CC BY
348УДК 343.85+004.8 А. Ю. Гордеев
Белгородский юридический институт МВД России имени И. Д. Путилина
Перспективы развития и использования искусственного интеллекта и нейросетей для противодействия преступности в России (на основе зарубежного опыта)
АННОТАЦИЯ. Введение. В современном мире стремительно развиваются информационные технологии, искусственный интеллект, растут объемы информации, скорость ее обработки и передачи. При совершении преступлений правонарушители активно используют различные информационные системы. Для эффективного выполнения своих функций правоохранительные органы должны использовать самые современные технологии и технические средства. Ручная обработка большого объема криминалистической, розыскной и оперативно-справочной информации, находящейся на серверах МВД России и в других ведомствах, требует больших временных затрат. В статье раскрываются виды и основные сферы применения автоматизированных систем с искусственным интеллектом.
Цели и задачи. Повышение эффективности предупреждения, раскрытия и расследования преступлений в перспективе должно основываться на использовании искусственных информационно-аналитических систем на базе нейросетей.
Методология. Особое внимание уделяется применению информационных систем и нейросетей в деятельности полиции по противодействию преступности в России с учетом имеющегося зарубежного опыта (США, Китай, Англия, Индия, Нидерланды). Приводятся примеры применения комплексных правительственных программ по использованию нейронных сетей в предугадывании преступного поведения потенциальных правонарушителей и их жертв, контроля за их поведением. Обращается внимание на китайский опыт полной блокировки внешних интеренет-ресурсов, контроля соцсетей и передвижений граждан с помощью тотального видеонаблюдения и смартфонов. Рассматриваются примеры использования нейросетей для анализа большого массива оперативной, справочной и процессуальной информации, установления связи серийных преступлений, контроля за лицами, условно осужденными или в отношении которых установлен административный надзор, контроля карантинных ограничений, борьбы с киберпреступлениями, розыска и идентификации без вести пропавших лиц, подозреваемых и лиц, скрывшихся от правосудия, в реальном времени с помощью видеонаблюдения и социальных сетей. Обращается внимание на проблемы правового обеспечения использования данных систем, затрагивающие отдельные конституционные права и свободы граждан на неприкосновенность личной жизни, тайну переписки, банковскую и медицинскую тайны, персональные данные.
Выводы и практическое значение. Обосновывается необходимость разработки программно-аппаратной базы на основе нейросетей для ввода полной информации о правонарушениях и преступлениях путем сканирования материалов уголовных дел, материалов об административных правонарушениях, данных о подозреваемых. Предлагаются отдельные меры по совершенствованию и объединению указанных систем, в частности совмещению информационно-аналитических баз и учетов правоохранительных органов на базе Главного информационно-аналитического центра МВД России.
КЛЮЧЕВЫЕ СЛОВА: искусственный интеллект, нейронные сети, информационные системы, противодействие преступности, профилактика правонарушений, контроль за гражданами, видеонаблюдение.
ДЛЯ ЦИТИРОВАНИЯ: Гордеев А. Ю. Перспективы развития и использования искусственного интеллекта и нейросетей для противодействия преступности в России (на основе зарубежного опыта) // Научный портал МВД России. 2021. № 1 (53). С. 123-135.
A. Yu. Gordeev
Putilin Belgorod Law Institute of Ministry of the Interior of Russia
Prospects for the development and use of artificial intelligence and neural networks to counter crime in Russia (based on foreign experience)
ABSTRACT. Introduction. In the modern world, information technologies and artificial intelligence are developing quite rapidly. The volume of information, the speed of its processing and transmission are growing. To commit crimes, offenders actively use various information systems. In order to effectively perform their functions, law enforcement agencies must use the most modern technologies and technical means to carry out their various tasks, preventing criminals from getting too far ahead in this confrontation. Manual processing of a large volume of forensic, investigative and operational reference information located on the servers of the Ministry of Internal Affairs of Russia and in other
departments requires a lot of time. The article reveals the types and main areas of application of automated systems with artificial intelligence.
Goals and objectives. Improving the effectiveness of crime prevention, detection and investigation in the future should be based on the use of artificial information and analytical systems based on neural networks.
Methodology. Special attention is paid to the use of information systems and neural networks in the activities of the police to combat crime in Russia, taking into account the existing foreign experience (USA, China, England, India, the Netherlands). Examples of the use of complex government programs on the use of neural networks in predicting the criminal behavior of potential offenders and their victims, and monitoring their behavior are given. Attention is drawn to the Chinese experience of completely blocking external Internet resources, controlling social networks and citizens' movements with the help of total video surveillance and smartphones. Russian examples of the use of neural networks for analyzing a large array of operational, reference and procedural information, establishing links between serial crimes, monitoring persons on probation or who are subject to administrative supervision, monitoring quarantine restrictions, combating cybercrime, searching for and identifying missing persons, suspects and fugitives in real time using video surveillance and social networks are considered. Attention is drawn to the problems of legal support for the use of these systems, which affect certain constitutional rights and freedoms of citizens to privacy, privacy of correspondence, banking and medical secrets, and personal data.
Conclusions and practical significance. The necessity of developing a software and hardware base based on neural networks for entering complete information about offenses and crimes by scanning materials of criminal cases, materials on administrative offenses, data on suspects is justified. Some measures are proposed to improve and integrate these systems, in particular, the combination of information and analytical bases and records of law enforcement agencies on the basis of the Main Information and Analytical Center of the Ministry of Internal Affairs of Russia.
KEYWORDS: artificial intelligence, neural networks, information systems, crime prevention, crime prevention, monitoring of citizens, video surveillance.
FOR CITATION: Gordeev A. Yu. Prospects for the development and use of artificial intelligence and neural networks to counter crime in Russia (based on foreign experience) // Scientific portal of the Russian Ministry of internal Affairs. 2021. № 1 (53). P. 123-135 (in Russ.).
Современный век - это век информационных технологий. Причем эти технологии развиваются достаточно стремительно. Растут объемы информации, скорость ее обработки и передачи. Искусственный интеллект (далее - ИИ) достаточно успешно заменяет человека во многих отраслях производства, в коммерческой деятельности и в некоторых сферах жизнедеятельности человека. Компьютерные системы и роботы постепенно вытесняют человека не только на заводах, предприятиях и в сельском хозяйстве, но и в сферах, где ведется работа с большим объемом не всегда однообразной информации. Это - банковская деятельность, бухучет, юриспруденция, госуслуги, военные технологии, реклама, страхование и т. д. Наиболее социально значимая деятельность, отвечающая за общественный порядок и безопасность как одного гражданина, так и государства в целом, - это, безусловно, правоохранительная деятельность. От эффективности деятельности правоохранительных органов зависит надежность охраны жизни и здоровья наших граждан, их собственности, а также защита других критически значимых для государства объектов.
