CC BY
235УДК 343 © А. Л. Осипенко, 2019 DOI: 10.24411/1999-625X-2019-14007
Оперативно-розыскная деятельность в информационном обществе: адаптация к условиям цифровой реальности
А. Л. Осипенко, Краснодарский университет МВД России. E-mail: osipenko_al@mail.ru
Существенные изменения технологической и социальной среды современного общества требуют адаптации оперативно-розыскной деятельности к новым условиям цифровой реальности. Проанализировав факторы, оказывающие влияние на развитие оперативно-розыскной науки и практики, автор обосновал, что внедрение технологий искусственного интеллекта сформировало технологические предпосылки для перехода к новым упреждающим моделям организации правоохранительной деятельности. В статье обобщены задачи оперативно-розыскной деятельности, решению которых способствует применение названных технологий; рассмотрены ограничения, присущие этим технологиям; предложен комплекс мер, обеспечивающих повышение эффективности оперативно-розыскной деятельности в информационном обществе.
Ключевые слова: оперативно-розыскная деятельность; искусственный интеллект; киберпространство; киберпреступность; информационное общество; аналитические технологии; предиктивная аналитика.
Crime Detection in an Information Society: Adaptation to the Conditions of Digital Reality
A. L. Osipenko, Krasnodar University of the Russian Ministry of Internal Affairs. E-mail: osipenko_al@mail.ru
Significant changes in technological and social environment of the modern society require adaptation of crime detection to the new conditions of digital reality. The analysis of the factors which influence the development of crime detection science and practice enables the author to substantiate that implementation of artificial intelligence technologies has formed technological conditions for the transition to the new preemptive models of organizing law enforcement. The paper summarizes the tasks of crime detection which can be solved by using the mentioned technologies; considers the restrictions typical for these technologies; suggests a set of measures to increase effectiveness of crime detection in an information society.
Keywords: crime detection; artificial intelligence; cyberspace; cybercrime; information society; analytical technologies; predictive analytics.
Информационно-телекоммуникационные технологии существенно влияют на среду обитания современного человека. Происходит переход к иному укладу жизни, определяемому как информационное общество, в котором проявляются новые экономические, технические и крайне опасные социальные угрозы. Изменение образа жизни значительной части населения влечет необходимость обновления правовой системы, внедрения актуальных моделей правоохранительной деятельности. Эти процессы формируют сегодня «один из главных вызовов, стоящих перед правом, для преодоления которого праву и правовой науке необходимы новые теоретические и практические решения, определяющие принципы
и закономерности развития технологий и влияющие на эффективность правоприменения в условиях цифровой трансформации мира» [1, с. 4]. Развитие информационных технологий ставит вопрос и о пересмотре концепций оперативно-розыскной деятельности (далее — ОРД), которая во многом строится на информационных процессах. Разведывательная сущность этой деятельности предполагает постоянное производство по большей части активных (гласных и негласных) действий, направленных на сбор информации о противоборствующей стороне. Получаемая информация при этом выступает не только в качестве средства для принятия оперативных решений, но и как важнейший долговременный
ресурс, обеспечивающий эффективность деятельности в целом.
Сохранение потребности в эффективном осуществлении ОРД в новой цифровой реальности обусловливает поиск путей совершенствования деятельности оперативных подразделений. Для этого стоит выяснить, какие обстоятельства являются определяющими при выборе соответствующих стратегий.
За последнее время в нашей стране принят комплекс программных документов, направленных на ускоренный переход к информационному обществу. Государственная программа «Информационное общество» разработана еще в 2010 г. Программа «Цифровая экономика Российской Федерации» предусматривает преобразования в экономике, при которых данные в цифровой форме станут ключевым фактором производства. Указ Президента РФ от 7 мая 2018 г. № 204 «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 года» закрепляет цели цифровизации общественных процессов. В 2019 г. приняты Государственная программа «Научно-технологическое развитие Российской Федерации» и «Национальная стратегия развития искусственного интеллекта до 2030 года». В многообразии взаимодополняющих программных документов можно выделить процессы, которые представляют интерес и с позиций ОРД. Так, приоритетными сквозными технологиями, задающими темпы перехода к информационному обществу, в этих документах признаны большие данные и их анализ, нейротехноло-гии и искусственный интеллект, квантовые технологии, Интернет вещей, компоненты робототехники и сенсорика, технологии беспроводной связи, виртуальной и дополненной реальности, облачные решения.
