CC BY
12DOI 10.47643/1815-1329_2022_11_165 УДК 343.8
СОВ РЕМЕННЫЕ ТЕХНОЛОГИИ И ПЕРСПЕКТИВЫ ИХ ИСПОЛЬЗОВАНИЯ ОПЕРАТИВНЫМИ АППАРАТАМИ ИСПРАВИТЕЛЬНЫХ УЧРЕЖДЕНИЙ ФСИН РОССИИ MODERN TECHNOLOGIES AND PROSPECTS OF THEIR USE BY OPERATIONAL APPARATUS OF CORRECTIONAL INSTITUTIONS OF THE FPS OF RUSSIA
ВЕЧКАЕВ Николай Степанович,
преподаватель кафедры организации оперативно-розыскной деятельности Академии ФСИН России. 390000, Россия, Рязанская область, г. Рязань, ул. Сенная, 1. E-mail: nvechkaev@bk.ru;
Vechkaev Nikolay Stepanovich,
Lecturer of the Department of Organization of Operative-Search Activities Academy of the Federal Penitentiary Service of Russia. 390000, Russia, Ryazan region, Ryazan, st. Sennaya, 1. E-mail: nvechkaev@bk.ru
Краткая аннотация. В статье рассматриваются вопросы о современных информационных технологиях. Разбираются возможности получения информации с искусственных нейронных сетей при решении задач оперативно-розыскной деятельности.
Abstract. The article deals with questions about modern information technologies. The possibilities of obtaining information from artificial neural networks in solving problems of operational-search activity are analyzed.
Ключевые слова: оперативные аппараты, современные технологии, распознавание лиц; искусственный интеллект; нейронная сеть.
Keywords: operational devices, modern technologies, face recognition; artificial intelligence; neural network.
Для цитирования: Вечкаев Н.С. Современные технологии и перспективы их использования оперативными аппаратами исправительных учреждений ФСИН России // Аграрное и земельное право. 2022. № 11(215). С. 165-167. http://doi.org/10.47643/1815-1329_2022_11_165.
For citation: Vechkaev N.S. Modern technologies and prospects of their use by operational apparatus of correctional institutions of the Federal Penitentiary Service of Russia // Agrarian and Land Law. 2022. No. 11(215). pp. 165-167. http://doi.org/10.47643/1815-1329_2022_11_165.
Статья поступила в редакцию: 29.10.2022
Обеспечение правопорядка и законности в исправительных учреждениях, исполняющих уголовные наказания в виде лишения свободы, обеспечение безопасности содержащихся в них осужденных, а также работников уголовно-исполнительной системы, является одной из основных задач ФСИН России.
За последние годы обозначилась динамика роста количества зарегистрированных криминальных деяний в исправительных колониях: 2014 г. - 754 преступления, 2015 г. - 838, 2016 г. - 851, 2017 г. - 875, 2018 г. - 914, 2019 г. - 1015, 2020 г. - 1012, 2021 г. - 996, 9 месяцев 2022 -751. Прослеживается негативная тенденция: несмотря на уменьшение количества осужденных, отбывающих наказание в исправительных учреждениях, растет уровень преступности (в расчете на 1000 осужденных): 2014 г. - 1,36, 2015 г. - 1,59, 2016 г. - 1,62, 2017 г. - 1,75, 2018 г. - 1,92, 2019 г. - 2,34, 2020 г. - 2,59, 2021 - 2,77, 9 месяцев 2022 - 2,28[2].
