Цифровые технологии в расследовании преступлени
А. Д. Цветкова,
младший научный сотрудник,
Уральский государственный юридический университет имени В. Ф. Яковлева,
Центр содействия развитию криминалистики «КримЛиб»
ПОВЕДЕНЧЕСКАЯ БИОМЕТРИЯ В КРИМИНАЛИСТИКЕ
Аннотация.
Современные цифровые технологии способствуют расшире-
нию сфер исследования и видов исследуемых биометрических характеристик, од-
нако поведенческая биометрия недостаточно вовлекается в криминалистическую
деятельность. Это связано с тем, что динамические характеристики менее ста-
бильны и требуют больших вычислительных мощностей, времени для накопления
и использования. Вместе с тем они позволяют решать уникальные криминалисти-
ческие задачи и сложнее фальсифицируются, что делает их изучение весьма зна-
чимым и перспективным направлением криминалистики. Целью настоящей ра-
боты было подробно рассмотреть существующие ограничения и перспективы
внедрения технологий обработки поведенческих биометрических характеристик
в деятельность по раскрытию и расследованию преступлений.
Ключевые слова
:
биометрические технологии, биометрия, статические
биометрические характеристики, физиологические биометрические характери-
стики, динамические биометрические характеристики, поведенческие биометри-
ческие характеристики, криминалистическая идентификация
Исследование выполнено за счет гранта Российского научного фонда № 23-78-
10011,
https://rscf.ru/project/23-78-10011
BEHAVIORAL BIOMETRICS IN FORENSIC SCIENCE
Abstract.
Modern digital technologies contribute to the expansion of research
areas and types of biometric characteristics under investigation, but behavioral
biometrics is not sufficiently involved in forensic activities. This is because dynamic
characteristics are less stable and require more computing power, time to accumulate
and utilize. At the same time, they allow solving unique forensic problems and are more
difficult to falsify, which makes their study a very significant and promising area of
forensic science. The purpose of this paper was to examine in detail the existing
limitations and prospects for the introduction of technologies for processing behavioral
biometrics in crime detection and investigation.
Keywords
: biometric technologies, biometrics, static biometric characteristics,
physiological biometric characteristics, dynamic biometric characteristics, behavioral
biometric characteristics, forensic identification
The research was funded by the Russian Science Foundation grant No. 23-78-10011,
https://rscf.ru/project/23-78-10011
Введение.
Развитие цифровых технологий в последние годы привело
к стремительному расширению рынка биометрических технологий [6. С. 152], что
проявилось и в правоохранительной сфере: так, в частности методики установле-
ния личности правонарушителя посредством автоматизированного распознавания
Цифровые технологии в расследовании преступлени
его лица по цифровому изображению активно обсуждаются учеными [7, 9] и при-
меняются на практике.
Основная часть.
При этом важно заметить, что все биометрические харак-
теристики традиционно делятся на две группы: статические (физиологические)
и динамические (поведенческие). В первую группу входят изображение лица, ри-
сунки радужной оболочки глаза, ушной раковины, вен, папиллярных линий. К по-
веденческой биометрии (данный термин представляется более точным, если учи-
тывать словарные определения эпитетов, и репрезентативнее представлен в иссле-
дованиях, поэтому в работе мы будем использовать в основном его) относятся:
походка, голос, модель выполнения рукописной подписи, клавиатурный почерк
[8. С. 209]. В то время как физиологические биометрические технологии широко
внедряются в различные сферы практической деятельности, поведенческая био-
метрия используется, на наш взгляд, весьма ограниченно, хотя в конце прошлого
века отдельным ее направлениям в науке отдавался явный приоритет [5. С. 64].
Описанная ситуация может быть связана с несколькими причинами:
1.
Поведенческая биометрия проявляется лишь при определенных усло-
виях, то есть не может быть получена и обработана в любой момент времени. Так,
если, например, лицо с характеризующими конкретную личность чертами может
наблюдаться постоянно, то походка – только если человек начнет передвигаться
в пространстве без вспомогательных технических (в частности, транспортных)
средств.