Оперативно-розыскная деятельность, которая (в отличие от следственной) регламентирована относительно слабо, всегда была восприимчива к внедрению технологий и применению специальных технических средств. Однако сегодня развитие информационных технологий подошло к такому состоянию, которое побуждает не только внедрять появившиеся новшества, но и в определенной мере пересмотреть сложившиеся представления о способах получения оперативно значимой информации и подходах к осуществлению ОРД в целом. Центральное место среди
этих технологий занимают приобретающие особую популярность технологии искусственного интеллекта (далее — ИИ).
Термин «искусственный интеллект» впервые применил Дж. МакКарти еще в 1955 г. [2], но в то время он не нашел широкого применения, поскольку переход к предлагаемым эвристическим алгоритмам был неосуществим из-за ограничений вычислительных мощностей и объемов памяти компьютерных систем. Не было возможности и оперировать масштабными массивами данных. Практическую реализацию, позволяющую эффективно использовать его в решении сложных задач, в том числе и в сфере ОРД, ИИ получает только в последние годы, чему способствует активное внедрение целого комплекса сквозных технологий информатизации. В первую очередь, это аналитика больших данных, развитие которой поддерживается за счет массивов данных, формируемых в результате использования Интернета вещей. Последний образован колоссальным количеством устройств, оснащенных датчиками, и поддерживается технологиями взаимодействия их друг с другом и с внешней средой. Подобные объекты генерируют грандиозные потоки информации, в которых содержатся и сведения, представляющие интерес для ОРД.
Можно назвать и иные факторы, обусловившие существенное увеличение объемов информации, в том числе оперативно значимой, циркулирующей в цифровой форме. Это повышение доступности информационных технологий и мобильных устройств; снижение стоимости процессоров и средств хранения данных; развитие облачных технологий; расширение арсенала датчиков (нательных и применяемых в технических устройствах). Особо стоит выделить постоянное наращивание мощности современных вычислительных систем и скорости вычислений.
Обновление технологических решений происходит с нарастающей интенсивностью, и это сопровождается изменениями в применяемой терминологии: на смену привычным понятиям приходят новые, не всегда точно отражающие суть явления, работающие, скорее, на повышение интереса к нему в общественном сознании. Так, в общественном дискурсе наравне с термином «искусственный интеллект» в последнее время нередко стал использоваться как равнозначный термин «искусственные нейронные сети»1. В случаях,
1 Полагаем, более точно говорить о «системах искусственного интеллекта на базе искусственных нейронных сетей», поскольку достижение целей, задаваемых для систем ИИ, возможно и с применением иных подходов. На сегодняшний день использование нейронных сетей является ключевым в силу высокой эффективности соответствующих алгоритмов. Поясним, что под «искусственным нейроном» принято понимать процессор, реализующий нелинейную функцию, изменяющую значение в зависимости от входящих сигналов. Совокупность таких нейронов, объединенная определенным способом, образует искусственную нейронную сеть, которая обеспечивает решение логических задач.
когда речь идет о решении задач ОРД в общем виде, предпочтительно, на наш взгляд, использовать термин «искусственный интеллект» как обобщающий для обозначения широкого круга современных информационных технологий 2. Во-первых, он уже прочно закрепился в научном обороте, используется не только во многих научных источниках, но и в официальных документах, посвященных цифровизации общества; а во-вторых, он вполне удачно на ассоциативном уровне отражает, на что направлено его использование (решение интеллектуальных задач), а не то, как этого добиваются или на что это похоже (моделирование нейронных сетей головного мозга). Иными словами, он отражает суть явления в общем виде, а не способ его реализации.
В уже упомянутой Национальной стратегии развития искусственного интеллекта ИИ определяется как «комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека». Системы ИИ основаны на процессах машинного обучения, при которых они самостоятельно обучаются и с каждой итерацией решают задачу все более точно, с учетом полученного опыта. После обучения система способна выдавать верный результат не только при новых, ранее не использовавшихся в обучении, но и при частично некорректных входных данных.
Системы ИИ активно развиваются во всем мире, появляются и специализированные организации, поддерживающие соответствующие процессы 3. В 2019 г. создана Российская ассоциация искусственного интеллекта. Министерство цифрового развития, связи и массовых коммуникаций РФ опубликовало «дорожные карты», согласно которым на развитие искусственного интеллекта до 2024 г. будет затрачено 392 млрд руб. 4 Полагаем, что и темпы внедрения ИИ в ОРД должны соответствовать основным показателям Национальной стратегии.
В научной литературе уже представлен обстоятельный анализ доктринальных подходов к пониманию места искусственного интеллекта в правоотношениях и к решению вопроса о его правосубъектности [3-5]. Появились работы, отражающие перспектив-
ные направления его использования в правоохранительной деятельности, включая ОРД [6].
