Конвенциональность уголовного наказания в зарубежных исследованиях теоретические основы и прикладные инструменты. Монография
.pdf
Конвенциональность уголовного наказания в зарубежных исследованиях…
Глава 8
Современные аналитические инструменты для анализа преступности
Процесс расследования преступлений включает в себя сбор и анализ огромного количества данных. Ранее сбор и анализ данных о преступлениях осуществлялся вручную. Поэтому расследование одного преступления занимало много времени и сил52. С появлением науки о данных появились новые инструменты и методы, позволяющие автоматизировать и расширить спектр данных, собираемых для расследования преступлений. Одним из таких примеров является составление профиля подозреваемого с использованием платформ социальных сетей. Он предоставляет краткое описание подозреваемого и его биографических данных, собранных из его профилей в социальных сетях53.
Важное значение при изучении конвенциональности уголовного наказания имеют инструменты профилирования преступлений. Одна из наиболее популярных моделей заключается в составлении профиля подозреваемого и анализа моделей преступлений для их раскрытия.
Еще одна особенность включает в себя концепцию географического профилирования, которая использовалась многими исследователями в литературе. Работа Д. Ким Россмо и других по сути
52 P. W. Greenwood and J. PETERSIUA, The criminal investigation process volume i: Summary and policy impucations, 1975
53 D. E. Brown, "The regional crime analysis program (recap): a framework for mining data to catch criminals in: Systems Man and Cybernetics 1998",1998 IEEE International Conference on, vol. 3, pp. 2848-2853, 1998
41
Конвенциональность уголовного наказания в зарубежных исследованиях…
представляет собой ту же идею, что и система CTS HeatMap54. Обе концепции используют географическую карту для анализа и прогнозирования возникновения преступлений в определенных зонах концентрации. Кроме того, в работе Р. Ли под названием «Система обнаружения и анализа событий» из текстов постов в социальных сетях извлекаются данные о местоположении, такие как GPS– координаты, долгота и широта для обнаружения, анализа и прогнозирования преступных событий55.
Следующая особенность связана с добычей структурированных и неструктурированных данных. Например, в статье «Crime
Data Mining: An Overview and Case Studies» раскрывается идея о строковом компараторе, который изучает криминальные записи на предмет нахождения подозрительной информации56. Также в работе Х. Тсенга проводится поиск текста из официальных криминальных сводок и новостей для выявления взаимосвязей, скрытых в неструктурированном тексте57. В исследовании Мохаммада Реза Кейванпура выявляется и изучается взаимосвязь между преступлениями с помощью интеллектуального анализа данных для выполнения операции сопоставления преступлений58.
54D. K. Rossmo, I. Laverty and B. Moore, "Geographic profiling for serial crime investigation", Geographic information systems and crime analysis IGI Global, pp. 102-117, 2005
55R. Li, K. H. Lei, R. Khadiwala and K. C.-C. Chang, "Tedas: A twitter-based event detection and analysis system", Data engineering (icde) 2012 ieee 28th international conference on, pp. 1273-1276, 2012
56H. Chen, W. Chung, Y. Qin, M. Chau, J. J. Xu, G. Wang, et al., "Crime data mining: an overview and case studies in: Proceedings of the 2003 annual national conference on Digital government research", Digital Government Society of North America, pp. 1-5, 2003
57Y.-H. Tseng, Z.-P. Ho, K.-S. Yang and C.-C. Chen, "Mining term networks from text collections for crime investigation", Expert Systems with Applications, vol. 39, no. 11, pp. 10082-10090, 2012.
