УДК 004.451.42

Анализ применения технологии Big Data в области предупреждения и борьбы с преступностью

Кирюхин Артем Викторович – адъюнкт факультета подготовки научных и научно-педагогических кадров Академии управления МВД России.

Аннотация: В статье проведено исследование возрастания роли применения технологии больших данных в сфере предупреждения и борьбы с преступностью. Проанализирован передовой опыт применения технологии больших данных в деятельности правоохранительных органов различных государств в современных условиях цифровой трансформации. Дан прогноз дальнейшего внедрения и развития технологии больших данных в сфере предупреждения и борьбы с преступностью.

Ключевые слова: большие данные (big data), цифровая трансформация, предупреждение и борьба с преступностью, большие данные и полиция.

Джек Ма, создатель Alibaba, сказал однажды, что данные — это новая нефть. Он олицетворил идею, что данные могут быть такими же ценными ресурсами, как нефть, в мире информационных технологий и бизнеса. Эта аналогия выражает важность и ценность информации в современном мире. Подобно тому, как нефть была ключевым ресурсом для промышленной революции, данные играют фундаментальную роль в цифровой революции. Big Data, как и нефть, проникли во все сферы нашей жизни, становятся её неотъемлемой частью. Современный цифровой мир построен на данных. В последние годы технология больших данных производит революцию во многих областях, например, в розничной торговле, здравоохранении, транспорте, правоохранительной сфере и т.д. Цифровая трансформация правоохранительных органов невыполнима без перехода на новый уровень принятия решений — на основе данных, которые всё больше зависят от обработки и анализа данных для обеспечения предупреждения и борьбы с преступностью.

На сегодняшний день государственные структуры, включая правоохранительные органы, в большинстве стран активно оперируют большим данными. Они придерживаются принципа «чем больше, тем лучше», используя информацию не только из собственных базы данных, но и дополняя информацию из разных источников, таких как интернет, базы данных сторонних организаций, систем видеонаблюдения и т.д. Эта информация имеет большой объем, разнообразна и поступает из различных источников.

Вопрос использования больших данных полицией стал широко обсуждаться с начала текущего десятилетия. Технология больших данных позволяет создавать аналитические модели, использующие большие объемы информации для предсказания возможных преступлений и выявления областей с повышенным риском криминальной активности. Анализ данных помогает полиции оперативно выявлять тенденции, что позволяет более эффективно распределять ресурсы для предотвращения преступлений. Так же использование больших данных обеспечивает возможность более глубокого анализа различных источников данных, таких как базы данных о преступниках, системы видеонаблюдения и социальные сети и т.д. Это позволяет выявлять связи между преступлениями, идентифицировать шаблоны поведения преступников и, таким образом, увеличивается эффективность расследования преступлений. Анализ больших данных потенциально способен уменьшить необъективность, увеличить результативность и точность прогнозирования [1].

Аналитика данных и прогнозирование не является новым явлением в полиции. Повышение результативности работы правоохранительных органов с помощью анализа данных и статистики началось в XIX веке, когда такие исследователи Кетле и Герри обрабатывали данные с помощью статистических методов для выявления лежащих в основе закономерностей. Последние два десятилетия XX века ознаменовались появлением феномена "актуарного правосудия", при котором методы, заимствованные из сферы страхования, используются в попытке предсказать риск преступного поведения [2].

Еще одним шагом на пути к использованию больших данных стали такие разработки, при которых визуализируются тенденции преступности в определенных областях, чтобы полиция могла лучше предвидеть преступления и беспорядки и эффективнее использовать силы и средства, находящиеся в подчинении. Например в реальном времени определять наиболее опасные районы города. Такая карта используется полицией Лондона, на которой отмечены «горячие точки» [3].

Рисунок 1. Карта Лондона с "горячими точками"

Анализ больших данных также позволяет вовремя определять разнообразные тренды, например тот факт, что в преступной среде оружие и пули являются своего рода валютой. Большую роль в этом в выявлении подобных трендов выполняют социальные сети.

Наиболее известным примером управления большими данными является управление с помощью прогнозирования, целью которого является попытка предсказать вероятность совершения преступлений в определенных районах в определенные периоды времени и последующее использование этих прогнозов для координации развертывания групп.

Так, например, полиция Лос-Анджелеса все больше полагается на технологии, которые не только сообщают патрульным офицерам, где с наибольшей вероятностью могут произойти преступления, но также выявляют и отслеживают бывших заключенных и других потенциальных правонарушителей, которые, по их мнению, с наибольшей вероятностью совершат преступление. Полиция заявляет, что эти усилия уже помогли снизить уровень преступности в одном из самых печально известных и исторически бандитских районов города (Вестсайд). Система получила название LASER за её способность выявлять правонарушителей и «горячие точки», это один из многих новых инструментов правоохранительных органов, которые используют, отслеживают и собирают данные, например, сканируют государственные регистрационные номерные знаки автомобилей и биллинг мобильных телефонов, часто без ведома общественности или контроля. Считается, что полиция Лос-Анджелеса является «локомотивом» по анализу данных, что делает ее важным местом для проведения этого исследования. Таким образом, практика анализа больших данных полицией Лос-Анджелеса может предсказывать более широкие тенденции, которые могут проявиться в других правоохранительных органах в ближайшие годы.