В пределах этой публикации невозможно обстоятельно рассмотреть весь спектр информационных технологий, представляющих интерес для решения задач ОРД. Большинство из них настолько плотно переплетается, что во многих случаях нельзя точно определить, какая из них основная. И сегодня уже, пожалуй, нет смысла говорить о влиянии на ОРД той или иной технологии в отрыве от других. Более продуктивно, на наш взгляд, формировать общее представление о той новой цифровой реальности, в которой мы оказались. Следует признать, что «целостная теория этой реальности отсутствует, что делает развитие непредсказуемым, неоправданно повышает его издержки и ведет к снижению познаваемости мира. Поэтому главная задача современных исследований — изучение новой реальности и обобщение имеющихся фрагментарных разработок» [7].
Одним из наиболее важных с позиций ОРД атрибутов этой реальности, на наш взгляд, является развитие киберпространства и его сложнейшие связи с традиционными социальными явлениями. В целом можно считать, что в современных условиях информационные взаимодействия реализуются в нескольких средах:
— в физическом пространстве — естественной среде существования человека;
— в киберпространстве — искусственной среде, образованной в результате взаимодействий людей с технологической сетевой инфраструктурой и реализованными в ней информационными объектами;
— в виртуальной реальности — специфических областях киберпространства, моделирующих взаимодействия в физической реальности (все чаще это не только игровые среды, но и площадки для финансовых взаимодействий, научных форумов, деловых совещаний);
— в дополненной реальности — физическом пространстве, расширенном за счет применения специальных устройств (например, очков дополненной реальности) виртуальными объектами, которые позволяют осуществлять особые взаимодействия или предоставляют запрашиваемую информацию. По сути, многие из нас уже практически постоянно
2 Это не препятствует использованию сочетания «искусственные нейронные сети» в конкретных контекстах. В конечном счете, справедливо мнение о том, что для оперативного сотрудника не столь важно, как называются те или иные технологии и на каких принципах основаны применяемые в них алгоритмы, интереснее для него, какие результаты они позволяют получить.
3 В США в 2017 г. только Пентагон потратил 7,4 млрд долларов на разработку таких систем.
4 Из государственного бюджета предполагается выделить 57 млрд руб., а остальные средства привлечь за счет механизмов государственно-частного партнерства (Дорожная карта развития «сквозной» цифровой технологии «Нейротехнологии и искусственный интеллект» URL: https://digital.gov.ru/ru/documents/6658/ (дата обращения: 16.08.2019)).
пребывают в дополненной реальности, получая из мобильных устройств информацию для принятия решений.
Оперативно-розыскной науке важно исследовать специфику каждой из обозначенных сред и выявить возможности, которые они предоставляют для решения оперативно-розыскных задач. При этом важно учитывать, что киберпростран-ство активно используется как место или средство поддержки при совершении многих преступлений (коммуникация, планирование и координация действий, поиск жертвы и сбор информации об объекте преступления и т. п.). Одновременно в нем сформировались специфические условия для реализации ОРД. Это связано с наличием особых криминогенных объектов, появлением мест концентрации оперативно значимой информации (таких как социальные сети, сайты криминальной направленности, теневой интернет и др.), формированием сообществ криминальной направленности. В киберпространстве возможно применять большинство из традиционных форм, средств и методов ОРД, которые должны быть адаптированы к особым условиям этой среды. Такая адаптация должна быть предметом научной проработки и проверки в практической деятельности специализированных подразделений [8]. Значительный потенциал повышения результативности для каждого оперативного сотрудника несет и использование возможностей дополненной реальности (распознавание лиц, видеозапись, фотофиксация и т. д.).
ОРД по самой своей сути призвана приспосабливаться к той среде, в которой она реализуется. Негласный характер большинства проводимых мероприятий предполагает, что они осуществляются максимально скрытно. Для этого проводящий их оперативный сотрудник должен глубоко понимать природу реализуемых действий и особенности отражения их последствий в специфической среде. Отдельный интерес в этом контексте представляют зоны киберпространства, в которых предпринимаются дополнительные технические и организационные конспиративные меры, направленные на сохранение анонимности пользователей и обеспечение доступа к закрытым площадкам для ограниченного круга лиц 5. Методы оперативной работы с подобными объектами требуют более
глубокого изучения с привлечением технических специалистов.