Для эффективного выполнения своих функций правоохранительные органы должны использовать самые современные технологии и технические средства. Преступники не жалеют средств на разработку (приобретение) компьютерных программ и технических средств, которые могут помочь им в преступной деятельности. Это могут быть и суперсовременные компьютеры, средства
связи (с зашифрованными каналами), компьютерные программы, написанные хакерами для выполнения конкретных противоправных целей (программы-вымогатели, «троянские кони», вирусы-уничтожители и т. д.).
Сегодня в связи с большим объемом криминалистической, розыскной и оперативно-справочной информации, находящейся на серверах МВД России и в других ведомствах, уже недостаточно использовать электронные базы в пассивном режиме - «сделал запрос и получил ответ». Сама электронная система на основе введенных в нее данных обобщает и анализирует различную информацию, имеющуюся в банке данных ведомственных организаций (МВД, ФСИН, ФСБ и т. д.), в сети Интернет (доски объявлений, социальные сети), а также получаемую в онлайн-ре-жиме через вебкамеры, расположенные в любой точке мира. Осуществляется все это благодаря ИИ, который приходит на смену человеку-оператору. Это существенно снижает как временные, так и финансовые затраты на розыск похищенного имущества, поиск лиц, совершивших правонарушения и скрывающихся от правоохранительных органов, обнаружение и своевременное задержание лиц, покушающихся на совершение преступления. Все эти операции возможны благодаря использованию нейронных сетей.
ИИ и нейронные сети - это современные инструменты, применяемые в науке и технике. ИИ -зонтичный термин, включающий в себя довольно много разных инструментов, связанных с нейро-
сетями, большими данными и машинным обучением. Нейронные сети, или нейросети, - это упорядоченная система взаимодействующих друг с другом процессов, работающих над выполнением одной задачи. Они способны работать в группе, учитывать предыдущий опыт работы и тем самым добиваться больших успехов.
Нейронные сети можно эффективно использовать, когда мы имеем сложные данные с большим количеством отличающихся признаков и хотим, чтобы модель умела обобщать новые данные и корректно решать задачу. Системе приходится иметь дело с входящими и исходящими сигналами. Сигналы принимаются и передаются каждому нейрону, и это объединяет их в одну сеть.
Нейронная сеть - это один из программных механизмов, который позволяет компьютерной программе обучаться, т. е. учитывать опыт. Чем больше подходящих для обучения данных имеется, тем, как правило, лучше (при условии, что распределение данных по содержанию схоже с тем, с которым вы намерены сталкиваться уже при рабочей, обученной программе).
Нейронные сети - нелинейный метод, попросту говоря, они способны находить сложные, едва уловимые зависимости между отдельными свойствами данных. Ведь есть и другие методы, которые позволяют программе учиться. Это и делает их похожими на человеческий мозг (хоть и примитивный).
Нейросети и сегодня влияют на нашу жизнь и, быть может, даже больше, чем мы думаем. Именно они решают, дать нам кредит в банке
или отказать, какой фильм или музыка нам может понравиться и какую рекламу нам показать, анализируя наш серфинг Интернета, а быть может, и подслушивая за нами через телефон. Пример этому - помощник Алиса в Яндексе или Сири в Apple, которые работают не на классических алгоритмах, а на множестве нейронов. Именно нейросети распознают нашу речь, когда мы спрашиваем что-то у Google. ИИ на основе нейросетей все больше вытесняет работников техподдержки в банках и других компаниях, отвечая на стандартные вопросы пользователей.
Перед тем как рассмотреть возможности использования нейросетей в деятельности правоохранительных органов, необходимо коротко описать их виды и принципы работы. Каждая сеть обладает особыми характеристиками, которые можно применять в том или ином случае.
Появление стандартизированных библиотек, размеченных дата-сетов в открытом доступе может кардинально изменить ситуацию. И тогда преступления с использованием нейросетей могут войти в жизнь обычного пользователя. А значит, думать об этих угрозах надо уже сейчас1.
Причина, почему нейронные сети стали так востребованы, заключается в серьезном развитии мощностей вычислительной техники и программного обеспечения.
Исследовательские университеты, коммер-
1 См.: Преступная нейросеть. Могут ли хакеры обратить во зло искусственный интеллект. Ш_ : https://nplus1.ru/ material/2019/09/09/are-criminal-networks-real (дата обращения : 08.03.2020).
Таблица
Типы нейронных сетей
Нейронная сеть Принцип применения Обучение с учителем (+), без учителя (-), смешанное (с) Сфера применения
Перцептрон Розенблатта Распознание образов, принятие решений, прогнозирование, аппроксимация, анализ данных + Практически любая сфера применения, кроме оптимизации информации
Хопфилда Сжатие данных и ассоциативная память - Строение компьютерных систем
Кохонена Кластеризация, сжатие данных, анализ данных, оптимизация - Финансы, базы данных
Радиально-базисных функций (RBF-сеть) Принятие решений и управление, аппроксимация,прогнозирование с Управленческие структуры, нейроуправление
Сверточная Распознание образов + Обработка графических данных
Импульсная Принятие решения, распознавание образов, анализ данных с Протезирование, робототехника, телекоммуникации, компьютерное зрение
ческие корпорации, обучающие центры - применение искусственных нейросетей затронуло практически каждый аспект жизни человека, в том числе и правоохранительную сферу.
Браузеры Яндекс и Google уже давно используют нейронные сети для обучения собственных поисковых систем, которые вполне успешно адаптируются под конкретного пользователя, запоминают его предпочтения и выдают максимально релевантные результаты. Тот же принцип применяется и в контекстной и тарге-тированной рекламе.
Системы распознавания речи достигли такого уровня, что позволяют распознать вопрос и предоставить информацию по нему или выполнить ту или иную команду, функцию. Эти голосовые ассистенты внедряются в технику, поэтому мы можем голосом попросить включить медленную музыкальную композицию, притушить свет в комнате, открыть окно на проветривание и поставить таймер на приготовление еды в мультиварке.
Нейросети сейчас активно использует Google - одна из ведущих компаний по внедрению новейших технологий. В нем есть функция мгновенного автоперевода. Google сегодня при помощи специального алгоритма и нейронных сетей сделал в своем переводчике новую функцию - мгновенный перевод текста в режиме реального времени. Для этого надо всего лишь навести камеру смартфона на текст. Ней-росеть обрабатывает каждый знак в отдельности, даже несмотря на плохое качество, размытие, мудреный шрифт. После система быстро превращает знаки в слова, слова связывает в предложения, а человек мгновенно получает готовый перевод.