2.
Биометрические технологии поведенческой идентификации требуют бо-
лее длительной настройки; для автоматизированной обработки данных необхо-
димо собрать больший объем «базовой информации», которая составит динами-
ческий стереотип. Так, для успешной регулярной идентификации по отпечатку
пальца достаточно единоразово пройти процедуру дактилоскопической регистра-
ции или отсканировать палец встроенным в телефон датчиком. Напротив, если со-
здается система аутентификации, учитывающая клавиатурный почерк пользова-
теля, требуется предварительно напечатать определенные объемы текстового ма-
териала [3. С. 144], чтобы система сформировала и запомнила профиль пользова-
теля.
3.
Поведенческая биометрия характеризуется большей вариационностью
признаков: тогда как радужная оболочка глаза остается неизменной на протяже-
нии почти всей жизни человека, подпись человека, а следовательно, и характер
движений при ее исполнении, в которых задействуется около 20 мышц руки [4.
С. 96], меняется при выполнении каждого очередного реквизита так, что и другие
люди, и системы искусственного интеллекта склонны распознавать некоторые
оригинальные подписи в качестве подложных [1. С. 519].
Также существует проблема, которая не является специфичной для пове-
денческой биометрии, а характерна для отдельных видов соответствующих при-
знаков в общем. Она связана с недостаточной научной разработанностью аспектов
использования конкретных биометрических данных и отсутствием технических
средств для их фиксации, хранения, обработки. Сегодня данная проблема свой-
ственна для исследований узоров ушной раковины, рисунка вен, походки, клавиа-
турного почерка и некоторых других направлений. Однако она носит субъектив-
ный характер и преодолима при наличии научного и практического интереса
Цифровые технологии в расследовании преступлени
к этому, тогда как описанные выше трудности более фундаментальны и происте-
кают непосредственно из природы динамических характеристик личности.
Вместе с тем поведенческая биометрия обладает рядом неоспоримых пре-
имуществ:
1.
Ее сложнее фальсифицировать (как третьему лицу, так и действитель-
ному носителю). Так, например, весьма значительной сегодня является проблема
дипфейков [2], а сам человек может использовать специальную сетку-маску, кото-
рая блокирует работу видеокамеры, что не позволяет распознать его внешность.
В свою очередь, поведенческие характеристики не наблюдаются в статическом
положении и являются более комплексными, в связи с чем подделать или созна-
тельно исказить их так, чтобы исключить возможность правильной идентифика-
ции, весьма затруднительно.
2.
Для обработки поведенческой биометрии часто не требуется какого-либо
специализированного оборудования. Распознавание папиллярных узоров, радуж-
ной оболочки глаз невозможно осуществить без точных микросканеров, тогда как
клавиатурный почерк может быть исследован по информации, сохраняющейся
в операционной системе компьютерного устройства, на котором осуществлялась
печать.
3.
Именно поведенческая биометрия позволяет решать уникальные экс-
пертно-криминалистические задачи. Так, все статические характеристики обеспе-
чивают идентификацию лица, которое присутствовало в определенном месте (воз-
можно, в определенное время). Однако поведенческая биометрия дает возмож-
ность ответить на большее число специфических вопросов, связанных с характе-
ром противоправного деяния: по клавиатурному почерку можно определить, кто
является исполнителем напечатанного текста (иного специального метода реше-
ния этой задачи не существует); по подписи – установить ее исполнителя в рамках
почерковедческой экспертизы; по походке – сформулировать ряд диагностических
выводов о человеке и т. д.
Заключение.
В связи с этим считаем, что более широкое внедрение пове-
денческой биометрии в практику раскрытия и расследования преступлений может
существенно повысить эффективность правоохранительной деятельности, осо-
бенно в части решения специфических задач. Требуется совершенствовать методы
работы с традиционными характеристиками и имплементировать из наук компь-
ютерно-технического профиля способы исследования новых цифровых явлений.