Существенное влияние на изменение характера ОРД оказывают трансформации преступности, также во многом определяемые использованием информационных технологий. Здесь отмечаются две тенденции. Во-первых, организованная преступность меняет свои формы и внедряет технологии для решения криминальных задач, а во-вторых, киберпреступность становится все более мощной и организованной. Постоянно увеличивается и количество преступлений в этой сфере, нарастает их общественная опасность. В ноябре 2019 г. состоялось заседание коллегии МВД России, посвященное совершенствованию работы по выявлению, раскрытию и расследованию преступлений, совершенных с использованием информационно-телекоммуникационных технологий. По заявлению министра внутренних дел В. А. Колокольцева, в 2018 г. число противоправных деяний, совершенных с применением информационных технологий, увеличилось в два раза, а в январе-сентябре 2019 г. — почти на 70 % 6. По данным МВД России, за 9 месяцев 2019 г. зарегистрировано 205 116 преступлений, совершенных с использованием компьютерных и телекоммуникационных технологий (за тот же период 2017 г. — 62 496), причем раскрыто за это время всего 48 260 преступлений 7.
В западной литературе появились работы, анализирующие реальные и прогнозируемые угрозы применения технологий ИИ криминалом [9]. Как правило, эти технологии внедряются высокоорганизованными преступными сообществами (например, наркокартелями). Все чаще фиксируется явление, обозначаемое «преступление как услуга» (взлом компьютерной системы, организация DDoS-атаки и т. п.). Приводятся примеры использования машинного обучения в состязательном режиме для создания вредоносных программ, для осуществления мошенничеств в финансовой сфере и манипулирования рынком, при этом системы ИИ разрабатывают новые стратегии, существенно усложняющие обнаружение их действий. Отмечается активное привлечение наркопреступностью новых технологий при планировании наркотрафика с использованием роботов и беспилотных транспортных средств (в том числе подводных
5 Эксперты из Великобритании в 2019 г. на основе анализа более 5 тысяч сайтов в «Темном Интернете» («Даркнете») установили, что 57% из них связаны с криминальной активностью (Россия захватывает даркнет. URL: https://novostivl.ru/post/74497 (дата обращения: 16.08.2019)).
6 В. Колокольцев провел заседание коллегии МВД России. URL: мвд.рф/news/item/18808269/ (дата обращения: 16.08.2019))
7 Оя Е., Иванова Н. Зона повышенной опасности: в России резко выросло число киберпреступлений /News.Ru. 2019. 24 октября. URL: https://news.ru/society/zona-povyshennoj-opasnosti-v-rossii-rezko-vyroslo-chislo-kiberprestuplenij/ (дата обращения: 16.08.2019).
аппаратов) 8, а также применение ботов в социальных сетях для рекламы и продажи наркотиков [10].
Выявлены случаи задействования ботов в качестве инструмента прямого и косвенного преследования, распространения порочащей информации, генерации фальшивого контента. Боты, автоматически создающие поток комментариев заданной направленности, используются в конкурентной и политической борьбе. Расширяется генерирование фальсифицированного контента, когда программа синтезирует изображение лица конкретного человека и заменяет им указанное лицо в обрабатываемом видеофрагменте 9. Применяются технологии синтеза, способные произносить заданные фразы голосом конкретного человека после обработки его индивидуального речевого образца [11]. Прогнозируется, что в ближайшее время поддельные аудио- и видеозаписи, создаваемые с применением ИИ, станут неотличимы от реальных.
Расширяется применение преступниками криптографических алгоритмов, существенно затрудняющих доступ к оперативно значимой информации. Они используются как элемент конспирации для сокрытия следов криминальной деятельности либо фактов коммуникации с сообщниками и содержания сообщений. Важным для оперативного сотрудника становится умение добраться до скрываемых сведений, получить доступ ко всему объему значимой информации, извлечь из массива компьютерных данных все самое ценное, сохранив при этом свою анонимность.