Автономное управление автомобилем без участия водителя - это уже реальность сегодняшнего дня. В будущем, скорее всего, нам самим не придется садиться за руль. Ведь для этого будет создана система беспилотного управления автомобилем. И помогут в этом сверхтехнологичные нейросети. Благодаря нейронной сети, что входит в комплекс систем автономного управления, автомобиль может передвигаться в автоматическом режиме, без водителя соблюдая все правила дорожного движения, различая дорожную разметку, знаки, пешеходов, другие машины, принимая решение, каким образом ему следует прокладывать путь. Одна нейросеть переводит окружающий мир в 3й-модель, а другая - управляет автомобилем вместо человека.
На данный момент подобными беспилотными разработками занимаются несколько крупных автомобильных компаний, такие как Audi или
Tesla. В той же области изучают работу нейросетей Uber, Google и российский Яндекс.
Работа с графикой - еще одно из популярных направлений нейросети. С ее помощью можно прогонять фотографии через специальные приложения, накладывать множество фильтров на фото и видео, используя дополнительную реальность. На выходе можно получить эффекты молодости, старения, смены пола и прочие функции вполне качественного автоматического фотошопа.
Рассмотрев физическую природу и возможности нейросетей, сосредоточим внимание на их использовании в правоохранительной сфере.
Изначально нейросети предназначены для распознавания различных образов. В том числе они могут выводить статистику и строить логическую связь между событиями. Эта способность компьютерной программы позволяет ей выявлять и устанавливать факты коррупции. Так, например, испанские ученые на основе нейро-сетей создали специальную программу, которая, осуществив анализ разных официальных документов, может устанавливать факты коррупции. Это помогает контролировать преступность во многих провинциальных регионах.
Также нейросети помогают распознавать махинации с кредитными картами и часто используются в банковской сфере для выявления мошенников. В частности, такие системы безопасности стоят на вооружении отдельных отечественных банков (Сбер, ВТБ).
С 2013 г. Чикагский полицейский департамент сотрудничает с Иллинойским технологическим институтом и RAND Corporation для реализации Стратегического списка субъектов, который использует алгоритм для ранжирования и идентификации людей, наиболее вероятных в качестве исполнителей или жертв насилия с применением огнестрельного оружия, на основе таких данных, как предыдущие аресты за наркотики, принадлежность к банде и возраст на момент последнего ареста. «Прогностическая полиция», анализируя Стратегический список субъектов, показала, что определяемые алгоритмом люди просто чаще подвергались аресту. В указанный Список попали 426 человек, которых полиция считает мишенью для профилактических социальных служб2.
К моменту публикации исследования RAND чикагская полиция уже внедрила новую версию Списка, однако еще не решен ряд вопросов, в
2 См.: Козина Е. Нейронные сети и уголовное право. URL : https://zakon.ru/blog/2019/06/08/nejronnye_seti_i_ugolovnoe_ pravo (дата обращения : 08.03.2020).
том числе нет указаний для сотрудников о том, как взаимодействовать с лицами, включенными в Список, какие социальные службы следует задействовать. В целом, как показало исследование, полиция просто усилила свое взаимодействие с целевыми субъектами - фактор, который, как известно, способствует полицейскому насилию и ограничению гражданских прав и свобод.
Уголовные суды в США используют алгоритм ООМРАЭ компании ыогшро^э, который предназначен для прогнозирования вероятности правонарушителя совершить еще одно преступление в будущем. В мае 2016 г. РгоРиШ^ опубликовала исследование эффективности алгоритма в прогнозировании рецидивизма и обнаружила, что афроамериканцы на 77 % чаще прогнозируются для совершения насильственного преступления и на 45 % больше - для совершения любого преступления. Проведенный эксперимент во Флоридском округе Бровард также показал, что могшро^э не является эффективным предсказателем, в целом только 20 % предсказанных людей совершили насильственное преступление [4, р. 18].
Используемые в нейросетях алгоритмы по определению преступников запатентованы разработчиками, однако работают по общему принципу: собрать максимальное количество доступных данных (местоположение, сведения о судимостях, активность в социальных сетях) и на их основе построить предположения относительно того, какие люди или объекты могут оказаться замешанными в преступлении. Таким образом работает и сервис Palantir, которому еще в 2013 г. администрация Нового Орлеана предоставила доступ к базе АссипП от компании LexisNexis, содержащей миллионы архивных документов и судебных записей, водительских удостоверений, адресов, телефонных номеров и данных из социальных сетей.
Нейронная сеть устанавливает на основе этой информации связи между людьми, местами и событиями. После ввода запроса - части номерного знака, никнейма, адреса, номера телефона, имени или поста в соцсети - полицейский изучает информацию, собранную Palantir, и на основании связей с известными жертвами и преступниками определяет, кто с большей вероятностью совершит преступление или пострадает от него. Затем полиция использует сформированный Palantir список потенциальных жертв и нарушителей закона, чтобы следить за частными лицами в рамках городской программы «прекращение огня». В ходе этой программы правоохранительные органы информируют потенциальных нарушителей с уголовным прошлым о том, что им
известно их прошлое и в случае рецидива их привлекут к ответственности с максимально строгим наказанием. Если субъекты согласятся сотрудничать, их приглашают на обязательную встречу в рамках условно-досрочного освобождения, где им предложат профессиональное обучение, образование, потенциальное трудоустройство и услуги здравоохранения.
В 2014 г. на конференции Palantir утверждалось, что алгоритм может установить 30-40 % будущих жертв. Однако на практике статистически не наблюдалось значительного сокращения числа убийств, хотя их незначительное сокращение совпало с временем реализации данного проекта. Таким образом, заявленный городскими властями эффект от проекта по анализу данных и вмешательству в частную жизнь граждан не привел к ожидаемому сокращению насильственных преступлений3.
Помимо профилактики правонарушений и преступлений, автоматизированные системы помогают обеспечивать их раскрытие и расследование. Элементы ИИ уже активно используются при разработке и внедрении экспертных систем, автоматизированных баз данных, которые предполагают самостоятельный комплексный анализ входящих сообщений и принятие на их основе взвешенных решений в условиях неполной, фрагментированной информации.
В связи с этим национальная полиция Голландии активно использует ИИ в ходе расследования преступлений, который существенно сокращает время производства по делу. Особая программа самостоятельно изучает и разбирает материалы дел, анализирует имеющиеся улики и определяет вероятный уровень сложности дела. Документы загружаются в компьютер в печатном или отсканированном виде. И искусственная ней-росеть самостоятельно вместо недели-двух за пару дней выполняет всю рутинную работу. Ней-росети в Голландии подключены к национальной базе ДНК, а поэтому могут обнаружить общие детали в разных, казалось бы, делах и найти недостающие улики. В настоящий момент ИИ изучил более 1,5 тыс. уголовных дел, хранящихся на 30 млн печатных страниц. Подобная система не только выполняет механическую работу, но и способна видеть связь между определенными событиями, позволяя выявлять серийные преступления.
