Цифровое око правосудия. Как роботы помогают искать преступников в России

Маньяки на крючке

Источники, связанные с правоохранительными органами, рассказали «Инк», что силовые ведомства России в процессе больших изменений. Системы, предназначенные для поиска преступников, интегрируются друг с другом: объединяются базы данных, а алгоритмы искусственного интеллекта оперативнее обрабатывают прежде разрозненную информацию, находя взаимосвязи там, где раньше их разглядеть было сложно.

Речь идет, прежде всего, о системах, работающих на базе нейросетей, таких как «Блок», «Спрут», «Маньяк», «Сейф» и «Криминалист». В открытом доступе данных о них почти нет. Эксперт в области информационной безопасности, профессор кафедры безопасности в цифровом мире МГТУ имени Н.Э. Баумана Виталий Вехов пояснил, что информация о том, как работает это ПО и какие данные в него загружены, находится под грифами «для служебного пользования».

Глава проекта в области кибербезопасности некоммерческого просветительского проекта CakesCats Антон Шустиков предполагает, что сейчас в основе «Маньяка», способного предлагать следователям версии о том, кто является серийным убийцей, скорее всего, лежит нейросеть, умеющая проводить поведенческий анализ и поиск паттернов.

Евгений Крамаренко, куратор проектов участников фонда «Сколково» в Челябинске, среди которых также есть разработчики в области ИИ для криминалистики, предполагает, что система «Маньяк» может выглядеть как большая таблица Excel, в которой есть, примерно, около 100 характеристик насильственной смерти, такие как пол, возраст, национальность, время и причина гибели. С математической точки зрении основа программы имеет вид уравнения множественной линейной регрессии, позволяющей анализировать связь между зависимой переменной и несколькими независимыми переменными. Такая формула может довольно точно определить, какой тип преступника был способен совершить «серию».

Константин Негачев, сооснователь компании VRT, рассказывает «Инк», что в «Маньяк» загружена модельная база более чем с 1000 эпизодов серийных преступлений. Работа программы достаточно эффективна. Так, по словам экспертов, благодаря этой системе удалось поймать «ангарского маньяка» Михаила Попкова, совершившего более 80 убийств в Иркутской области в период с 1992 по 2011 год. На Западе подобные программы тоже есть. Например, полиция Нью-Йорка для выявления серий преступлений пользуется системой Patternizr.

Тайное станет явным

Программы ищут не только убийц. Другая система — «Сейф» — представляет собой базу данных краж из хранилищ (в первую очередь, банковских) и сейфов, принадлежащих компаниям и гражданам. В ней есть информация о способах взлома хранилищ, используемых инструментах, типах похищенных ценностей. По словам партнера юридической фирмы Criminal Defense Firm Анны Голуб, в этой программе информация хранится в виде карточек. ПО нужно, в первую очередь, для выявления преступников в случае рецидива, если взломы были совершены в разных регионах.

Антон Шустиков уточняет, что работа «Сейфа» может строиться на предиктивной аналитике. ПО анализирует данные обо всех кражах в регионе — время, место, способ проникновения, похищенное имущество  — и выявляет «точки» и тренды. Это позволяет не только связывать кражи в серии, но и оптимизировать патрулирование, отправляя наряд туда, где и когда наиболее вероятны новые преступления.

У «Сейфа», по словам Константина Негачева, на Западе нет аналогов, по крайней мере, таких, о которых говорили бы публично. Но в США есть эффективная Национальная база данных ограблений банков. Свои системы могут быть и у американских страховых компаний, которые обмениваются с полицией информацией о профессиональных взломщиках сейфов. В некоторых странах Европы созданы похожие специализированные системы учета банковских ограблений.