58M. R. Keyvanpour, M. Javideh and M. R. Ebrahimi, Detecting and investigating crime by means of data mining: a general crime matching framework Procedia Computer Science, vol. 3, pp. 872-880, 201
42
Конвенциональность уголовного наказания в зарубежных исследованиях…
При изучении конвенциональности уголовного наказания за рубежом все чаще находит применение концепция использования систем слежения. Чаще всего система слежения описывается как мобильное приложение для Android, предназначенное для обнаружения или предотвращения похищения детей59. Эта система автоматически определяет GPS–координаты телефона Android, связанного с ребенком. Она похожа на мобильное приложение CTS, которое имеет функцию автоматического обновления географического положения, отображающую текущее местоположение телефона в терминах долготы и широты.
Важной характеристикой использования инструментов больших данных в изучении конвенциональности уголовного наказания является концепции анализа сетей, в частности, связей в социальных сетях. В работе Дженнифер Сю и Хсинчун Чен углубляются в подход использования кластерных графов для создания визуального представления отношений между людьми с целью выявления неочевидных закономерностей60. Кроме того, в Р. Аль-Заади исследуется информация, потенциально полезная для расследования. Далее создается визуальное представление преступной сети подозреваемых. Эти работы по сути похожи на систему анализа социальных сетей CTS, которая создает кластерный граф для визуального представления связей подозреваемого в социальной сети.
В работе Ф. Бекса используется концепция автоматического формирования рассказа о преступлении на основе собранных фактов. Это похоже на функцию рассказа о преступлении в анализе
59 J. Saranya and J. Selvakumar, "Implementation of children tracking system on android mobile terminals", Communications and Signal Processing (ICCSP) 2013 International Conference on IEEE, pp. 961-965, 2013
60 J. Xu and H. Chen, "Criminal network analysis and visualization", Communications of the ACM, vol. 48, no. 6, pp. 100-107, 2005
43
Конвенциональность уголовного наказания в зарубежных исследованиях…
социальных сетей, которая основывает свой рассказ на информации, собранной из профиля потенциального подозреваемого61.
61 F. Bex, S. Van den Braak, H. Van Oostendorp, H. Prakken, B. Verheij and G. Vreeswijk, "Sense-making software for crime investigation: how to combine stories and arguments?", Law Probability & Risk, vol. 6, no. 1-4, pp. 145168, 2007
44
Конвенциональность уголовного наказания в зарубежных исследованиях…
Глава 9
Роль анализа данных и машинного обучения в раскрытии преступлений
Особенность анализа данных о преступности заключается в том, что у него нет единого определения. Существует несколько вариантов в зависимости от того, кто определяет этот термин. Но в самом широком смысле анализ преступности – это процесс или практика выявления закономерностей и тенденций в преступной деятельности, позволяющая получить представление о том, как правильно и своевременно распределить ресурсы и направить следователей к правосудию.
По данным Международной ассоциации криминалистов «Анализ данных о преступности – это процесс, в котором набор количественных и качественных методов используется для анализа данных, ценных для полицейских агентств. Он включает в себя анализ преступлений и преступников, расследование, патрульную деятельность, стратегии предотвращения и снижения преступности и оценку усилий полиции».
Фактически, анализ данных – это выявление скрытой информации из данных и преобразование их в действенную, пригодную для использования информацию.
Правоохранительные органы все больше признают необходимость анализа различных данных, связанных с расследованием преступлений. Используя цифровые данные, сотрудники правоохранительных органов могут взглянуть на картину в целом, а цифровые доказательства раскрывают скрытые аспекты некоторых преступлений, которые ранее не были видны.
Преступники обычно оставляют множество цифровых следов своих преступлений. Возможно, они попадают в камеру видеонаблюдения. Зачастую небезразличный гражданин снимает фото или видео
45
Конвенциональность уголовного наказания в зарубежных исследованиях…
подозрительной активности. Цифровая криминалистика также ускоряет процесс идентификации отпечатков пальцев и ДНК.
Все это необработанные. Чтобы получить из них полезную информацию, необходимо их структурировать и операционализировать. Кроме того, анализируя закономерности преступлений, правоохранительные органы могут эффективно использовать ресурсы для предотвращения подобных деяний в будущем. Анализ различных данных о преступлениях важен для современной правоохранительной деятельности, поскольку в цифровых доказательствах содержится много необработанных данных, скрывающих полезные сведения, которые могут помочь предотвратить преступления в будущем.