3 См.: Исследователи из Стэнфорда предупреждают, что американские полицейские уже используют ИИ, чтобы остановить преступления, прежде чем они произойдут. URL : http://thefreethoughtproject.com/pre-crime-cops-ai (дата обращения : 08.03.2020).
Информация о преступлениях и различных категориях лиц, представляющих интерес для органов, осуществляющих правоохранительную деятельность, в системе Министерства внутренних дел Российской Федерации содержится в Главном информационно-аналитическом центре МВД России (далее - ГИАЦ МВД России), информационных центрах на региональном уровне, а также в экспертно-криминалистических подразделениях4 на территориальном, региональном, межрегиональном и федеральном уровнях и в подразделениях оперативно-разыскной информации5.
В российской практике раскрытия и расследования преступлений также используются автоматизированные информационно-поисковые системы, позволяющие получать информацию о возможных направлениях расследования:
«Блок», обеспечивающая информационное криминалистическое сопровождение расследования экономических преступлений;
«Маньяк», обеспечивающая получение информации при расследовании серийных убийств;
«Спрут», помогающая установить контактные связи преступников;
«Сейф», в которой систематизируется информация о хищениях денежных средств из хранилищ;
географическая информационная система «Зеркало», оперирующая пространственными (фактографическими и статистическими) данными, и др.
Подобные экспертные системы способствуют повышению эффективности управления путем автоматизации деятельности и функционирования правоохранительных органов, позволяют значительно снизить временные затраты на принятие решений в рамках конкретной ситуации, связанной с правом, обеспечивают улучшение качества и проработанности принимаемого решения.
Объем генерируемой информации таков, что попытки анализа и изучения информации даже в относительно небольшом сегменте сети Интернет, например в национальном домене верхнего уровня для России «.ги», силами отдельных людей или подразделений правоохранительных органов существенно затруднены.
Часть информации, которая могла бы также использоваться для противодействия экономи-
4 См.: Об организации использования экспертно-кри-миналистических учетов органов внутренних дел Российской Федерации : приказ МВД России от 10 февр. 2006 г. № 70 // СПС Гарант.
5 См.: О некоторых вопросах организации оперативно-розыскной деятельности в системе МВД России : приказ МВД России от 19 июня 2012 г. № 608 // СПС Гарант.
ческой или насильственном преступности, содержится в базах данных других министерств и ведомств (например, информация о банковских транзакциях, медицинских диагнозах наркозависимых или лиц, имеющих психические патологии, данные об условно осужденных и т. д.).
В связи с этим отечественными авторами предлагается использовать искусственные нейронные сети в ходе раскрытия и расследования преступлений по следующим направлениям.
1. Оценка исходной информации по уголовному делу в целях выдвижения простых и комплексных следственных версий, определение направлений их проверки.
2. Моделирование события преступления и его следовой картины на основе неполных данных и предшествующего «опыта», охватывающего большой массив уголовных дел.
3. Выявление признаков серийности в условиях информационной недостаточности и предложение вариантов действий следователя по проверке перспективных следственных версий.
4. Увеличение эффективности почерковед-ческих и габитоскопических исследований: к настоящему времени наиболее перспективным направлением развития искусственных нейронных сетей считается распознавание образов, что может позволить, к примеру, автоматизацию выявления признаков подлога документов.
5. Поиск недоступных криминалистическому программному обеспечению компьютерных файлов, сокрытых, например, при помощи стеганографии или альтернативных потоков данных (ADS), установление первичного источника информации в сети Интернет.
Доступ к информационным массивам и базам данных российских правоохранительных органов регламентирован соответствующими приказами. Запросы в зависимости от их видов направляются в разные органы, формы их оформления отличаются. Программное обеспечение и технические возможности подразделений тоже могут отличаться. Указанные факторы могут привести к потере оперативности при проведении оперативно-розыскных мероприятий и следственных действий, что существенно снижает эффективность такой деятельности.
В связи с этим с учетом международного опыта (Интерпола и ФБР) необходимо максимально унифицировать формы запросов, базы данных и оперативно-справочные учеты всех подразделений правоохранительных органов (ИЦ, ЭКЦ, ПОРИ, судов, ФСИН, СК, ФСБ), обеспечить равные технические возможности для всех подразделений. Это, на наш взгляд, существенно повы-
сит результативность предпринимаемых усилий государственных органов в борьбе с преступностью. Такую полную информационную базу целесообразно разместить в ГИАЦ МВД России, который обладает для этого всеми техническими возможностями.
Полагаем, что в России также необходимо апробировать опыт голландских коллег, о котором мы написали выше. В этих целях сотрудники территориальных подразделений ОВД должны будут сканировать материалы об административных правонарушениях и документы по уголовным делам, а также иную информацию о правонарушителях, полученную в ходе административной деятельности, ОРМ, процессуальной деятельности, судебные приговоры и т. д. Сюда можно включить и первичную информацию - заявления потерпевших, объяснения свидетелей, протоколы процессуальных действий, проводимых до возбуждения уголовного дела.
Целесообразно в создаваемую базу включить биометрические данные задержанных, подозреваемых и осужденных лиц. Дело в том, что уголовное дело, возможно, и не будет возбуждено по результатам первоначальной проверки в связи с отсутствием объективных данных, указывающих на признаки преступления, либо в силу нехватки высококвалифицированных кадров. Соответственно сотрудником будет принято решение об отказе в возбуждении уголовного дела, а материалы по нему уйдут в архив или в корзину, хотя в дальнейшем данное постановление может быть отменено в ходе ведомственного, судебного контроля или прокурорского надзора. А улики и необходимая информация, полученные по горячим следам, к этому времени могут быть утрачены.
Отсканированную информацию необходимо архивировать и, подписав электронной подписью, по защищенным каналам связи (например, СЭДу) отправлять в ГИАЦ МВД России для анализа, обобщения и шифрования с помощью криптографических средств. Это поможет в будущем, при накоплении большого количества оперативно-следственной информации, выявить признаки серийности, рецидива преступлений, а также составить план расследования. При наличии биометрических следов, найденных на месте преступления, можно сразу установить подозреваемого.
В связи с этим ГИАЦ МВД России необходимо оборудовать мощными программно-аппаратными средствами обработки и хранения информации на базе супер-компьютеров. Вся информация должна быть максимально зашифрована и поделена на конкретные разделы по поисковым признакам. Это потребует разработки
мощных программ на основе ИИ и нейросетей для анализа поступившей информации. Дополнительно необходимо будет разработать систему аутентификации пользователей с разграничением уровня их доступа.
