226
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
Список литературы
1. Федеральный закон от 01.05.2019 № 90-ФЗ «О внесении изменений
в Федеральный закон «О связи» и Федеральный закон «Об информации, информа-
ционных технологиях и о защите информации» // Официальный Интернет-портал
правовой информации. URL: http: //www.pravo.gov.ru (дата обращения: 01.09.2022).
2. Федеральный закон от 24.04.2020 № 123-ФЗ «О проведении эксперимента
по установлению специального регулирования в целях создания необходимых ус-
ловий для разработки и внедрения технологий искусственного интеллекта в субъ-
екте Российской Федерации – городе федерального значения Москве и внесении
изменений в статьи 6 и 10 Федерального закона «О персональных данных»» //
Российская газета (федеральный выпуск). 28.04.2020.
3. Казарян Э. А. Соотношение понятий «свобода» и «права человека» //
Молодой ученый. 2019. № 21. С. 337–339.
4. Курбалийя Й. Управление Интернетом / DiploFoundation, АНО
«Координационный центр национального домена сети Интернет». М.: б. и., 2018.
С. 198.
5. Хабриева Т. Я., Черногор Н. Н. Право в условиях цифровой реальности
// Журнал российского права. 2018. № 1. С. 96.
6. Черемисинова М. Е. Реализация законных интересов в сети Интернет
// Журнал российского права. 2018. № 9 (261). С. 120.
7. Luhmann N. The Autopoiesis of social systems // Luhmann N. Essays on self-ref-
erence. New
York
:
Columbia
University
Press, 1990.
Э. И. Лескина,
кандидат юридических наук, доцент кафедры информационного права
и цифровых технологий,
Саратовская государственная юридическая академия
ПРИМЕНЕНИЕ ТЕХНОЛОГИИ BIG DATA В ДЕЯТЕЛЬНОСТИ
ПРАВООХРАНИТЕЛЬНЫХ ОРГАНОВ
Аннотация.
Всеобщая цифровизация, развитие информационного общества,
активное применение информационных технологий публичным и частным сек-
тором предоставляет новые возможности правоохранительным органам. Многие
преступления имеют цифровые следы, по которым противоправные деяния мож-
но предотвратить или раскрыть. В данной статье рассматриваются возможности
внедрения технологии Big Data для предотвращения и раскрытия преступлений,
зарубежный опыт в этой области, направления применения аналитики больших
данных для указанных целей, а также проблемы, которые могут в связи с этим
возникнуть и возможные пути их решения.
Ключевые слова
: большие данные (Big Data), терроризм, профилактика,
профилирование, аналитика данных, преступность, цифровизация, информаци-
онное общество, информационное право
227
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
APPLICATION OF BIG DATA TECHNOLOGY IN THE ACTIVITIES
OF LAW ENFORCEMENT AGENCIES
Аbstract.
General digitalization, the development of the information society, the
active use of information technologies by the public and private sectors provide new
opportunities for law enforcement agencies. Many crimes have digital traces by which
illegal acts can be prevented or revealed. This article discusses the possibilities of intro-
ducing Big Data technology to prevent and solve crimes, foreign experience in this area,
the directions for using big data analytics for these purposes, as well as the problems that
may arise in connection with this and possible ways to solve them.
Keywords
:
Big Data, Terrorism, Prevention, Profiling, Data analytics, Crime,
Digitalization, Information society, Information law
Большие данные представляют собой структурированную и неструктурирован-
ную, содержащуюся в большом количестве разнообразных источников информацию,
объемы которой не позволяют обрабатывать ее вручную в разумное время [5].
Перспективы больших данных заключаются в том, что с помощью расши-
ренного анализа можно найти дополнительную ценность в максимальном исполь-
зовании существующих и/или новых массивов, казалось бы, не связанных между
собой данных. Алгоритмы будут собирать скрытые под массой других данных ча-
сти целого, чтобы раскрыть истинную природу объекта.
Технологии больших данных используются правоохранительными органами
в различных целях при решении повседневных задач своей деятельности.
