Digitalization and Development of Forensic Records
Цифровизация и развитие криминалистических учетов
Статья посвящена цифровой трансформации криминалистических учетов в виде перехода от разрозненных баз данных к взаимосвязанной инфраструктуре. Выделяются направления развития: унификация моделей данных, автоматизация поиска, интеграция биометрических массивов, межведомственный обмен и применение алгоритмов анализа.
The article examines the digital transformation of forensic records in the form of a transition from disparate databases to investigation infrastructure. The main areas of development are identified: unification of data models, automation of searches, integration of biometric data sets, interdepartmental exchange, and the use of analysis algorithms.
криминалистические учеты, криминалистическая регистрация, цифровизация, биометрические данные, информационные системы, искусственный интеллект, защита информации, расследование преступлений.
forensic records, forensic registration, digitalization, biometric data, information systems, artificial intelligence, information security, crime investigation.
Современное расследование преступлений все в большей степени зависит от возможности быстро сопоставить определенный обнаруженный объект со сведениями, полученными до этого в процессе деятельности правоохранительных органов.
Криминалистический учет следует является не только как вспомогательной базой данных, но также особой информационной инфраструктурой, обеспечивающей созданию и пониманию связей между событиями, лицами и их следами.
Экспертно‑криминалистический учёт в свою очередь, является базой данных обо всем что имеет криминалистически значимыми признаками, то есть позволяет быстро находить нужную информацию для ОРМ и раскрытия преступных посягательств.
Порядок формирования криминалистических массивов конкретизируется ведомственными актами, один и тот же массив должен рассматриваться сразу в нескольких измерениях: как средство расследования, как информационная система ограниченного доступа, как совокупность биометрических или иных персональных данных и как потенциальный источник сведений, способных повлиять на процессуальное решение.
Первое направление развития состоит в создании единой модели данных. В разных учетах признаки объекта формируются с использованием различных методов: папиллярные узоры описываются через характерные точки и взаимное расположение деталей, генетические профили — через установленные локусы, следы оружия — через комплекс характеристик, а изображения -через геометрические и текстурные параметры.
Интеграция не означает смешения этих описаний. Ее задача — обеспечить единые идентификаторы объектов и событий, согласованные справочники, форматы обмена и правила указания происхождения сведений. Исследователи учетно-регистрационной деятельности обоснованно связывают повышение эффективности с унификацией способов представления, классификации и кодирования информации [4]. Без такой основы межведомственный обмен превращается в последовательность ручных преобразований, при которых теряются контекст и проверяемость данных.
Второе направление связано с автоматизацией идентификационного поиска. Современная информационная система способна не только найти запись по точному реквизиту, но и ранжировать сходные объекты с учетом вероятностной меры совпадения. Наиболее очевидно это проявляется в автоматизированных дактилоскопических, геномных и баллистических системах. Их практическое преимущество заключается в сокращении массива объектов, который должен исследовать специалист. Однако результат алгоритма не тождественен выводу об идентичности. Машина формирует перечень кандидатов и показатель сходства, тогда как окончательная оценка должна учитывать качество исходного следа, методику сравнения, наличие и значимость совпадающих и различающихся признаков. Предложение об автоматизации отдельных стадий идентификационного исследования поэтому должно сочетаться с использованием аттестованных программно-аппаратных средств и сохранением экспертного контроля.
Третье направление — расширение биометрического компонента учетов. Дактилоскопические и геномные данные уже имеют самостоятельное правовое регулирование, однако цифровая практика активно использует также изображения лица, характеристики голоса, особенности походки и иные поведенческие признаки. Их объединяет высокая идентификационная ценность и одновременно повышенная чувствительность. Биометрический идентификатор невозможно безопасно заменить так же, как пароль; утечка такого массива создает долговременный риск для личности. Технические меры защиты должны дополняться точным определением оснований постановки на учет, срока хранения, числом пользователей и другими важными параметрами.