Помимо вышеуказанных документов и материалов, получаемых на стадии административного или уголовно-процессуального производства, в базы данных также можно будет включить документы на лиц, представляющих оперативный интерес, в отношении которых назначены принудительные меры медицинского характера; избраны меры пресечения, установлен административный надзор или иные запреты или ограничения (запрет на управление транспортным средством, владение оружием, запрет занимать какие-то должности и т. д.). Нейронная сеть также должна учитывать информацию, находящуюся в свободном доступе в сети Интернет. В социальных сетях могут быть обнаружены лица, скрывающиеся от органов предварительного следствия и суда.
Запрашиваемая в базе данных ГИАЦ МВД России информация должна предоставляться как посредством стационарных компьютеров, так и на различные мобильные устройства, находящиеся у сотрудников правоохранительных органов, в их служебных автомобилях; каналы связи должны быть защищены специальными криптопрограммами и индивидуальными логинами с электронной подписью документов.
В США уже начали внедрять технологии ИИ для обеспечения общественной безопасности. Благодаря проекту «Искусственный интеллект и жизнь в 2030 году» к 2030 г. типичный североамериканский город будет сильно зависеть от этих электронных систем. К ним относятся камеры наблюдения, которые могут обнаруживать аномалии, указывающие на возможное преступление, беспилотные летательные аппараты и прогнозирующие полицейские приложения.
Преступники стараются скрыть свое лицо, чтобы их не опознали, не задержали и не привлекли к ответственности. Так, специалисты из Индии и Великобритании в августе 2017 г. опубликовали доклад, в котором описали, как работает нейронная сеть, которая распознает людей, прячущих лица. Для тренировки нейронной сети использовалась тысяча фотографий мужчин и женщин от 18 до 30 лет, лица которых были замаскированы. Вначале нейросеть обнаруживает 14 лицевых ключевых точек, которые были определены как существенные для идентификации лица. Затем обнаруженные точки образуют звездно-сетчатую структуру, по которой выполняется идентификация лица.
Однако на точность разработанного алгоритма влияют различные факторы. Например, если на анализируемом снимке присутствуют здания, точность распознавания может снизиться с 85 до 56 %. К тому же, чем больше закрыто лицо, тем сложнее его идентифицировать. В ходе тестирования точность распознавания лица, закрытого шляпой, шарфом и очками, составила всего 43 %6.
Но даже при распознавании лиц нейронные сети подвержены стереотипам. В ходе исследования выяснилось, что при анализе фотографий белых мужчин алгоритмы неверно определяли пол лишь в 0,8 % случаев, а темнокожих женщин процент ошибок составлял в среднем около 30 %. Удалось установить, что чем темнее фото-тип кожи - тем больше вероятность того, что алгоритм допустит ошибку.
Недавние исследования показали, что системы, обученные с использованием более крупных наборов данных, анализируют эти данные точнее, чем обученные на меньших выборках (и помогают искоренить стереотипность нейронных сетей) [3].
Похожие автоматизированные системы работают сейчас в московских аэропортах и метрополитене. При разработке нейросетей программисты взяли за основу схему работы мозга. Нейросеть-детектор принимает поток изображений с видеокамеры и определяет, есть ли там лица. Набор лиц она подает на вход нейросети-идентификатору, которая сравнивает их с базой данных лиц-эталонов и говорит, есть совпадение или нет.
Чтобы нейросеть успешно распознавала лица, ее нужно обучить на большой базе изображений. Это долгий процесс с множеством итераций. В зависимости от размера базы и вычислительных ресурсов на это уходят недели и месяцы. Шаг за шагом система учится все точнее распознавать лица. Программисты только следят за тем, чтобы векторы признаков (результат работы нейросети) были максимально информативными, позволяли проводить сравнение.
Для обученной нейросети не представляют проблем возраст, пол, этническая принадлежность лица. Она способна за считаные секунды дать ответ на вопрос, кто из этих десяти миллионов находился в поле зрения полутора тысяч камер. Человек не сделает такого никоим образом.
Одна из актуальных задач - поиск лиц, находящихся в розыске, на основе анализа потока с камер городского видеонаблюдения, например в
Москве. В Москве сотни тысяч уличных видеокамер. Отсмотр записей с них при необходимости происходит в ручном режиме и занимает часы, а то и дни. Если же задачу поручить программе, то она решит ее за секунды и с более высокой точностью. Нейронная сеть в режиме реального времени сравнивает людей, попавших в поле зрения камер, с находящимися в базе правоохранительных органов. При совпадении информация моментально передается ближайшему полицейскому, и тот дальше действует в соответствии с инструкцией. Это позволяет повысить уровень безопасности в городе. ИИ нейронной сети от компании ШесИЬаЬ в рамках пилотного проекта распознает лица прохожих и сравнивает их с базой данных МВД. За два месяца нейросеть помогла поймать шестерых преступников7. На поиск такой системой разыскиваемых преступников по 500 млн фото, опубликованным в соцсети «ВКонтакте», уходит полсекунды.
Кроме того, обнаружение информации, связанной с преступной или иной противоправной деятельностью в сети Интернет, нередко невозможно без дополнительной проверки обнаруженных результатов или обращения к помощи специалистов. Например, в случаях обнаружения экстремистских текстов на национальном языке или при работе с зашифрованными данными.
В марте 2018 г. Управление МВД России по Рязанской области представило первый в России мобильный биометрический комплекс (МБК), оснащенный технологией распознавания лиц. Сервер комплекса и рабочее место оператора размещаются в транспортном средстве полиции. Во время массовых мероприятий система подключается к десяти камерам, установленным на рамках металлодетекторов, и одновременно анализирует видео с каждой из них. Кроме того, МБК оснащен собственной обзорной камерой с оптическим зумом8.
Точность системы зависит от размера базы изображений, с которой необходимо работать: база из тысячи изображений даст почти стопроцентную точность, миллионы фото снизят точность до 95 %. Условия нахождения видеокамер также играют роль. Засветка, ракурс снимка снижают точность, но система все же будет работать. Однако хотя нейросети справляются с задачей распознавания лиц лучше, чем люди, до идеала
6 См.: Ученые научили нейросеть распознавать преступников с закрытыми лицами. URL : https://www.securitylab.ru/ news/488269.php (дата обращения : 18.02.2020).
7 См.: URL: http://www.cnews.ru/news/top/2017-09-29_ litsa_moskovskih_prohozhih_ budet_ r asponavat_nejroset (дата обращения : 12.02.2020).
8 См.: Рязанская полиция и NtechLab представили мобильный биометрический комплекс. URL : https://lenta.ru/ news/2018/03/06/ntechlab/ (дата обращения : 15.01.2020).