Современные достижения научно-технического прогресса способны вооружить
правоохранительную сферу всеми ресурсами, необходимыми для минимизации
недостатков динамической биометрии и максимизации ее положительных сторон.
Список литературы
1.
Бахтеев Д. В. Особенности распознавания подлога подписи человеком
как первичные критерии для разработки системы искусственного интеллекта //
Сибирское юридическое обозрение. – 2020. – Т. 17, № 4. – С. 514–522. – DOI:
10.19073/2658-7602-2020-17-4-514-522
2.
Бодров Н. Ф., Лебедева А. К. Понятие дипфейка (deepfake) в российском
праве, его классификация и проблемы правового регулирования // Юридический
Цифровые технологии в расследовании преступлени
вестник Дагестанского государственного университета. – 2023. – Т. 48, № 4. –
С. 173–181. – DOI: 10.21779/2224-0241-2023-48-4-173-181
3.
Брюхомицкий Ю. А. Текстонезависимая идентификация личности по ди-
намическим биометрическим параметрам на основе иммунной модели клональ-
ной селекции // Известия ЮФУ. Технические науки. – 2018. – № 5(199). – С. 142–
151. – DOI: 10.23683/2311-3103-2018-5-142-151
4.
Иванов А. И. Биометрическая идентификация личности по динамике
подсознательных движений: монография. – Пенза: Изд-во Пенз. гос. ун-та, 2000. –
186 с.
5.
Расторгуев С. П. Программные методы защиты информации в компьюте-
рах и сетях. – М.: Изд-во Аг-ва «Яхтсмен», 1993. – 187 с.
6.
Шангина И. Ю. Технологии биометрической идентификации: мировая
и российская практики // Инновации. Наука. Образование. – 2020. – № 18. –
С. 151–156.
7.
Шатов Д. В., Барсуков С. С., Шипанов И. Н. Лицевая биометрия
и нейронные сети в криминалистике: современные возможности и проблемы при-
менения // Юристъ-Правоведъ. – 2023. – № 1(104). – С. 155–163.
8.
Guo J., Mu H., Liu X., Ren H., Han Ch. Federated learning for biometric
recognition: a survey // Artificial Intelligence Review. – 2024. – Vol. 57. – Pp. 208–
247. – DOI: 10.1007/s10462-024-10847-7
9.
Yang M., Li Sh., Zeng J. The Effects of AI-Driven Face Restoration on
Forensic Face Recognition // Applied Sciences. – 2024. – Vol. 14. – Article ID 3783. –
DOI: 10.3390/app14093783
К. В. Шевелева,
старший преподаватель,
Российский технологический университет – МИРЭА
О КРИМИНАЛИСТИЧЕСКИ ЗНАЧИМОЙ ИНФОРМАЦИИ
ПРИ РАССЛЕДОВАНИИ НЕЗАКОННЫХ ОРГАНИЗАЦИИ
И ПРОВЕДЕНИЯ АЗАРТНЫХ ИГР, СОВЕРШАЕМЫХ
С ИСПОЛЬЗОВАНИЕМ СЕТИ «ИНТЕРНЕТ»
Аннотация.
Статья посвящена исследованию криминалистически значи-
мой информации при совершении преступления, предусмотренного ст. 171.2
УК РФ, посредством сети Интернет. При написании статьи использованы следу-
ющие научные методы: метод анализа, системно-структурный, эмпирический. Со-
держание исследования: в работе, на основе судебной и следственной практики,
отмечаются важные с точки зрения криминалистики отображения действий пре-
ступников в Сети, а также иные элементы криминалистической характеристики
незаконной организации и проведения азартных игр. В результате: автор приходит
к выводу, что в целях эффективного расследования исследуемого преступления
необходима комплексная разработка методики расследования с учетом ее крими-
налистической характеристики. Констатируется необходимость использования
подобных сведений в следственной деятельности.