В зарубежных странах правоохранительные органы применяют большие
данные для идентификации лиц, транспортных средств, отслеживания финансо-
вых потоков [6. С. 15], прогнозирования совершения преступлений, выработки ре-
комендаций по мерам пресечения и условиям условно-досрочного освобождения
[1. С. 19–21], выдвижения и проверки следственных версий [2. С. 3–8]. В Китае
функционирует система отслеживания каждого гражданина с установлением рей-
тинга доверия на основе анализа 160 000 данных [7. С. 762]. А в США с 2017 г. дей-
ствует платформа, которая на основе анализа больших данных рекомендует право-
охранительным органам определенные действия в зависимости от анализируемой
платформой ситуаций (например, когда зафиксировано, что взрослый ведет сопро-
тивляющегося ребенка) [3. С. 112–113]. Государства (Бразилия, Великобритания)
используются большие данные для мониторинга и борьбы с преступностью (даже
практикуется прогнозирования места совершения преступлений, выявление на-
логовых преступлений, мошенничества)
[9]. Правоохранительные органы исполь-
зуют инструменты, обеспечивающие расширенную аналитику больших данных
(например, IBM Security Intelligence и Palantir), систему так называемой разведки
из открытых источников (OSINT [8]) производятся прогнозы преступного пове-
дения, адаптивных реакций на контрмеры, добываются сведения о личности пре-
ступников, их поведенческих моделях. С помощью больших данных возможно
более глубокое понимание произошедших кибератак, производство непрерывного
анализа рисков безопасности. Большие данные сегодня постепенно становятся од-
228
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
ним из ключевых моментов в раскрытии преступлений, совершаемых с помощью
информационно-телекоммуникационных сетей.
Свои особенности имеет использование больших данных для предотвраще-
ния и раскрытия преступлений террористического характера.
Что касается использования технологии больших данных в целях противо-
действия терроризму, то стоит отметить, что еще до развития технологий Big
Data
правоохранительные органы собирали, использовали и производили данные, ис-
пользовали их для предотвращения преступления террористического характера.
Террористические атаки сопровождают цифровые следы, исследуя которые воз-
можно оптимизировать деятельность правоохранительных органов. В настоящее
время мы можем наблюдать совсем иной объем данных, аккумулируемый посред-
ством распространения Интернета, умных устройств, социальных сетей и т. д.
Кроме того, указанные объекты используются террористическими группами для
пропаганды, планирования преступных действий, вербовки и т. д.
Правоохранительные органы посредством больших данных могут выявлять
террористические сети, например, в интернет-сообществах, информацию о пла-
нировании атак, а также признаки вербовки, радикализации сообществ. В резуль-
тате становится возможным остановить террористическое, экстремистской разви-
тие в информационном пространстве. Указанные возможности показывают новые
направления в борьбе с терроризмом.
Здесь следует отметить, что в сфере национальной безопасности аналитика
больших данных нацелена, по большей части, на профилактику, предотвращение
(например, предотвращение на этапе подготовки, с помощью анализа коммуникаций,
после покупки опасных материалов, путем выявления лиц, подверженных риску).
Возможности больших данных для предотвращения терроризма возможно
использовать для:
1) прогнозирования места и времени совершения преступления террористи-
ческой направленности;
2) прогнозирования рисков совершения преступлений террористической на-
правленности конкретным лицом. Ввиду прогнозов больших данных возникает эти-
ческие проблемы в желании изолировать людей, которые в соответствии с данны-
ми аналитики склонны к совершению преступлений, подвергать их проверкам для
предотвращения преступления. Допустим, выявлен несовершеннолетний, который
по результатам профилирования с большой вероятностью совершит преступление
террористического характера. Его в целях профилактики может посещать социаль-
ный педагог, психолог, чтобы оказать помощь. Однако указанное вмешательство
можно расценивать как наказание за действия, которые не были совершены;
3) выявление совершающихся преступлений террористического характера
в медиапространстве. Важным направлением использования больших данных
является то, что с их помощью возможно выявить тех, кто может оказаться тер-
рористом на основе аналитики массовых публикаций, комментариев, реакций
в социальных сетях или поисковых запросов в Интернете. С помощью Big
Data
возможно отслеживать связи между людьми и отслеживать интересующих людей
посредством цифровых следов.
229
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
Выявим основные направления аналитики Big
Data для предотвращения
терроризма.
Первое направление аналитики состоит в том, чтобы выявить образцы-дан-
ные террористической деятельности, подготовки к ней, выявить ту информацию,
которая свидетельствовала бы о подготовке к преступлениям террористического
характера. Сложность здесь заключается в недостатке информации различного
рода, например, знаний биографий террористов, уверенность в источниках дан-
ных, которые уже отфильтрованы в качестве свидетельствующих о терроризме,
различия в том, что составляет терроризм исходя из различных источников. Таким
образом, прогностическая модель на основе больших данных о прошлой террори-
стической деятельности, не является эффективной.
Второе направление аналитики Big
Data в аспекте предотвращения терро-
ристической деятельности состоит в том, чтобы результаты аналитики обращали
внимание на поведение, в котором потенциально прослеживается террористиче-
ская направленность.