Однако объемы данных уже таковы (особенно в сфере противодействия транснациональным преступным сообществам), что обычный человек не в состоянии самостоятельно их собрать, обработать и полностью учесть. Это обстоятельство побуждает изменять подходы не только к формированию и функционированию оперативно-розыскных учетов, но и к самим принципам работы с информацией в ОРД в целом. Обобщение возможностей, которые в этой сфере открывает применение информационно-аналитических технологий, и разработка на этой основе методических рекомендаций для практических подразделений становится особой задачей ведомственной науки. Сегодня важно сформировать у оперативных сотрудников навыки использования имеющегося инструментария ИИ при решении таких задач, как:
— идентификация подозреваемых, свидетелей, разыскиваемых лиц по расширяющемуся спек-
тру признаков (лицо, голос, походка, рисунок вен на руках, микромоторика мышц, поведенческие признаки и др.);
— обобщение данных о физическом состоянии разрабатываемых лиц, маршрутах перемещений (с приобщением видеофрагментов с камер наблюдения), конкретном местоположении, покупках и финансовых транзакциях, интересах (места проведения досуга, посещаемые сетевые ресурсы), устойчивых связях, способах общения, сеансах связи (их периодичность и продолжительность) и т. п., формирование на этой основе максимально полного досье;
— определение роли отдельных участников и распределения обязанностей в преступных группах;
— выявление в скоплении людей лиц, представляющих угрозу (отклонения в поведении, физические характеристики);
— автоматизированный поиск мест размещения противоправной информации;
— выделение в информационных потоках сведений о представляющих оперативный интерес фактах, обстоятельствах, связях, зависимостях, а также признаков, свидетельствующих о маскируемой криминальной активности;
— организация системы уведомлений, автоматически формирующей и направляющей оперативным сотрудникам оповещения об изменениях в профилях разрабатываемых лиц, которые указывают на потенциальную преступную деятельность;
— обнаружение признаков манипулирования информационными потоками, применения технологий дезинформирования, вброса «фейковых» новостей, определение степени достоверности информации и надежности информационного источника, установление фактов применения технологий шифрования и сокрытия данных, маскировки действий в киберпространстве;
— определение психологического и эмоционального состояния участников сетевого общения;
— прогнозирование криминальной активности, изменений оперативной обстановки и поиск оптимальных управленческих решений с учетом наличных сил и средств.
Стоит отметить, что достижения последних лет формируют ошибочное представление о «всемогуществе» технологий ИИ, а многие публикации в этой сфере носят развлекательный или популяризаторский характер и не отличаются серьезной научностью.
8 Europol. Serious and organised crime threat assessment. 2017. URL: https://www.europol.europa.eu/socta/2017/ (дата обращения: 16.08.2019).
9 Chesney R., Citron D. Deepfakes: A looming crisis for national security, democracy and privacy? Lawfare, February 21, 2018. URL: https://www.lawfareblog.com/deep-fakes-looming-crisis-national-security-democracy-and-privacy (дата обращения: 16.08.2019).
Важно понимать, что этим технологиям присущи определенные ограничения. Прежде всего, эффективность их функционирования определяется качеством исходных правил и данных, закладываемых на начальном этапе. Ученые отмечают наличие парадокса, когда «объем информации растет в геометрической прогрессии, а качественный контент съеживается, как шагреневая кожа, уходит в небытие» [12]. Важные ограничения связаны и с непрозрачностью применяемых алгоритмов, а потому непродуманное внедрение систем ИИ в полицейскую деятельность вызывает опасения у многих исследователей. По их мнению, «неопределенность в развитии искусственного интеллекта, возможные угрозы от его использования порождают вопросы и требуют правовых гарантий его безопасного функционирования» [13].
С позиций ОРД стоит выделить и труднопреодолимые препятствия в плане учета взаимосвязей социальных явлений. Исследователи отмечают, что в моделях, основанных на нейронных сетях, при глубинном обучении отсутствуют способы представления причинно-следственных связей и выполнения логических выводов, они не способны к интеграции абстрактных знаний 10. Очевидно, при достижении целей ОРД не обойтись без постижения смысла поступков, что в ближайшей перспективе явно не под силу программному обеспечению ИИ. Наконец, не менее существенным ограничением является исходная установка систем ИИ на решение задач в стабильном мире с заранее определенными правилами. В сферах деятельности, где правила могут часто и резко меняться (а это характерно и для ОРД), подход машинного обучения может терять свою эффективность.
Таким образом, нельзя считать ИИ панацеей в решении большинства задач ОРД. Важно понимать, что на текущем этапе он результативен лишь при решении типовых задач с известным регламентом и масштабным набором проверяемых входных данных и недостаточно продуктивен в тех областях, где требуется творческий подход. С учетом этого стоит прислушаться к мнению об ошибочности «восторженного отношения к цифровым технологиям и эйфорической надежде на искусственный интеллект» в правоприменении [14]. Эти технологии требуют к себе очень осторожного и взвешенного отношения, особенно там, где от них зависит соблюдение интересов и прав граждан.