Анализ преступности в основном включает в себя использование систематического подхода для идентификации, обнаружения и иногда прогнозирования преступных событий или явлений. Входные данные системы анализа преступности состоят из данных и информации, отнесенных к переменным преступности. Выходные данные включают ответы на следственные и аналитические вопросы, извлечение знаний и, наконец, визуализацию результатов.
Сложная природа преступлений и данных, связанных с преступностью, а также существование скрытых и неосязаемых связей между ними сделали поиск данных быстроразвивающейся областью среди криминологов, криминалистов, социологов и аналитиков преступности. Большие объемы данных о преступности, а также сложность взаимосвязей между этими видами данных заставили традиционные методы анализа преступности уступить место инновационным.
Эти методы требуют значительного количества времени и человеческих ресурсов, с одной стороны, а с другой стороны, они не могут получить все параметры в силу огромного влияния человеческого фактора. Эти недостатки детерминировали необходимость использования систематического и интеллектуального подхода для расследования преступлений как никогда ранее.
46
Конвенциональность уголовного наказания в зарубежных исследованиях…
Ключевым решением в изучении конвенциональности уголовного наказания в последнее время становятся методы интеллектуального анализа данных. Учитывая новизну использования методов интеллектуального анализа данных в области анализа преступлений, представляется необходимым проведение дополнительных исследований в этой области. Эти методы включают кластеризацию данных и искусственные нейронные сети. Первые помогают классифицировать преступления без наблюдения, а вторые могут быть использованы для распознавания личности преступников.
Впоследнее десятилетие было проведено большое количество научных исследований, посвященных поиску данных о преступлениях. Результаты обычно появляются в виде новых программных приложений для обнаружения и анализа данных о преступлениях. Так ряд авторов представили общий обзор применения интеллектуальных методов анализа преступности, включая нейронные сети, байесовские сети и генетические алгоритмы для прогнозирования
исопоставления криминальных инцидентов62. Все чаще нейронные сети применяются для кластеризации и классификации данных о преступлениях с использованием как контролируемых, так и неконтролируемых методов обучения63.
Вкачестве примера можно привести процесс классификации преступлений к раскрытым или нераскрытым. Фактически, использование классификации преступлений в судебной экспертизе имеет два аспекта:
62 G.C. Oatley, J. Zeleznikow, B.W. Ewart, “Matching and Predicting Crimes,” In Applications and Innovations in Intelligent Systems XII in Proceedings of AI2004, The Twenty-fourth SGAI International Conference on Knowledge Based Systems and Applications of Artificial Intelligence. Ann Macintosh, Richard Ellis and Tony Allen Ed. London: Springer, pp. 19-32, 2004
63 R. William Adderley, “The use of data mining techniques in crime trend analysis and offender profiling,” Ph.D. thesis, University of Wolverhampton,
Wolverhampton, England , 2007
47
Конвенциональность уголовного наказания в зарубежных исследованиях…
1)Предполагается, что один или несколько преступников, ответственных за конкретное преступление, были арестованы. Процесс классификации преступлений используется для отнесения предыдущих нераскрытых преступлений к ранее арестованным лицам.
2)Рассмотрение ситуации, когда полиция была предупреждена о новом нераскрытом преступлении, поэтому преступники еще не обнаружены.
В такой ситуации классификация преступлений применяется для того, чтобы предложить кого–либо в качестве вероятных подозреваемых на основе профилей преступников и способа совершения преступного деяния. Большинство преступников совершают несколько преступлений, прежде чем их арестуют. Когда выясняется, что преступник несет ответственность за конкретное преступление, следователи обычно готовят список похожих преступлений, выполняя SQL–запросы на основе данных о предыдущих преступлениях для поиска совпадений.