Здесь отрицательным моментом будут алгоритмы профилирования с ука-
занием чрезвычайно широких социально-демографических критериев, таких
как возрастная группа, пол, образование или социально-экономический статус.
Другими словами, чтобы поймать значительную часть террористов, мы должны
также ложно идентифицировать десятки тысяч граждан.
Посредством кластеризации также может быть определено аномальное пове-
дение. Один из подходов состоит в том, чтобы начать с метода кластеризации, сна-
чала сортируя базовые аспекты для различных типов поведения. Нейронные сети
особенно хорошо умеют автоматически формировать и проверять гипотезы о зако-
номерностях с помощью машинного обучения. Это исключает из цикла множество
субъективных, культурных и просто ошибочных предположений, теорий и класси-
фикаций. Однако как террористические, так и нетеррористические виды поведения
чрезвычайно разнообразны, а это означает, что нет способа определить степень пе-
ресечения между «ненормальным» и «террористическим» множествами.
Выходом может быть следующая аналитическая стратегия. Если анализ
больших данных направлен на поиск сетей или связей между людьми, он быстро
сталкивается с проблемой определения. Когда отправитель, получатель, время,
продолжительность разговоров и частота сообщений вводятся в алгоритм, можно
использовать различные типы статистических методов сетевого анализа, которые
в сочетании с теорией социальной психологии могут выявить роль отдельных лиц
в группе в пределах разумной погрешности. Правильный способ начать процесс
с использованием «больших данных» – получить доступ к большим объемам мас-
совых коммуникаций и попытаться идентифицировать «темные сети», которые
имеют общие характеристики, не разделяемые большинством пользователей теле-
коммуникационных услуг (в основном, время разговора, продолжительность и ло-
кализация, тенденция к низкой плотности связей, меньшему количеству контактов
между членами). Проблема этой аналитической стратегии состоит в том, что нет
общего определения и входных данных в отношении законности так называемых
темных сетей. Это могут быть политические диссиденты, но не террористы.
230
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
Сам процесс аналитики при применении больших данных для предотвраще-
ния терроризма начинается с анализа малых данных, с аналитики данных конкрет-
ного человека, признанного террористом. Надежность, достоверность таких ма-
лых данных является важным фундаментом для всей системы на основе Big
Data.
Посредством малых данных впоследствии сужается группа населения, которой сле-
дует уделять дополнительное внимание со стороны правоохранительных органов.
При наличии достаточного количества данных, случайность корреляции перемен-
ных быстро увеличивается; корреляции фактически становятся многочисленными.
Негативным моментом формирования больших данных является то, что
источники данных находятся под сильным влиянием культуры, политической
ориентации на отдельные группы населения. Независимо от того, поступают ли
исходные данные от правоохранительных органов, средств массовой информации
или социальных сетей, арабское, мусульманское население будут непропорцио-
нально включены в любую базу данных, что, в свою очередь, дискриминационно
смещает модели в сторону одних и тех же групп населения.
Отчеты правоохранительных органов содержат большую часть информации,
включенной в базы больших данных, особенно это касается конфиденциальных
баз данных, используемых организациями национальной безопасности. Это соз-
дает цикл обратной связи, в котором данные добываются теми, кто их создает,
результаты включаются в базу данных, а затем повторно анализируются.
Помимо проблем, связанных с неправильной идентификацией людей, мож-
но было бы включить аспекты, которые выражаются в массовом наблюдении.
Исследования показали, что наблюдение изменяет способ нашего самовыраже-
ния, даже если мы убеждены, что нам «нечего скрывать» [11]. Другими словами,
наблюдение, даже без последующего вмешательства, в значительной мере влияет
на наше чувство автономии от государственного аппарата, например, на способ-
ность и, по сути, желание говорить свободно.
Аналитика больших данных основана на алгоритмах: это роботизированное
наблюдение. Эта форма машинного наблюдения часто представлялась как свобод-
ная от потенциального злоупотребления или другого незаконного использования
возможностей наблюдения людьми. Это может нейтрализовать любую изначаль-
ную предвзятость, заложенную на этапе программирования, такую как этниче-
ское профилирование, если она не соответствует данным. Однако, большинство
баз данных, связанных с терроризмом, с самого начала имеют фундаментальную
предвзятость. В той степени, в которой роботы «учатся» на этих данных, они мо-
гут экспоненциально усилить эффект изначальной предвзятости.
Защита при мониторинге, конфиденциальность при машинном наблюдении
являются основным аспектом в области обеспечения безопасности при примене-
нии больших данных в области противодействия терроризму.