еще далеко. Пока системы распознавания лиц востребованы для масштабных задач: обеспечения безопасности жителей города, пассажиров транспортных систем, контроля доступа на крупные предприятия и спортивные объекты, поиска пропавших людей. Есть ряд задач для ретейла: борьба с воровством, системы лояльности.
Сообщается, что система может идентифицировать правонарушителей в режиме реального времени и отправлять на мобильные устройства сотрудников полиции уведомления с фотографией человека и краткой информацией о совершенном им правонарушении [1].
В Китае для реализации данных целей внедрена государственная программа безопасности, которая предполагает анализ изображений с миллионов камер видеонаблюдения. Тотальная слежка властями Китая осуществляется за гражданами в северо-западном китайском регионе - Синьцзяне, где проживают уйгуры. Данный этнос в большинстве исповедует ислам, что, по мнению властей, предполагает угрозу религиозного экстремизма. Поэтому в городе установлены сотни тысяч камер, все телефонные звонки и перемещения живущих в Синьцзяне отслеживаются.
Широкое внедрение камер связано с государственной системой социального кредита -системой оценки граждан по различным параметрам, значения которых получаются с помощью инструментов массового наблюдения и анализа больших данных. По данным исследования британской компании Comparitech, по оснащенности городов камерами в конце 2019 г. китайские города оказались лидерами списка: например, в Цунцине на 1 тыс. человек приходится 168 камер, а в Лондоне - 68,4.
Но следящие за соблюдением китайскими гражданами режима самоизоляции камеры столкнулись с тем, что системы распознавания лиц не работали из-за масок и респираторов, в которых были обязаны ходить граждане. Здесь на помощь китайскому правительству пришли тепловые сканеры, установленные на вокзалах, - они определяли температуру прохожих. И тех граждан, у которых температура была высокой, отправляли в специальные изоляционные комнаты, имеющиеся на вокзалах. Затем медицинские работники заносили данные подозрительного пассажира в базу данных, в том числе в приложение Alipay Health Code9.
9 См.: Доносы на соседей и камеры: как в Китае следят за соблюдением карантина: Общество. URL : https:// www.rbc.ru/society/01/04/2020/5e81d8609a7947b28 ba6 bdb3?from=materials _on_subject (дата обращения : 11.02.2020).
Видеокамеры также помогают отслеживать перемещение китайских автомобилистов - при пересечении городской границы власти получают данные о номерном знаке владельца автомобиля и могут задержать его, если режим самоизоляции был нарушен.
Так, например, внедрение проекта «Золотой щит» представителями Министерства общественной безопасности Китая обосновывается «необходимостью использования передовых информационно-телекоммуникационных технологий для усиления борьбы с преступностью со стороны спецслужб и повышения оперативности их реакции, наряду с увеличением продуктивности и эффективности работы полиции» [4]. Приоритетом проекта «Золотой щит» является, прежде всего, блокирование нежелательного контента, т. е. в основном профилактика отдельных видов информационной преступности. Обеспечивают реализацию данного проекта более 30 тыс. сотрудников.
Среди множества функций, реализуемых в рамках данного проекта, можно отметить следующие:
1) блокировку доступа жителей КНР к внешним ресурсам сети Интернет («Twitter», «Facebook», «Google», «YouTube» и др.);
2) блокировку доступа к ресурсам, имеющим в соответствии с законодательством КНР запрещенный контент (сайты, содержащие темы, связанные с критикой руководства КНР или коммунистической партии Китая, сайты порнографического содержания и т. д.);
3) блокировку соединений, осуществляемых через VPN; блокировку интернет-адресов (URL, IP-адресов).
Правоохранительные органы Китая, да и других стран, все больше заинтересованы в том, чтобы попытаться обнаружить планы подрывных мероприятий из социальных сетей, а также контролировать активность больших собраний людей (толпы) для анализа безопасности. Имеются значительные возможности по моделированию толпы, чтобы определить, как можно управлять ею. В то же время высказываются законные опасения по поводу того, что правоохранительные органы могут злоупотреблять такими инструментами и использовать их для нарушения частной жизни людей.
Эксперты, опрошенные The Guardian, считают, что коронавирус дал властям повод для ускорения массового сбора личных данных, а это опасно, учитывая, что в стране нет строгих законов, регулирующих защиту таких данных. Этим, на наш взгляд, и обусловлены предше-
ствующие пандемии массовые антиправительственные выступления китайских граждан в Гонконге и других провинциях.
Представляет интерес опыт и других стран, где реализуются проекты и используются программно-инженерные решения в области связи и информации, направленные на выполнение задач правоохранительной деятельности. В частности, особое внимание привлекает опыт развитых стран по реализации мер, направленных на выявление и раскрытие информационных и иных преступлений.
Так, технические специалисты ФБР реализуют проект N4G, в котором выделяются следующие основные направления применения ИИ.
1. Использование для обработки текстовых, аудио-, видеофайлов, информации о банковских транзакциях, данных о местонахождении физических лиц в аналитических центрах ФБР и полиции.
2. Ведение баз данных, в том числе биометрических, и их редактирование.
3. Использование ИИ для экономии (за счет сокращения сотрудников, осуществляющих в настоящее время функции, указанные в пп. 1 и 2).
4. Обнаружение фактов мошенничества и взлома платежных систем посредством ИИ POLPAY, разрабатываемого ФБР совместно с платежными системами «Wise» и «Stripe».
5. Обнаружение и удаление вредоносного программного обеспечения в действующих на территории США платежных системах.
6. Распознавание индивидуального почерка хакеров и хакерских группировок, обнаружение сетевых атак и установление их локализации с помощью ИИ Mayhem, разрабатываемого с 2017 г. ФБР совместно с компанией ForAllSecure и университетом штата Пенсильвания.
В то время как методы ИИ - анализ зрения, речи и походки - могут помочь интервьюерам, следователям и охранникам в обнаружении возможного обмана и преступного поведения, его возможное применение в мониторинге правоохранительных органов с помощью камеры наблюдения может также представлять опасность злоупотреблений.
Полиция, прогнозирующая преступления еще до их совершения, представляет собой очевидный риск для личной жизни людей. Слепое следование рекомендациям ИИ может привести к тому, что по мере развития технологий правоохранительные органы станут властными и всепроникающими в различные области. Полицейские камеры видеонаблюдения будут нацелены на человека, который окажется, по мнению ИИ,
неуместным в определенном районе. ИИ может заключить, что он намеревается ограбить квартиру или напасть на кого-то, это может вызвать развертывание полицейских на потенциальном месте происшествия с применением мер принуждения или оружия, даже если этот человек просто заблудился или пошел прогуляться в новом районе.
Технологии, появляющиеся в этой области, могут глубоко изменить общество к лучшему в ближайшие десятилетия, однако крайне важно осознать вероятность того, что трансформация может также легко произойти и в обратную сторону.