Оперативные подразделения учреждений и органов уголовно-исполнительной системы в соответствии с Федеральным законом «Об оперативно-розыскной деятельности» [3] (далее: ФЗ «Об ОРД») в пределах своей компетенции реализуют задачи и функции ФСИН России по обеспечению личной безопасности осужденных, персонала исправительных учреждений и иных лиц; выявлению, предупреждению и раскрытию готовящихся и совершаемых в исправительных учреждениях преступлений и нарушений установленного порядка отбывания наказания; розыску в установленном порядке осужденных, совершивших побег из исправительных учреждений, а также осужденных, уклоняющихся от отбывания наказания, содействию в выявлении и раскрытии преступлений, совершенных осужденными до прибытия в исправительное учреждение. Осуществляя в установленном законом и подзаконными нормативными актами порядок выявления и проверки сведений о лицах и фактах, представляющих оперативный интерес, ориентированных на сугубо специфичные цели и задачи, оперативному сотруднику приходится сталкиваться с множеством событий, характеристик, явлений и процессов различного происхождения и сложности. Получение оперативно-розыскной информации представляет собой непрерывный процесс, при котором данные могут поступать к заинтересованному субъекту в разрозненном виде и лишь в совокупности нести ценную информацию.
В настоящее время существует необходимость поиска новых подходов, изменения форм, средств и методов совершенствования оперативно-розыскной деятельности в учреждениях уголовно-исполнительной системы, повышения уровня её информационного обеспечения. Получение оперативно-значимой информации может заключаться не только в зафиксированных противоправных действиях, но и в получении ориентирующей информации, выявлении преступных намерений по косвенным признакам, путем анализа и сопоставления с ранее полученными данными по другим каналам [4, с. 116-123].
Оперативно-розыскная деятельность становится все более наукоемкой, опирается на возможности современных информационных технологий, и в первую очередь на применение современных технических средств контроля, фиксации и обработки информации. В условиях цифровой трансформации имеется практическая потребность в улучшении информационного обеспечения оперативно-розыскной деятельности в исправительных учреждениях.
АГРАРНОЕ И ЗЕМЕЛЬНОЕ ПРАВО. 2022. № 11(215)
Указ Президента Российской Федерации от 21 июля 2020 года № 474 «О национальных целях развития Российской Федерации на период до 2030 года» определяет цифровую трансформацию, как национальную цель развития Российской Федерации. Ведомственные программы цифровой трансформации, опубликованные на портале федеральной государственной информационной системы координации информатизации, касаются всех сфер жизнедеятельности человека.
Столь пристальное внимание к проблеме цифровизации объясняется бурным развитием информационно-телекоммуникационных технологий. Такие высокотехнологичные направления как дополненная реальность, интернет вещей, облачные технологии, большие данные и, конечно, искусственный интеллект ведут человечество к очередной информационной революции.
На основании Приказа ФСИН России «Об утверждении ведомственной программы цифровой трансформации Федеральной службы исполнения наказаний на плановый период 2022 и 2023 годов», в исправительных учреждениях планируется внедрение следующих новых систем:
- Система распознавания лиц, поведенческого анализа и постанализа собранных данных в рамках цифрового профиля осужденного для корректировки программы ресоциализации, построенной на базе искусственного интеллекта.
- Цифровая платформа среды трудовой адаптации ФСИН России.
- Единая информационная система ФСИН России» внутренний 1Т- контур для обеспечения работы ведомства.
- Электронная очередь ФСИН России.
Цифровой профиль — это совокупность цифровых записей о физических лицах, содержащихся в государственных информационных системах, предоставление которых обеспечивается с использованием технологической инфраструктуры, которая позволяет использовать данные пользователя с согласия, предоставляемого в цифровом виде[5]. Одной из наиболее значимых инноваций в исследовательском мире за последнее десятилетие стало внедрение технологий распознавания с использованием искусственных интеллектуальных систем.
Интеллектуальные системы - это уникальный набор для решения вопросов анализа и обработки больших объемов данных. В настоящее время множество систем искусственного интеллекта базируются на использовании искусственных нейронных сетей. Под программированием нейронных сетей подразумевается обучение сети, благодаря которому сеть способна выявлять зависимости между данными (входными и выходными), обобщать, выстраивать причинно-следственные связи, разбивать сложные задачи на более простые.