В целом, возможные сложности, которые могут возникнуть у правоохрани-
тельных органов при внедрении технологий Big
Data в целях противодействия
терроризму заключаются в следующих аспектах:
1) технологическая оснащенность. Эта проблема может выражается в от-
сутствии необходимых хранилищ. Разнообразие цифровых следов, возникающих
231
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
в связи с террористическими атаками, усложняет алгоритмы и машинное обуче-
ние в целом;
2) недостаток кадров со специальными навыками в области ИТ. Прежде всего,
это касается навыков и умений самих сотрудников правоохранительных органов.
Необходимо изменение мышления должностных лиц, не готовых активно внедрять
инновации в свою деятельность, а также наличие образовательных программ, в том
числе дополнительных образовательных программ в области аналитики данных;
3) доступности самих данных как с организационной, так и с правовой точки
зрения. Анализируемые данные могут быть персональными, подпадать под юрис-
дикцию других государств, могут присутствовать и иные проблемы;
4) специфики данных, аккумулируемых для деятельности по борьбе с тер-
роризмом. Такие данные, в отличие от данных, необходимых для профилактики
иных преступлений, обладают гораздо большим разнообразием. Поэтому если для
профилактики иных преступлений бывает достаточно именно большого объема,
в случаях с преступлениями террористической направленности аналитика зача-
стую не может предоставить конкретный результат. Уникальность данных терро-
ристических атак приводит к неточности алгоритмов.
Ученые вследствие уникальности данных говорят о следующей триаде: про-
клятие размерности, дисбаланс классов и ложность корреляций [10].
«Проклятие соразмерности» заключается в том, что для обучения необходи-
мо многообразие данных, полученных из террористических атак, но чем более раз-
нообразны и массивны наборы данных, тем менее точны полученные в результате
аналитики результаты. То есть для алгоритмов необходимо объединить большие
наборы данных различного характера, в частности цифровые следы террористов
в области подготовки, вербовки, необходимо использование различных побуждений
(религиозных, психологических, политических и т. д.). Такое большое количество
признаков увеличивает размерность наборов, и алгоритмы машинного обучения бу-
дут находить взаимосвязь между такими данными. Но такое увеличение размер-
ности требует все более обширные наборы данных, все больше цифровых следов
террористических атак, тогда как количество подтвержденных атак не так велико.
Дисбаланс классов заключается в неоднородности, разнообразии входных
данных, на основании которых происходит обучение. Машинное обучение долж-
но исходить из равных долей правомерного и «террористического» поведения. Но
«террористических» данных не так много, а уменьшая «нетеррористические дан-
ные», больших объемов не достичь. Многообразие признаков террористических
атак и здесь приводит к изменчивости следов, различию подмножеств, т. е. дисба-
лансу классов. Поэтому наборы данных с такой спецификой трудно сбалансиро-
вать, страдает точность алгоритмов.
Что касается ложности корреляций, то это вытекает из многомерности дан-
ных, аккумулируемых для сферы национальной безопасности. В результате фор-
мируются корреляции, не обладающие причинно-следственной связью, но за-
соряющие алгоритм, вызывая его «переоснащение». Например, это может быть
корреляция между вероятностью того, совершит ли человек террористический
акт, и цветом его волос или размером одежды.
232
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
Многие из выше указанных проблем носят технологический характер. Их
решение видится в содействии развития разработке информационных технологий
в государстве, стимулировании лиц обучаться в сфере ИТ, создавать новые продук-
ты и совершенствовать имеющиеся. Это могут быть как экономические, социальные
(примером могут быть льготы и гарантии, содержащиеся в Указе Президента РФ от
02.03.2022 № 83 [4]), а также образовательные. Можно увеличить количество бюд-
жетных мест в каждом регионе для получения высшего образования в области ИТ,
кроме того, бесплатного второго высшего образования в сфере ИТ с обязанностью
в таком случае определенный срок работать в пределах Российской Федерации.
Итак, правоохранительные органы активно используют общедоступную ин-
формацию, открытые данные, информацию из социальных сетей, интернет-сооб-
ществ и т. д., в том числе для предотвращения терроризма. Применение техноло-
гий Big
Data в настоящее время сопровождается многими проблемами правового,
социально-экономического, кадрового, технологического характера. Однако реше-
ние указанных проблем позволит государствам противостоять угрозам терроризма.
Список литературы
1. Барчуков В. К. Использование искусственного интеллекта в деятельности
правоохранительных органов зарубежных стран // Международное публичное
и частное право. 2020. № 5. С. 19–21.