В полиции Нидерландов для прогнозирования используется система под названием «CAS». Система была разработана в 2014 года региональным полицейским подразделением г. Амстердама и после испытательного периода распространена на 160 передовых групп по всей территории Нидерландов. Программное обеспечение рисует на плане города сетку и по каждой секции определяет риск возникновения преступности и нарушений общественного порядка. Это достигается путем использования данных из полицейских систем, включая официальные отчеты и показатели преступности, в сочетании с информацией Статистического управления Нидерландов (автономное учреждение, которое собирает статистическую информацию по различным показателям в Нидерландах) о количестве социальных пособий, выплачиваемых в каждом районе, составе домохозяйств и т.д. Анализ больших данных широко используется сотрудниками правоохранительных органов в повседневной деятельности, речь идет о практических приложениях, ставших возможными благодаря цифровизации. У сотрудника полиции Нидерландов есть специальный смартфон, который представляет собой информационную панель для доступа к различным полицейским системам. Используя эту платформу, они могут на месте проверить, например, было ли у человека в прошлом насилие с применением огнестрельного оружия, или могут обратиться к базе данных разрешений, в которой перечислены все огнестрельное оружие и боеприпасы, зарегистрированные для законного использования. Используя платформу, они могут сканировать государственные регистрационные знаки автомобилей, которые система напрямую преобразует в «полезные» данные. Кроме того, они могут на законных основаниях запрашивать информацию у других государственных органов, например, чтобы проверить, зарегистрировано ли лицо в подразделении финансовой разведки Нидерландов (в Российской Федерации аналог Федеральной службы по финансовому мониторингу) в связи с подозрительными транзакциями или есть ли у него неоплаченные штрафы в Центральном агентстве судебного взыскания. Сотрудники полиции не только используют функции поиска в приложениях, но и должны записывать свои выводы и действия.

 Анализ больших данных используется и международными организациями, такими как Европол и Евроюст. Европол, например, создал информационную систему «Europol», которая содержит данные от полицейских организаций Европейского Союза. Управление большими данными также развивается благодаря сотрудничеству между правительствами разных стран на международном уровне.

Другим примером является система «Prüm». Это общеевропейская сеть, созданная для автоматического обмена отпечатками пальцев, профилями ДНК и информацией о транспортных средствах. 

Еще примером является международная группа «Эгмонт». Целью данной группы является создание коллективного механизма для укрепления сотрудничества и обмена информацией, полезной для выявления и пресечения противоборство отмывания полученных преступных путем доходов, финансирования терроризма. В своем распоряжении она имеет разнообразные инструменты, эти инструменты варьируются от автоматизации до анализа больших данных и продвинутой аналитики с использованием искусственного интеллекта. Искусственный интеллект, космические возможности, большие данные и высокопроизводительные вычисления интегрированы в политику безопасности что является эффективным как в борьбе с преступностью, так и в обеспечении основных прав граждан [4-6].

В заключении следует отметить, что дальнейшее внедрение и развитие технологии больших данных в сфере предупреждения и борьбы с преступностью влечет за собой изменения в повседневной деятельности полицейских, технологические возможности, предлагаемые данной «сквозной» технологией, также оказывает влияние на структуру правоохранительных органов и ее сотрудников. Как и любой другой инструмент, большие данные и алгоритмы могут иметь как положительные, так и отрицательные эффекты в зависимости от того, как они используются. Следует ожидать, что в ближайшем будущем для решения задач полиции будут применяться более сложные и полностью самообучающиеся алгоритмы [7].

Список литературы

1. Информационные технологии управления и организация защиты информации / В. В. Баранов, И. В. Горошко, Б. А. Торопов [и др.]. – Москва: Академия управления Министерства внутренних дел Российской Федерации, 2018. – 456 с.
2. Кубасов И. А., Мельников А. В., Мальцев С. А., Нарушев И. Р. Кластеризация объектов со слабо формализуемыми признаками на основе нейронной сети в виде слоя Кохонена // Вестник Воронежского государственного университета инженерных технологий. – 2018. – Т. 80, №3(77). – С. 86-91. – DOI 10.20914/2310-1202-2018-3-86-91.
3. Иванов А. И., Кубасов И. А., Самокутяев А. М. Тестирование больших нейронных сетей на малых выборках // Надежность и качество сложных систем. – 2020. – № 3(31). – С. 72-79. – DOI 10.21685/2307-4205-2020-3-9.
4. Кубасов И. А., Лекарь Л. А. Внедрение перспективных систем мониторинга и анализа больших данных, полученных в сети Интернет, для обеспечения деятельности оперативных подразделений МВД России // Труды Академии управления МВД России. – 2023. – № 3(67). – С. 154-161. – DOI 10.24412/2072-9391-2023-367-154-161.
5. Hill, , O’Connor, C. D., and Slane, A. «Police Use of Facial Recognition Technology: The Potential for Engaging the Public through Co-constructed Policy-Making» //International Journal of Police Science & Management. –2022. –№ 24(3): С. 325–335.