На сегодняшний день наиболее часто нейронные сети применяются для решения следующих задач: предсказание - возможность предсказывать следующий шаг; распознавание - в настоящее время, самое широкое применение нейронных сетей. Задачи распознавания по изображению лица делятся на три больших класса: поиск в больших базах данных, контроль доступа и контроль фотографий в документах. Для достижения высокой точности распознавания лиц нейронная сеть переобучается на большом массиве изображений. После того, как сеть обучена распознавать лица, происходит процесс распознавания: сначала изображение обрабатывается с помощью детектора лица - алгоритма, который определяет прямоугольный фрагмент изображения с лицом. Этот фрагмент нормализуется для того, чтобы легче обрабатываться нейронной сетью. Нормализованное изображение подаётся на вход нейронной сети для обработки алгоритмом. Данный алгоритм обычно является уникальной разработкой, в целях повышения качества распознавания, однако существуют и «стандартные» решения для данной задачи. Нейронная сеть строит уникальный вектор признаков, который затем переносится в базу данных. Поисковая система сравнивает его со всеми векторами признаков, хранящихся в базе данных, и даёт результат поиска в виде определённого числа имён или профилей пользователей со схожими лицевыми признаками, каждому из которых присваивается определённое число. Это число представляет собой степень схожести вектора признаков с найденным в базе данных. Оценка качества работы системы распознавания лиц проводится с помощью набора метрик, которые соответствуют типичным сценариям использования системы для аутентификации с помощью биометрии. Работа любой нейронной сети может быть измерена с точки зрения точности: после настройки параметров и завершения процесса обучения сеть проверяется на тестовом множестве.
Что касается развития профайлинга, то изначально он предназначался для составления психологического портрета преступника по следам на месте преступления. Иначе, это называется профилированием личности. В данном методе синтезируются знания криминалистики, психиатрии и психологии. В дальнейшем профайлингом[1] стали называть методы выявления потенциально опасных личностей; совокупность психологических методов и методик оценки и прогнозирования поведения человека на основе анализа наиболее информативных частных признаков, характеристик внешности, невербального и вербального поведения. Комплекс этих методов используется специалистами в области распознавания лжи и может эффективно применяться в искусственный нейронных сетях при выявлении потенциальной опасности или распознавания лжи осужденного. В основе подобных методов лежит система кодирования лицевых движений - унитарных движений, совершаемых группами мышц.
Выделяются следующие классы методов, которые используют элементы профайлинга при разработке системы распознавания: холистические методы (обрабатывающие изображение лица целиком); локальные методы (обрабатывающие изображения элементов лица); методы, вычисляющие форму объектов; методы, вычисляющие динамику объектов. Используя теорию профайлинга и базовые эмоции, а также видоизменение эмоций, возможно описать модель той или иной эмоции осужденного. Любое мимическое выражение анализируется и переводится на язык понятный интеллектуальной системе.
Помимо распознавания лиц и эмоций существуют интеллектуальные системы, способные распознавать по видеоизображению позы людей, которые могут свидетельствовать о потенциально опасных ситуациях. Распознавание поз основано на глубоком обучении искусственных нейронных сетей. Нейронная сеть сегментирует изображение силуэта человека, выделяя корпус, голову и конечности. Результат ее работы представляет собой массив данных, описывающий положение тела в пространстве. Для определения конкретных поз применяются аналитические алгоритмы, которые анализируют эти данные.
В подобных системах реализуется несколько детекторов - аналитических алгоритмов, которые распознают позы, соответствующие потенциально опасным сценариям поведения. Применение поведенческой аналитики помогло бы своевременно выявить признаки противоправного поведения осужденных, что в свою очередь позволяет повысить уровень безопасности в исправительных учреждениях ФСИН России.