Криминальная карта

Возможности нейросетей не ограничиваются лишь расследованием убийств и краж со взломом. Так, система «Блок» была создана для расследований экономических преступлений и хищений. Она помогает устанавливать способы и схемы мошенничеств, присвоений и других видов преступлений. Система сопоставляет новые дела с уже известными шаблонами экономических преступлений, автоматизирует финансовый анализ. Это позволяет быстрее раскрывать сложные экономические махинации.

Негачев утверждает, что в арсенале западных силовиков есть схожие системы. Например, в Штатах это система анализа транзакций, разработанная американской сетью по борьбе с финансовыми преступлениями (FinCen). Алгоритмы позволяют проводить анализ бухгалтерских данных и транзакций, выявляя мошенничество.

Подобные системы под условным названием «crime mapping» (дословно  — «карты криминала») есть и на Западе. Это могут быть встроенные модули в системах, которыми пользуются силовики, но есть и специализированные продукты  — программы Predictive Policing и ResourceRouter. Они анализируют геоданные и статистику для прогнозирования локаций новых преступлений.

Российское ПО «Спрут» помогает выявлять организованную преступность. Система умеет устанавливать скрытые связи между участниками преступных группировок. По словам Негачева, «Спрут» анализирует фигурантов, посредников, их контакты, кодовые слова в переговорах и другие косвенные признаки, которые вручную отследить сложно. Среди аналогов на Западе можно выделить программные комплексы аналитики связей вроде IBM i2 Analyst’s Notebook, которые могут применяться, в том числе, и для раскрытия преступлений, а также решения на базе ИИ, предлагаемые, например, компанией Voyager Labs.

И, наконец, одна из наиболее сложных систем на службе силовиков — «Криминалист». Она может искать потенциальных бандитов, группировки и предсказывать места совершения преступлений. В ней, по данным Негачева, хранится информация из разных баз: разыскиваемые лица, почерк преступлений, данные экспертиз. Программа выдвигает версии расследования. Но Антон Шустиков предупреждает, что системы типа «Криминалиста» могут делать этически спорные выводы.

Зарубежные аналоги «Криминалиста» — платформа Palantir Gotham и индийская система ABHED, созданная стартапом Staqu. Последняя может анализировать большие базы данных и биометрию. ABHED оцифровывает миллионы криминальных отчетов и биометрических данных, а затем с помощью ИИ извлекает совпадения и выдает сведения о возможных подозреваемых.

По словам Виталия Вехова, системы для силовых структур создаются сегодня по заказу двух подразделений главка МВД — Главного информационного аналитического центра МВД и Главного управления социально-технологических средств МВД. Они пишут техзадания на апгрейд старых систем и создание новых проектов, организуют конкурсы на электронных площадках. Последние могут быть как открытыми, так и засекреченными, проходящие как гособоронзаказ.

Анна Голуб уточняет, что кроме того, в структуре МВД России, СК России, ФСБ России имеются криминалистические центры, в которых есть свои разработчики. Например, научно-исследовательское управление (НИИ криминалистики СК России) и управление организации экспертной деятельности.

По следам убийц Дугиной

Системы с искусственным интеллектом помогли раскрыть ряд резонансных преступлений. Одно из них — поимка «поволжского маньяка» Радика Тагирова, совершившего, согласно приговору суда, 31 убийство пожилых женщин и 3 покушения на убийство в 2011—2012 годах в разных регионах Поволжья и Урала, а также в Москве. Для его поиска была создана отдельная аналитическая группа в СК. Она использовала алгоритмы анализа серийности, в итоге ей удалось установить, что убийства 30 пенсионерок в различных регионах совершал один человек. По словам Константина Негачева, этот случай показал эффективность комплексного подхода: сочетание аналитической ИИ-системы, например, «Маньяка» для сопоставления эпизодов и традиционной ДНК-идентификации.

Применялся ИИ и при расследовании убийства Дарьи Дугиной, покушений на Захара Прилепина и Владимира Соловьева. По словам Виталия Вехова, тогда использовались, вероятно, системы «Поток», «Безопасный город» и система обеспечения оперативно-розыскных мероприятий СОРМ. Последняя может отслеживать телефонные разговоры и сообщения в мессенджерах и соцсетях.

