.Э. Баумана, где осуществляется подготовка специалистов по магистерской программе «Компьютерный анализ и интерпретация Больших данных». Кроме того, аналитические подразделения испытывают потребность в специалистах по облачным вычислениям, искусственному интеллекту, машинному обучению, которых следует искать среди выпускников технических вузов.
Отметим, что Академия управления МВД России «заключила ряд соглашений о совместной деятельности с организациями, имеющими высокие компетенции в сфере обеспечения информационной безопасности, предметом которых являются организация сотрудничества в целях повышения профессионального уровня сотрудников (работников), взаимного обмена учебными, методическими, научными, статистическими, аналитическими и другими материалами, проведения совместных научных исследований, представительских мероприятий, мастер-классов, реализации образовательных программ» [18]. Аналогичные действия предпринимаются в Московском университете МВД России им. В.Я. Кикотя, Краснодарском университете МВД России, Воронежском институте МВД России.
В завершение нельзя не упомянуть роль научного обеспечения в решении названных и иных проблем применения информационно-аналитического инструментария в оперативно-розыскной деятельности. Серьезная научная поддержка полного перехода на упреждающую модель оперативно-розыскного обеспечения противодействия преступности, на наш взгляд, предполагает формирование специализированных междисциплинарных научных коллективов для комплексного исследования соответствующих проблем.
85
1. The Digitization of the World. URL: https:// www.seagate.com/ru/ru/our-story/data-age-2025/
2. Как работает Google. URL: http://seohard. com/how-google-works/
3. Брускин С.Н. Модели и инструменты предиктивной аналитики для цифровой корпорации // Вестн. РЭУ им. Г.В. Плеханова. 2017. № 5(9).
4. Шефтелович Д. Р. Искусственный интеллект: время слабых // Международные и социальные последствия использования технологий искусственного интеллекта. М., 2018.
5. Макаров С.М., Губарев А.М. Применение и перспективы прогностической аналитики // Теория. Практика. Инновации. 2018. № 4.
6. Овчинский А.С., Кондратьев В.Д., Борзу-нов К.К. Информационно-аналитическое сопровождение ОРД в цифровом мире // Вестн. Моск. ун-та МВД России. 2018. № 5.
7. Осипенко А.Л. Новые технологии получения и анализа оперативно-розыскной информации: правовые проблемы и перспективы внедрения // Вестн. Воронеж. ин-та МВД России. 2015. № 2.
8. Ляпунов И. Дырявый щит и большие данные: как меняется кибербезопасность в эпоху слияния онлайн и оффлайн?//Forbes. 2017. 3 мая. URL: http://www.forbes.ru/
9. Борзунов К. К. Кибераналитика в обеспечении антикриминальной безопасности // Вопросы кибербезопасности. 2017. № 2(20).
10. Бахтеев Д. В. Искусственный интеллект в криминалистике: состояние и перспективы использования // Российское право: образование, практика, наука. 2018. № 2(104).
11. Гарманов В.М. Использование систем управления силами и средствами полиции в деятельности по предупреждению преступлений и в процессе обучения сотрудников полиции // Юридическая наука и правоохранительная практика. 2017. № 2(40).
12. Яковец Е.Н. Проблемы аналитической работы в оперативно-розыскной деятельности органов внутренних дел. М., 2005.
13. Митрович С. Рынок «больших данных» и их инструментов: тенденции и перспективы в России // МИР (Модернизация. Инновации. Развитие). 2018. Т. 9. № 1.
14. В Госдуму внесен законопроект о регулировании больших данных. URL: https://www. vestifinance.ru/articles/109022
15. Киберугрозы отразят из центра: ФСБ создаст центры по борьбе с киберпреступно-
1. The Digitization of the World. URL: https:// www.seagate.com/ru/ru/our-story/data-age-2025/
2. How does Google work. URL: http://seohard. com/how-google-works/
3. Bruskin S.N. Models and tools of predicting analytical research for digital corporation // Vestnik of the Plekhanov Russian university of economics. 2017. № 5(9).
4. Sheftelovich D.R. Artificial intelligence: time of weak // The international and social consequences of using artificial intelligence technologies. Moscow, 2018.
5. Makarov S.M., Gubarev A.M. Application and prospects of predictive analytics // Theory. Practice. Innovations. 2018. № 4.
6. Ovchinskiy A.S., Kondratiev V.D., Borzunov K.K. Information-analytical support of the ORD in the digital world // Bull. of Moscow university of Russian MIA. 2018. № 5.
7. Osipenko A.L. New technologies of obtaining and analyzing operational investigative information: legal problems and implementation prospects // Bull. of Voronezh institute of Russian MIA. 2015. № 2.
8. Lyapunov I. Board full of holes and big data: how does cyber security change in the epoch of merging online and offline? // Forbes. 2017. May 3. URL: http://www.forbes.ru/
9. Borzunov K.K. Cyberanalytics in ensuring anti-criminal safety // Cyber security issues. 2017. № 2(20).
10. Bahteev D.V. Artificial intelligence in forensic science: state and prospects of use //Russian law: education, practice, science. 2018. № 2 (104).
11. Garmanov V.M. The use of police force control systems in crime prevention activities and in the process of police training // Jurisprudence and law enforcement practice. 2017. № 2 (40).
12. Yakovets E.N. Problems of analytical work in the operational-search activity of the internal affairs bodies. Moscow, 2005.
13. Mitrovich S. The market of «big data» and their tools: trends and prospects in Russia // MIR (Modernization. Innovations. Research). 2018. Vol. 9. № 1.
14. The State Duma introduced a bill to regulate big data. URL: https://www.vestifinance.ru/ articles/109022
15. Cyber threats will be reflected from the center: the FSB will create centers for combating cybercrime // Gazeta.ru. 2015. March 20. URL: https://www.gazeta.ru/business/ 2015/03/19/6605401.shtml
86
стью //Газета.ру. 2015. 20 марта. URL: https:// www.gazeta.ru/business/2015/03/19/6605401. shtml
16. Неправский А.А. Особенности внедрения и использования Big Data в различных областях деятельности // От идеи к воплощению: сб. науч. ст. участников конф. Минск, 2016.
17. Осипенко А.Л. Об участии органов внутренних дел в системе обеспечения кибер-безопасности Российской Федерации //Общество и право. 2018. № 3(65).
18. Гаврилин Ю.В. Участие негосударственных организаций в выявлении, раскрытии и расследовании преступлений // Академическая мысль. 2018. № 3(4). С. 26-29.
16. Nepravsky A. A. Features of the implementation and use of Big Data in various areas of activity // From idea to realization: coll. of sci. papers of participants of conf. Minsk, 2016.
17. Osipenko A.L. About participation of law-enforcement agencies in the system of ensuring cyber security of the Russian Federation // Society and law. 2018. № 3(65).
18. Gavrilin Yu.V. The participation of nongovernmental organizations in the identification, detection and investigation of crimes // Academic thought. 2018. № 3(4). P. 26-29.
СВЕДЕНИЯ ОБ АВТОРЕ
Осипенко Анатолий Леонидович, доктор юридических наук, профессор, заместитель начальника Краснодарского университета МВД России по научной работе; тел.: +78612584050.
INFORMATION ABOUT AUTHOR
A.L. Osipenko, Doctor of Law, Professor, Deputy Head on Scientific Work of the Krasnodar University of the Ministry of the Interior of Russia; ph.: +78612584050.
87