Реализация высокотехнологичных проектов требует выстраивания многоуровневого плана. Помимо лицензии на использование программного обеспечения, любая система распознавания включает в себя аппаратную часть, состоящую из камер, кабелей, серверов для обработки видео и хранилища данных. При имеющихся системах видеонаблюдения просто дополнить ее функцией распознавания лиц достаточно проблематично, так как это может привести к заметному снижению эффективности распознавания. Часто внедрение систем распознавания лиц означает полное обновление оборудования. Передача видеопотоков с камер на сервер обработки требует высокой скорости, поэтому при передаче информации на большие расстояниях стоимость системы возрастает. Таким образом, расчет совокупной стоимости владения проектом с распознаванием достаточно сложная комплексная задача.
Лидеры среди Российских разработчиков комплексных систем распознавания: TechLab - разработчик приложения FindFace. Максимальная точность их алгоритмов для распознавания лиц - 98 %; VisionLabs - разработчик системы для камер, участвующих во многих городских проектах; группа компаний ЦРТ - российская группа компаний, разработчик инновационных систем в сфере биометрии, высококачественной записи, обработки и анализа аудио-видео информации, синтеза и распознавания речи; ITV Интеллект-распознавание лиц - российская система автоматического распознавания лиц. Включает два модуля, которые обеспечивают различные режимы работы: модуль распознавания лиц предназначен для автоматической идентификации личности по видеоизображению; модуль поиска похожих лиц в видеоархиве создает базу данных всех попавших в поле зрения видеокамер, и позволяет производить по этой базе поиск похожих лиц. Этот модуль позволяет существенно ускорить поиск интересующего осужденного в видеоархиве и получить статистику его появлений в поле зрения различных камер. Самые масштабные разработки в области распознавания лиц в Мире принадлежат компаниям Google, Apple, Facebook, Amazon и Microsoft (GAFAM).
На сегодняшний день традиционные методы получения информации уступают по скорости и точности искусственным нейронным сетям. Однако, в настоящее время нейросетевой подход к задачам распознавания на основе анализа изображений нейросетевыми методами остаётся недостаточно разработанным, что требует дальнейших исследований в этой области.
Эффективность функционирования ФСИН России по решению возложенных на нее задач, во многом может быть обеспечена рациональным использованием программ цифровой трансформации. Результативность профессиональной деятельности оперативных аппаратов исправительных учреждений по предотвращению и пресечению противоправных деяний со стороны осужденных, обеспечение установленного порядка отбывания наказания, могла бы быть намного эффективней при организации получения оперативно-розыскной информации с использованием современных интеллектуальных систем.
Библиогра фия:
1. Федеральный закон от 12 августа 1995 г. №144 - ФЗ «Об оперативно-розыскной деятельности» (ред. от 01.07.2021).
2. Официальный сайт ФСИН России. URL: Ь]йр://фсин.рф. (дата обращения : 21 октября 2022).
3. ИйрБ^/ги^ИфеШа.огд/здИ/Профайлинг.
4. Теория оперативно-розыскной деятельности : учебник / под ред. К.К. Горяинова, В.С. Овчинского, Г.К. Синилова. - М. : ИНФРА-М, 2006. - 832 с.
5. Костылева Т. Цифровой профиль гражданина.https://d-russia.ru/tsifrovoj- profil-grazhdanina-chto-izvestno-na-segodnyashnij-den.html
References:
1. Federal Law No. 144 - FZ of August 12, 1995 "On Operational Investigative Activities" (ed. dated 01.07.2021).
2. Official website of the Federal Penitentiary Service of Russia. URL: http://^CMH.p^ . (accessed : October 21, 2022).
3. https://ru.wikipedia.org/wiki/Profiling.
4. Theory of operational investigative activity : textbook / edited by K.K. Goryainova, V.S. Ovchinsky, G.K. Sinilova. - M. : INFRA-M, 2006. - 832 p.
5. Kostyleva T. Digital profile of a citizen.http://d-russia.ru/tsifrovoj- profil-grazhdanina-chto-izvestno-na-segodnyashnij-den.html