Так, например, ст. 152.1 Гражданского кодекса Российской Федерации (далее - ГК РФ) устанавливает охрану изображения гражданина, а также в ст. 1273-1279 содержится закрытый перечень возможностей свободного использования произведения, в который не входит создание выборки для нейронной сети10. Также изображение человека, согласно чч. 1, 2 ст. 11 Федерального закона от 27 июля 2006 г. № 152-ФЗ «О персональных данных»11 (далее - Закон № 152-ФЗ), является биометрическими персональными данными, для обработки которых в случае создания объема данных для обучения необходимо письменное согласие субъекта. Таким образом, в России затруднительно получить доступ к объему данных для обучения нейросети частным лицам.
Вместе с тем биометрические персональные данные могут обрабатываться без согласия субъекта персональных данных в связи с осуществлением правосудия и исполнением судебных актов, а также в случаях, предусмотренных законодательством Российской Федерации об обороне, о безопасности, о противодействии терроризму, о транспортной безопасности, об оперативно-розыскной деятельности (далее - ОРД). Так что обработка нейронной сетью видеозаписей для идентификации скрывающихся от правосудия лиц законно (несмотря на то что она обрабатывает данные для установления личности снятого человека).
Ситуация с пандемией коронавируса, объявленной ВОЗ во всем мире, показывает, что государство может отслеживать перемещения и действия граждан по смартфонам, находящимся при них, или по транзакциям банковских карт. Система умного контроля будет использоваться не только для определения и наказания нарушите-
10 См.: Гражданский кодекс Российской Федерации от 30 ноября 1994 г. № 51-ФЗ // СПС КонсультантПлюс.
11 См.: О персональных данных : Федер. закон от 27 июля 2006 г. № 152-ФЗ // Собр. законодательства Рос. Федерации. 2006. № 31 (ч. I), ст. 3451.
лей, но и для поиска тех, с кем он мог контактировать за то время, что находился вне дома, - для этого можно посмотреть, какие операции и транзакции проводились рядом с нарушителем.
Сведения о транзакциях по банковским картам являются банковской тайной и строго охраняются законом. Информация о банковских операциях физического лица по закону может быть передана только судам, судебным приставам, органам предварительного следствия, органам, осуществляющим ОРД, и Росфинмо-ниторингу. Механизм контроля за соблюдением режима карантина с помощью банковских транзакций сейчас является незаконным. Для его легализации надо принимать отдельный федеральный закон.
Однако система может не сработать, если человек отключит геолокацию на телефоне, сложности также могут возникнуть при оплате через терминалы курьеров, которые перемещаются по городу, и терминалы самих торговых точек, которые могут менять местоположение.
Если данные карты будут использовать для контроля за гражданами, то это может привести к росту снятия наличных. Однако транзакции по картам - лишь небольшая часть в одной большой системе слежения, из-за чего уход от слежки через наличные может быть бесполезным. Также ряд крупных ретейлеров временно отказались принимать наличные, чтобы препятствовать распространению коронавируса, и если список этих предприятий будет расширен, то у покупателей не будет выбора12.
Рассматривая данную проблему глубже, отметим, что ст. 13.11 Кодекса об административных правонарушениях Российской Федерации13 устанавливает ответственность за нарушение законодательства в области персональных данных. Многих интересует, распространяется ли Закон № 152-ФЗ на видеонаблюдение. И это не праздный вопрос, поскольку для обработки персональных данных, к которым относится изображение гражданина, Закон № 152-ФЗ предъявляет дополнительные требования как в части получения согласия субъекта персональных данных на их обработку, так и в части хранения персональных данных на серверах в России.
Некоторые ответы на эти вопросы можно найти в Разъяснениях Федеральной службы по
надзору в сфере связи, информационных технологий и массовых коммуникаций от 30 августа 2013 г.14. В данном документе Роскомнадзор поясняет, в каких случаях видеонаблюдение может быть обработкой персональных данных.
Исходя из определения, установленного Законом № 152-ФЗ, к биометрическим персональным данным относятся физиологические данные (дактилоскопические данные, радужная оболочка глаз, анализы ДНК, рост, вес и др.), а также иные физиологические или биологические характеристики человека, в том числе изображения человека (фотография и видеозапись), которые позволяют установить его личность и именно для этого используются оператором.
Не являются биометрическими персональными данными материалы с изображениями граждан, полученные в результате видеосъемки в публичных местах и на охраняемой территории. То есть до передачи персональных данных для установления личности снятого человека они не являются биометрическими персональными данными, обработка которых регулируется общими положениями Закона № 152-ФЗ, поскольку не используются оператором (владельцем видеокамеры или лицом, организовавшим ее эксплуатацию) для установления личности. Однако указанные материалы, используемые органами, которые осуществляют ОРД, дознание и следствие в рамках проводимых мероприятий, являются биометрическими персональными данными, в случае если целью их обработки является установление личности конкретного физического лица. Исходя из этого Роскомнадзор рекомендует оснащать места, находящиеся под видеонаблюдением, предупредительными надписями или графическим изображением. Если данное условие будет выполнено, то отдельного согласия граждан на проведение съемки не потребуется.
Видеофиксация граждан должна осуществляться только с их согласия или в законных целях, которые должны быть заранее определены организатором наблюдения. Кстати говоря, скрытое видеонаблюдение законом запрещено (за исключением оперативных мероприятий, проводимых спецслужбами) и уголовно наказуемо (ответственность может наступить по ст. 137 Уголовного кодекса Российской Феде-
12 См.: URL : https://www.rbc.ru/finances/01/04/2020/5e8 3698e9a79476e5175 a637?from =newsfeed (дата обращения : 04.02.2020).
13 См.: Кодекс Российской Федерации об административных правонарушениях от 30 декабря 2001 г. № 195-ФЗ //
СПС КонсультантПлюс.
14 См.: Разъяснения по вопросам отнесения фото-, видеоизображений, дактилоскопических данных и иной информации к биометрическим персональным данным и особенностей их обработки. Разъяснение Федеральной службы по надзору в сфере связи, информационных технологий и массовых коммуникаций от 30 августа 2013 г. : URL : https://www.garant. ru/products/ipo/prime/doc/70342932/#review
рации (далее - УК РФ)). Более того, судимость можно получить и за оборот специальных технических средств, предназначенных для негласной видеозаписи (ст. 138 УК РФ).
Возвращаясь к законным целям, можно назвать в качестве примера следующие: контроль качества обслуживания клиентов, обеспечение сохранности имущества и т. п. Внедрение систем видеонаблюдения на рабочих местах также может преследовать законную цель. Однако необходимо отметить, что при ведении видеонаблюдения в рабочих помещениях с целью фиксации возможных действий противоправного характера работники, согласно ст. 74 Трудового кодекса Российской Федерации15, должны быть уведомлены об изменении условий трудового договора по причинам, связанным с изменением организационных или технологических условий труда (введением видеонаблюдения), под роспись. Целесообразно разработать и принять локальные нормативные акты, касающиеся видеонаблюдения, назначить ответственных лиц и ознакомить сотрудников с положениями этих актов.