Игорь Бедеров, директор департамента расследований компании-поставщика услуг по проверке уязвимости бизнеса T.Hunter, считает, что идентификация террористов, атаковавших «Крокус Сити Холл» в марте 2024 года, тоже заслуга современных систем анализа видеоданных при помощи ИИ.

Он добавляет, что нейросети эффективны и при раскрытии менее масштабных преступлений. Эксперт вспоминает, что в 2009 году в Краснодаре было совершено убийство девушки. Его раскрыли лишь в 2023 году благодаря ИИ. Камера зафиксировала преступника в капюшоне ночью, при этом качество видео не позволяло понять, кто убийца. Однако алгоритмы по записи вычислили рост и особенности походки, что позволило подтвердить личность подозреваемого.

Открытый город

В Московском институте электронной техники в Зеленограде сейчас создают новую нейросеть, похожую на систему «Маньяк». Руководит проектом известный криминалист, профессор Лев Бертовский, принимавший участие в расследовании взрывов домов на Каширском шоссе и улице Гурьянова в 1999 году и участвовавший в допросах битцевского маньяка Александра Пичушкина.

В новую нейросеть сейчас загружают данные о делах действовавших в России маньяков, всего для обучения нужны 250–300 дел. Это именно отдельные эпизоды серийных убийц, которые могут насчитывать сотни томов. Бертовский пояснил, что для этого создатели системы ездят в суды, собирают там данные об уголовных делах. В систему загружаются разные признаки серийности. Сейчас команда ищет гранты на развитие разработки.

Еще одна компания  — челябинская 3Divi  — разрабатывает новые возможности для идентификации человека по лицу. Например, она позволяет распознать даже человека в медицинской маске. Устройства на базе ее алгоритмов уже работают в российских аэропортах Пулково и Шереметьево, а также в некоторых бизнес-центрах.

По словам Евгения Крамаренко, 3Divi — это «дочка» компании «Папилон», специализирующейся на идентификации человека по отпечаткам пальцев. Сканеры этой компании есть в каждом отделении полиции. В 1981 году в Челябинске был теракт — взорвали трамвай. Следствие вынуждено было вручную проверить 3,5 млн отпечатков. В итоге преступника нашли только спустя пять лет. Именно тогда и была создана автоматизированная система поиска дактилоскопических данных.

Другой интересный проект  — нейросеть «Шерлок» от компании Smart engines. Ее алгоритм способен проверять документы на подлинность как при очном обслуживании, когда человек предъявляет физический документ, так и онлайн. В первом случае используется программно-аппаратный комплекс, включающий ПО, и специальный мультиспектральный считыватель документа.

Система замечает следы физического вмешательства: например, переклейку фото, повреждение защитных люминесцирующих волокон. При дистанционном оказании услуг система на входе получает изображение или видеофрагмент съемки документа, а затем алгоритмы также ищут следы вмешательства в изображение.

Перспективной считается и технология создания портрета преступника на основе анализа его ДНК, так называемое ДНК-фенотипирование. На Западе этот метод уже несколько лет применяется в расследованиях. Самый известный пример — американский сервис Parabon NanoLabs Snapshot, который с помощью моделей машинного обучения строит 3D-портрет предполагаемого преступника.

Такие разработки ведутся и в России. Так, еще в 2020 году МВД заявило о планах создать систему, которая по биологическим следам, например, оставшейся на месте преступления крови, будет определять внешние анатомические признаки преступника — цвет глаз, волос, форму лица и т.д. Техническая возможность для этого уже существует, но проблема в том, что отечественная база геномных данных для обучения алгоритмов не слишком большая. А вот в Белоруссии подобные методики и программы для создания портретов преступников на основе ДНК уже используются.