2. Гаврилин Ю. В. Технологии обработки больших объемов данных в реше-
нии задач криминалистического обеспечения правоохранительной деятельности //
Российский следователь. 2019. № 7. С. 3–8.
3. Ларина Е. С., Овчинский В. С. Искусственный интеллект. Большие дан-
ные. Преступность. Москва: Книжный мир, 2018. С. 112–113.
4. О мерах по обеспечению ускоренного развития отрасли информационных
технологий в Российской Федерации: Указ Президента РФ от 02.03.2022 № 83.
URL: http://publication.pravo.gov.ru/Document/View/0001202203020001 (дата обра-
щения: 01.07.2022).
5. О Стратегии развития информационного общества в Российской
Федерации на 2017–2030 годы: Указ Президента РФ от 09.05.2017 № 203. URL:
http://publication.pravo.gov.ru/Document/View/0001201705100002 (дата обращения:
01.07.2022).
6. Обзор отдельных вопросов в области больших данных и искусственного
интеллекта. Вып. III. Москва: ГИАЦ МВД России, 2020. С. 15.
7. Суходолов А. П., Бычкова А. М. Искусственный интеллект в противо-
действии преступности, ее прогнозировании, предупреждении и эволюции //
Всероссийский криминологический журнал. 2018. Т. 12, № 6. С. 753–766.
8. Akhgar B., Bayerl S., Saathoff G. Application of Big Data for National Security,
A Practitioner’s Guide to Emerging Technologies. London: Elsevier, 2015. URL
:
http://
store.elsevier.com/Application-of-Big-Data-for-National-Security/Babak-Akhgar/isbn-
9780128019672/ (дата обращения: 03.04.2022).
9. Jani K., Soni A. Promise and Perils of Big Data Science for Intelligence
Community. 2018. URL
:
https://www.researchgate.net/publication/323849529_
233
Цифровые технологии в системе публично-правовых (государственно-правовых) отношений
Promise_and_Perils_of_Big_Data_Science_for_Intelligence_Community/citation/
download (дата обращения: 03.04.2022).
10. L’Heureux A., Grolinger K., Elyamany H. F., Capretz M. A. M. Machine learning
with big data: Challenges and approaches // IEEE Access. 2017. Vol. 5. Рp. 7776–7797.
URL: https://doi.org/10.1109/ACCESS.2017.2696365 (дата
обращения: 03.04.2022).
11. Penney, Jonathon. Chilling Effects: Online Surveillance and Wikipedia Use
// Berkeley Technology Law Journal. 2016. URL: https://papers.ssrn.com/sol3/papers.
cfm?abstract_id=2769645. (дата обращения: 03.04.2022).
А. С. Лолаева,
кандидат юридических наук, доцент,
Горский государственный аграрный университет
ЭЛЕКТРОННАЯ ДЕМОКРАТИЯ КАК БАЗОВЫЙ ЭЛЕМЕНТ
ИНФОРМАЦИОННОГО ОБЩЕСТВА
Аннотация.
Целью проведенного исследования является определение элек-
тронной демократии как базового инструмента информационного общества.
Информационное общество рассматривается в качестве постиндустриального
общества, где информация становится системообразующим звеном в механизме
правового регулирования общественных отношений. Электронная демократия
как составная часть информационного общества на данный момент представляет-
ся наименее разработанной. Автором подчеркнуто, что процесс информатизации
демократии является серьезным испытанием для современного общества. Сделан
вывод о том, что для России использование информационных технологий имеет
лучшие перспективы не для перехода к прямой демократии, как это предлагает-
ся на Западе, а для дальнейшего расширения возможностей существующей си-
стемы представительной демократии и развития процессов ее демократизации.
Использование интернет-технологий имеет значение для достижения следующих
целей: расширение доступа избирателей и СМИ к законотворческой деятельно-
сти; повышение эффективности обратных связей между избирателями и их пред-
ставителями в законодательных органах власти.
Ключевые слова
:
цифровые технологии, электронная демократия, непо-
средственная демократия, представительная демократия, информационное обще-
ство, информатизация, цифровизация, интернет-технологии
ELECTRONIC DEMOCRACY AS A BASIC ELEMENT
OF THE INFORMATION SOCIETY
Abstract.
The purpose of this study is to define electronic democracy as a basic tool
of information society. The information society is considered as a post-industrial society,
where information becomes a systemic link in the mechanism of legal regulation of social
relations. Electronic democracy as a component of the information society is currently the
least developed. The author emphasizes that the process of informatization of democracy