Также нельзя забывать о ст. 152.1 ГК РФ16, согласно которой обнародование и дальнейшее использование изображения гражданина (в том числе его фотографии, а также видеозаписи или произведения изобразительного искусства, на которых он изображен) допускаются только с согласия этого гражданина, за исключением случаев, указанных в законе. В частности, не нужно получать согласие на размещение видеозаписи, если изображение гражданина получено при съемке, проводимой в местах, открытых для свободного посещения, или на публичных мероприятиях (собраниях, съездах, конференциях, концертах, представлениях, спортивных соревнованиях и пр.), за исключением случаев, когда такое изображение является основным объектом использования [2].
В заключение отметим, что внедрение в будущем повсеместно технологий ИИ - не фантастика, а объективная реальность. Искусственные нейронные сети - технология, позволяющая человечеству приниматься за задачи, на решение которых ушли бы целые столетия. Это перспективная и востребованная ветвь развития науки и техники, которая будет очень популярна в ближайшие годы.
Безусловно, опыт ведущих стран мира в области борьбы с информационной и иными ви-
15 См.: Трудовой кодекс Российской Федерации от 30 декабря 2001 г. № 197-ФЗ // СПС КонсультантПлюс.
16 См.: Гражданский кодекс Российской Федерации от 30 ноября 1994 г. № 51-ФЗ // СПС КонсультантПлюс.
дами преступности необходимо использовать в работе правоохранительных органов Российской Федерации.
В Российской Федерации имеется много возможностей для использования нейросетевых технологий: данные находятся в открытом доступе (документы Росстата, данные социальных сетей) и каждый год выпускаются талантливые программисты. Все это способствует тому, чтобы в России разрабатывались сервисы наподобие Ра!апйг, необходимы лишь поддержка государства и финансирование. Правоохранительные органы крайне заинтересованы в использовании таких технологий, так как они помогут уменьшить затраты времени сотрудниками полиции на анализ большого массива разнообразной розыскной и оперативно-справочной информации; досмотровые мероприятия; контроль за поднадзорными лицами; выявление лиц, подготавливающих или уже совершивших преступления, их задержание; карантинные ограничения, охрану собственности граждан, организаций и т. д.
Хотя ИИ, по сути, не является алгоритмизированным (в силу отсутствия заданной последовательности шагов), он может выступить помощником следователя или оперуполномоченного уголовного розыска. Однако любые типы ИИ, которые могут быть использованы при раскрытии и расследовании преступлений, должны быть апробированы, а сама возможность их применения - закреплена в уголовно-процессуальном законодательстве. Искусственные нейронные сети могут быть адаптированы к решению специфических криминалистических задач, например анализу материалов уголовных дел для выявления следственных ошибок процессуального и тактического характера, вычленению из массива расследуемых дел признаков серийности, объединению преступлений по схожим признакам. В ближайшем будущем вполне возможна интеграция рассмотренной технологии в криминалистическую практику, однако для этого требуется дальнейшее изучение архитектуры и возможностей искусственных нейронных сетей.
Также считаем необходимым для повышения эффективности работы правоохранительных органов Российской Федерации совмещение информационно-аналитических баз и учетов правоохранительных органов на базе ГИАЦ МВД России. Следует также разработать программно-аппаратную базу на основе нейросетей для ввода полной информации о правонарушениях и преступлениях путем сканирования материалов уголовных дел, материалов об административных правонарушениях, данных о подозреваемых и т. д.
Считаем, что предлагаемые меры позволят существенно повысить качество информационного обеспечения правоохранительной деятель-
ности, что, безусловно, положительным образом отразится и на эффективности противодействия преступности.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. Орлов С. Нейросети на страже безопасности. 2018. 13 июня // Компьютерра. Легендарный журнал о современных технологиях. URL : https://www.compu-terra.ru/ 229519/nejroseti-na-strazhe-bezopasnosti/ (дата обращения : 15.01.2020).
2. Хохолков М. Видеонаблюдение и персональные данные: некоторые правовые аспекты // National Business. 2017. № 9. URL: https://www.intellectpro.ru/press/works/vas_ snimayuteto_zakonno (дата обращения : 17.01.2020).
3. Chen Sun & Abhinav Shrivastava. Revisiting Unreasonable Effectiveness of Data in Deep Learning, arXiv: 1707.02968v1 (July 10, 2017). URL : https://arxiv.org/ pdf/1707.02968.pdf (дата обращения : 08.06.2019).
4. Levendowski Amanda. How Copyright Law Can Fix Artificial Intelligence's Implicit Bias Problem (July 24, 2017).
REFERENCES
1. Orlov S. Komp'uterra. Legendarnyj zhurnal o sovre-mennykh tekhnologiyakh (Computerra. Legendary magazine about modern technology), available at: https://www.compu-terra.ru/ 229519/nejroseti-na-strazhe-bezopasnosti/ (January 15, 2020).
2. Khokholkov M. National Business (National Business), No. 9, 2017, available at: https://www.intellectpro.ru/ press/works/vas_snimayuteto_zakonno (January 17, 2020).
3. Chen Sun & Abhinav Shrivastava. Revisiting Un-
reasonable Effectiveness of Data in Deep Learning, arXiv:1707.02968v1 (July 10, 2017), available at: https://arxiv. org/pdf/1707.02968.pdf (June 8, 2019).
4. Levendowski Amanda. How Copyright Law Can Fix Artificial Intelligence's Implicit Bias Problem (July 24, 2017).
Рукопись поступила в редакцию 28.04.2020, принята к публикации 15.02.2021.
ИНФОРМАЦИЯ ОБ АВТОРЕ
Алексей Юрьевич Гордеев, кандидат юридических наук, старший преподаватель кафедры уголовно-правовых дисциплин федерального государственного казенного образовательного учреждения высшего образования «Белгородский юридический институт МВД России имени И. Д. Путилина» (Российская Федерация, 308024, г. Белгород, ул. Горького, 71) E-mail: alexis81@yandex.ru Тел.: 8 (4722) 52-11-34
INFORMATION ABOUT THE AUTHOR
Aleksey Yu. Gordeev, Candidate of Juridical Sciences, Senior Teacher, Department of Criminal law disciplines, Puti-lin Belgorod Law Institute of Ministry of the Interior of Russia (Gor'kogo str., 71, Belgorod, 308024, Russian Federation) E-mail: alexis81@yandex.ru Те!.: 8 (4722) 52-11-34