Полагаем, что новые условия определяют и целесообразность пересмотра системы оперативно-розыскных мероприятий (далее — ОРМ). Действия
оперативных сотрудников в соответствии со сложившимися на практике подходами образуют три группы: традиционные ОРМ, обозначенные в Федеральном законе «Об оперативно-розыскной деятельности», специальные технические и информационно-аналитические мероприятия. Причем последние формально не имеют должной легитимности, поскольку не включены в закрепленный законом перечень. В качестве одного из вариантов решения проблемы предлагается в указанном перечне объединить «прослушивание телефонных переговоров», «снятие информации с технических каналов связи» и «получение компьютерной информации» в одно мероприятие, которое можно назвать «получение информации из технических устройств, систем и каналов связи». Кроме того, стоит поддержать ученых, предлагающих включить в Закон оперативно-розыскные методы «оперативное распознание», «оперативно-розыскное прогнозирование» и «аналитический поиск» [15]. Полагаем, допустимо объединить их в одной группе действий, назвав ее, например, «автоматизированный информационно-аналитический поиск». В отличие от ОРМ, направленных на сбор информации, эти действия решают задачу получения «новых знаний о разведываемом объекте или явлении на основании аналитической обработки добытой информации и сведений об известных фактах» [16]. С учетом этого возникают обоснованные сомнения в правильности их отнесения к категории ОРМ. Предлагаем рассматривать их в качестве одной из мер обеспечения оперативно-розыскного производства, целесообразность закрепления которых в законе уже обосновывалась нами ранее [17].
При анализе возможностей, предоставляемых технологиями ИИ в правоохранительной деятельности, мы уже обращали внимание на их высокий прогностический потенциал и успешность при выборе оптимальных управленческих решений. Это создает реальную основу для перехода в ближайшем будущем на упреждающую модель организации работы органов внутренних дел, основанную на анализе оперативной информации во всей ее полноте. Руководство МВД России видит в этом реальную перспективу повышения эффективности правоохранительной деятельности 11. Зарубежные правоохранительные органы также прилагают значительные усилия к тому, чтобы превентивная полицейская деятельность с использованием ИИ стала нормой, и их опыт заслуживает изучения 12.
10 Marcus G. Is «deepl earning» are volution in artificial intelligence? // The New Yorker. 2012. November, 25. URL: https://www. newyorkerxom/news/news-desk/is-deep-learning-a-revolution-in-artificial-intelligence (дата обращения: 16.08.2019).
11 В. Колокольцев выступил на пленарном заседании Международного полицейского саммита. URL: https://мвд.рф/news/ item/18681665/ (дата обращения: 16.08.2019).
12 Campbell T. Opportunities and Challenges from Artificial Intelligence for Law Enforcement. 20 Jul, 2018/ URL: https://www. futuregrasp.com/opportunities-from-artificial-intelligence-for-law-enforcement (дата обращения: 16.08.2019).
Залогом результативной реализации такой модели в ОРД должны стать расширение оперативно-розыскного контроля и развитие всех форм пре-диктивной аналитики. Оперативно-розыскной контроль предполагает наблюдение за поведением определенных категорий граждан в целях предупреждения и пресечения преступных проявлений на основе наращивания систем видеонаблюдения с использованием ИИ и расширения мониторинга информационного пространства сети Интернет. В свою очередь, предиктивная аналитика, применяя широкую палитру аналитических и статистических методов для прогнозирования изменений контролируемой системы или поведения ее участников, позволяет эффективно выявлять признаки, которые указывают на вероятность проявлений криминальной активности, требующей реагирования со стороны полиции.
Как отмечает В. С. Овчинский, «успешная реализация подобного подхода предполагает коренное и полное изменение функционала, организационной структуры и отчетности полицейских органов» 13. Все это должно сопровождаться реализацией комплекса мер обеспечивающего характера (правовых, организационных, технических).
Прежде всего, отметим важность совершенствования правового регулирования, которое обеспечит в оптимальном режиме доступ оперативных подразделений к массивам больших данных, без чего пре-диктивная аналитика будет «слепой». Речь идет о необходимости снятия определенных правовых ограничений для решения ключевых задач предиктивной аналитики.
Основой взаимодействия правоохранительных органов при обмене данными должна стать его регламентация, предусматривающая, в частности, унификацию структуры данных в информационных системах. В системе органов внутренних дел концентрация оперативно значимой информации сегодня в основном проходит в подразделениях оперативно-разыскной информации, информационных системах иных оперативных подразделений, Главном информационно-аналитическом центре МВД России, информационных центрах на региональном уровне. В 2018 г. образован Ситуационный центр МВД России, основной задачей которого является информационно-аналитическое и телекоммуникационное обеспечение принятия оптимальных управленческих решений. Центр решает вопросы информационного взаимодействия
с Ситуационным центром Президента, ФСО России, Минобороны России, МЧС России, Росгвар-дией и иными ведомствами. Здесь планируется концентрировать и обрабатывать большие данные, объединяющие имеющиеся в ведомстве массивы информационных ресурсов и результаты мониторинга средств массовой информации и ресурсов интернета 14.
Успешное внедрение технологий ИИ в ОРД невозможно без научного обеспечения, причем здесь требуется углубление тематики выполняемых исследований. Оперативно-розыскная наука должна сконцентрировать внимание на комплексе проблем, связанных не только с аналитикой, но и с обеспечением информационной безопасности, криптографией, вовлечением полученных цифровых данных в уголовный процесс. Представляются перспективными и исследования в области профилактического оперативно-розыскного воздействия через сетевые ресурсы с использованием механизмов управления социальными процессами [18].