Централизованные учеты предназначены для информационного обеспечения деятельности органов внутренних дел РФ и других федеральных органов государственной власти, а также для выдачи информации гражданам при обращении лично либо по доверенности за государственными услугами. Только центральные аппараты ГУ МВД России в ряде своих полномочий имеет право вести централизованные учеты. ГИАЦ МВД России осуществляет сбор и обработку статистической информации о состоянии преступности и результатах оперативно-служебной деятельности территориальных органов МВД России, оперативно-справочной, оперативной, розыскной, криминалистической, дактилоскопической, архивной, научно-технической.
Местные учеты при этом находятся в кругу полномочий правоохранительных органов республики или области в соответствующих зональных центрах информации, местных экспертно-криминалистических управлениях ЭКЦ ГУ МВД.
Автоматизированные системы могут проводить контроль и проверку источников, находящихся в свободном доступе, для поиска возможных угроз. При обнаружении необходимых данных АС может самостоятельно инициировать обновление учётной записи. Примером может послужить, распознания голоса и речи, данные в этом случае могут сразу сопоставляться с Федеральной фонотекой.
Уже сейчас, исследования демонстрируют высокую эффективность автоматической идентификации моделей оружия по изображениям следов бойка и иным характеристикам с применением машинного интеллекта, где точность достигает более 90%.
Технологии, основанные на аналитике данных, смогут позволить сопоставлять информацию по различным параметрам: времени и месту, методу совершения преступления, сказать о биометрических признаках, маршрутам транспортных средств и социальным взаимодействиям граждан. Такой подход к обработке информации делает каждый след узлом к расследованию преступления в верном ключе.
Наличие в исследуемом комплексе улик и следов не совпавших элементов дает сигнал о возможном участии кого-то еще, связанного с расследуемым событием это позволяет расширить возможности проектирования картины деяния и выявления ранее неизвестных и возможно умышленно скрытых связей.
В связи с колоссальными темпами распространением информационных технологий происходит трансформация криминалистической деятельности в полной мере.
Криминалистика сегодня развивается без контакта с технологическими новшествами, изредка интегрируя в свои методики практические новшества из смежных дисциплин. Во многом это относится к системам криминалистической регистрации и учетов.
Создание и обработка современными цифровыми системами огромных пластов информации ставит под сомнение эффективность и актуальность традиционных, по-прежнему актуальных подходов к криминалистической регистрации. Самым перспективным направлением в данной ситуации представляется заимствование методов обработки данных из технологий Big Data.
Внедрение концепций Big Data позволит трансформировать стандартные способы систематизации учета из статичных архивов в динамичные платформы аналитики данных, способные обеспечивать быструю и верную обработку, а также интерпретацию больших потоков информации.
Результаты исследования свидетельствуют о том, что современные технологии начиная от СУБД до машинного обучения и облачных платформ трансформируют структуру и функционал криминалистических учётов. Автоматизация рутинных операций, интеграция разнородных массивов данных и работа с цифровыми следами формируют принципиально новые возможности для установления обстоятельств преступления.
References
1. Напханенко И. П., Билоус Е. Н., Фёдоров А. В. К вопросу об определении понятия оперативно-разыскного мероприятия // Юристъ-Правоведъ. 2016. № 3 (76). С. 81–85.
2. Напханенко И. П., Федоров А. В., Донченко Е. Г. Правовое обеспечение транспортной безопасности на объектах транспортной инфраструктуры и транспортных средствах : учебник для вузов / под общ. ред. И. П. Напханенко. Москва : Юрайт, 2026. 68 с. ISBN 978-5-534-22215-9.
3. Приказ МВД России от 10.02.2006 № 70 «Об организации использования экспертно-криминалистических учетов органов внутренних дел Российской Федерации».
4. Смоленский М. Б., Напханенко И. П., Лазебная О. А. Правоохранительные органы Российской Федерации : учебное пособие / Росжелдор, Ростовский государственный университет путей сообщения. Ростов-на-Дону : РГУПС, 2024. 160 с. ISBN 978-5-907494-60-2.
5. Федоров А. В. Особенности применения новейших технико-криминалистических средств при производстве отдельных следственных действий : учебное пособие. Ростов-на-Дону : РГУПС, 2016. 55 с. ISBN 978-5-88814-467-1.