Поддерживая необходимость формирования у каждого оперативного сотрудника компетенций по эффективному поиску и сбору оперативно значимой информации в цифровой среде, отметим, что не менее важной задачей представляется создание особых условий для привлечения к ОРД квалифицированных аналитиков, прошедших подготовку в области обработки данных. В этой сфере есть различные направления специализации (программирование; добывание данных (Data Mining); машинное обучение; визуализация данных), и все они представляются полезными при решении задач ОРД. Нужны специалисты, которые могут взглянуть на задачу по-новому, грамотно поставить ее так, чтобы компьютер выдал нетривиальный результат. Это своего рода «холмсы» информационной эпохи, обладающие особой «цифровой» интуицией. Разумеется, устранение дефицита специалистов возможно лишь при создании привлекательных условий для трудоустройства и конкурентоспособного уровня заработной платы.
Для успешного достижения намечаемых целей важно формирование устойчивой и безопасной информационно-телекоммуникационной инфраструктуры, способной обеспечить высокоскоростную передачу, обработку и хранение больших объемов информации, функционирование безопасных линий связи и центров обработки данных, разработку и внедрение дорогостоящего программного
13 Овчинский В. Полиция 4.0: как реорганизовать полицию в условиях технологической революции. URL: http://zavtra.ru/ blogs/politciya_4_0_ (дата обращения: 16.08.2019)).
14 Гостев А. А. Ситуационный центр МВД России: перспективы развития. 16.08.2019. URL: http://ormvd.ru/pubs/101/ situational-centre-of-the-ministry-of-internal-affairs-of-russia-prospects-of-development/ (дата обращения: 16.08.2019).
обеспечения. Поскольку затраты на внедрение названных технологий весьма высоки, а эффективность их применения пока не всегда предсказуема, особой проработки заслуживают вопросы привлечения организационных и финансовых ресурсов. Решение этих задач возможно, в частности, при задействовании механизмов государственно-частного партнерства, как это делается по иным направлениям социального развития. Стратегия централизованного оснащения оперативных подразделений программно-аппаратными комплексами должна предусматривать полную инвентаризацию применяемых в настоящее время разноформатных программ и баз данных, определение их совместимости, принятие мер к интеграции в единую систему, разработку общих требований к новым комплексам с точки зрения обеспечения совместимости. Важно организовать работу в двух направлениях: находить и адаптировать к решению задач полиции имеющиеся перспективные программные комплексы и ставить задачи по разработке новых с максимальным использованием программ с открытым кодом. Кроме того, должна проводиться грамотная политика организационно-технического сопровождения внедрения указанных комплексов, его методического обеспечения, с анализом результатов применения.
Подведем основные итоги:
1. Существенные изменения технологической и социальной среды современного общества требуют адаптации ОРД к новым условиям. Для выделения факторов, оказывающих определяющее влияние на развитие оперативно-розыскной науки и изменение стратегии ОРД в условиях цифровой реальности, важно опираться на результаты изучения науками социального цикла последствий внедрения новых технологий, особенностей общественных процессов и угроз, связанных с информатизацией общества.
2. Внедрение технологий ИИ и анализа больших данных сформировало достаточные технологические предпосылки для перехода к новым упреждающим моделям организации правоохранительной деятельности. Теперь требуются организационные усилия для успешного обеспечения такого перехода, с учетом тенденций изменения криминогенной обстановки разработка мер, нацеленных на повышение эффективности этой деятельности, определение места и роли ОРД в соответствующих процессах. В оперативно-розыскной сфере указанные модели должны опираться на широкое применение методов предиктивной аналитики и совершенствование комплексной системы оперативно-розыскного контроля с использованием технологий ИИ.
3. Развитие специфических сред реализации общественных отношений (в том числе отношений в сфере ОРД) обусловливает потребность в совершенствовании методов оперативной работы, адаптации их к применению в киберпространстве и в дополненной реальности, в поиске новых методов реализации оперативно-розыскных действий и апробации их на практике. Важнейшими направлениями исследований в оперативно-розыскной науке становятся познание специфики киберпространства, особенно его «теневых» сегментов, выявление в нем специфичных криминогенных объектов, определение мест и особенностей концентрации оперативно значимой информации, разработка способов доступа к ней. Должно быть обеспечено изучение перспектив использования дополненной реальности и расширения арсенала специальных технических средств для негласного сбора информации (робототехника, беспилотные летательные аппараты, видеонаблюдение, датчики).
4. Особое влияние на организацию и тактику ОРД должно оказывать понимание трансформаций современной преступности, активно использующей все перспективные технологии в криминальной деятельности. При осуществлении оперативной работы в киберпространстве должны учитываться особые формы организационного построения и взаимодействия криминальных образований, методов управления ими и поддержания коммуникации внутри них.
5. Технологии ИИ создают абсолютно новые условия работы с информацией, привносят в ОРД принципиально иные возможности, особенно с учетом перевода в цифровую форму подавляющей части оперативно значимой информации (практически по каждому преступлению или преступнику можно обнаружить относимые компьютерные данные). Однако их внедрение в оперативно-служебную деятельность должно сопровождаться реализацией мер обеспечивающего характера, связанных с необходимостью формирования адекватной правовой базы, создающей условия для доступа к массивам данных из различных систем; решением проблем материально-технического обеспечения; обновлением системы подготовки, переподготовки и повышения квалификации кадров, привлечением опыта и ресурсов бизнес-сообщества.
В завершение отметим, что все изложенное стоит расценивать лишь как начальные шаги на пути к осознанию требований к масштабному переформатированию ОРД на основе внедрения технологий ИИ. Обозначенные вопросы заслуживают глубокого осмысления научным сообществом, а в дальнейшем — постоянной корректировки с учетом результатов применения ИИ в практической деятельности оперативных подразделений.
Список литературы
1. Наумов В. Б. Право в эпоху цифровой трансформации: в поисках решений // Российское право: образование, практика, наука. 2018. № 6.
2. McCarthy J., Minsky M. L., Rochester N., Shannon C. E. A proposal for the Dartmouth summer research project on artificial intelligence. 1955. URL: https://doi.org/10.1609/aimag.v27i4.1904 (дата обращения: 16.08.2019).
3. Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии. М., 2016.
4. Шестак В. А., Волеводз А. Г. Современные потребности правового обеспечения искусственного интеллекта: взгляд из России // Всероссийский криминологический журнал. 2019. Т. 13. № 2.
5. Морхат П. М. Искусственный интеллект. Правовой взгляд. М., 2017.
6. Жданов Ю., Овчинский В. Полиция будущего. М., 2018.
7. Делягин М. Некоторые объективные тенденции глобальной трансформации человечества. URL: https:// delyagin.ru/articles/187-pozitsija/56788-nekotorye-ob-ektivnye-tendentsii-global-noy-transformatsii-chelovechestva (дата обращения: 16.08.2019).
8. Осипенко А. Л. Об участии органов внутренних дел в системе обеспечения кибербезопасности Российской Федерации // Общество и право. 2018. № 3(65).
9. King T. C., Aggarwal N., Taddeo M. Artificial Intelligence Crime: An Interdisciplinary Analysis of Foreseeable Threatsand Solutions. SciEngEthics. 2019. https://doi.org/10.1007/s11948-018-00081-0 (дата обращения: 16.08.2019).
10. Mackey T. K., Kalyanam J., Katsuki T., Lanckriet G. Machine learning to detect prescription opioid abuse promotion and access via Twitter // American Journal of Public Health. 2017. 107(12). URL: https://doi.org/10.2105/ AJPH.2017.303994 (дата обращения: 16.08.2019).
11. Bendel O. The synthetization of human voices // AI and Society. March 2019, Vol. 34. Issue 1. URL: https://doi. org/10.1007/s00146-017-0748-x (дата обращения: 16.08.2019).
12. Чернышов А. Г. Искусственный интеллект в качестве новой религии и идеологии цифровых данных // Власть. 2019. № 2.
13. Минбалеев А. В. Проблемы регулирования искусственного интеллекта // Вестник ЮУрГУ Серия «Право». 2018. Т. 18. № 4.
14. Поляков М. П., Смолин А. Ю. Цифровые технологии на службе правосудия: идеологические предпосылки и технические перспективы // Вестник Нижегородской академии МВД России. 2018. № 2 (42).
15. Денисов В. В., Яковец Е. Н. Сущность и содержание информационно-аналитического обеспечения полицейской разведки // Труды Академии управления МВД России. 2017. № 1 (41).
16. Овчинский С. С. Оперативно-розыскная информация. М., 2000.
17. Луговик В. Ф., Осипенко А. Л. Оперативно-розыскная деятельность органов внутренних дел: перспективы совершенствования правового регулирования // Вестник Воронежского института МВД России. 2015. № 4.
18. Овчинский А. С., Борзунов К. К. Информация как инструмент обеспечения антикриминальной безопасности в цифровом мире // Вестник экономической безопасности. 2019. № 3.