Фактически, процесс классификации преступлений включает 3 основных этапа:
1)Выбор признаков: включает извлечение признаков преступления. В области интеллектуального анализа преступлений признаки являются подмножеством переменных преступлений. Генетический алгоритм, алгоритмы Best-First и Forward Selection считаются эффективными методами отбора признаков.
2)Кодирование: отобранные признаки должны быть закодированы соответствующим образом для запуска соответствующих алгоритмов.
3)Алгоритм классификации: алгоритмы определяют группы преступлений или правонарушителей, наиболее похожих друг на друга. Каждый алгоритм работает на основе собственных мер сходства. В качестве алгоритма сопоставления могут быть исполь-
48
Конвенциональность уголовного наказания в зарубежных исследованиях…
зованы K-Nearest Neighbor (KNN), модель контраста Тверски и различные алгоритмы кластеризации64.
Еще одним перспективным методом машинного обучения, применяемым при исследовании конвенциональности уголовного наказания, является автоматическое извлечение сущностей из отчетов о преступлениях:
Текстовые отчеты, которые обычно существуют в базах данных организаций, связанных с преступностью, считаются богатейшим источником интеллектуального анализа. Однако эти источники не имеют заданной структуры. Другими словами, они написаны в виде обычного текста и в результате извлечение нужной информации из неструктурированных текстов представляет собой сверхсложную задачу. Поэтому использование интеллектуальных методов анализа текстов будет эффективным для достижения этой цели.
Один из наиболее распространенных методов интеллектуального анализа текстов называется извлечением именованных сущностей (Named Entity Extraction), который считается одним из направлений извлечения информации. Целью Named Entity Extraction является определение значения нужных сущностей из обычного текста65. Несомненно, в области интеллектуального раскрытия преступлений такими сущностями являются переменные самого преступного деяния.
Извлечение сущностей из преступлений можно рассматривать как этап предварительной обработки данных. Общие методы извлечения сущностей из описательных отчетов можно разделить на 4 группы:
64 R.V. Hauck, H. Atabakhsh, P. Ongvasith, H. Gupta, H. Chen, "Using Coplink to Analyze Criminal-Justice Data," Computer, vol. 35, no. 3, pp. 3037, Mar. 2002.
65 H. Chen, W. Chung, J.J Xu, G. Wang, Y. Qin and M. Chau, «Crime Data Mining: A General Framework and Some Examples», Computer, vol. 37, no.
4, pp. 50-56, Apr. 2004
49
Конвенциональность уголовного наказания в зарубежных исследованиях…
1)лексический поиск;
2)методы, основанные на правилах;
3)статические методы;
4)методы машинного обучения.
Итак, большие данные, прогностическое программное обеспечение и алгоритмы оценки рисков уже значительно изменили ландшафт уголовного правосудия. Эти технологии способны ускорить и упростить работу субъектов уголовного судопроизводства.
Большие данные не могут находить больше смыслов, чем мы сами задали им. Столкнувшись с вопросами смысла, такими как юридические последствия статуса или взвешивание факторов при вынесении приговора, большие данные, скорее всего, выдут результат, который покажется нам произвольным.
Большие данные в настоящее время активно создает мир, который пытается отразить, используя прошлые результаты для предсказания будущего, но все еще учитывает динамичную природу социальных систем. В конечном счете, эта рефлексивность больших данных будет иметь далеко идущие последствия для осуществления юридических исследований.
Социологи давно изучают то, как взаимодействия внутри социальной группы приводят к изменению статусов и ролей, которые иногда почти не имеют отношения к первоначальным внутренним свойствам индивидов. В этом контексте определенные взаимодействия приобретают большую значимость и влияние, чем другие, по кажущимся произвольным причинам.
Можно высказать пока еще смелое предположение о том, что через определенное время большие данные заберут юридическую власть из рук посредников – судей, адвокатов, политиков и передадут ее в руки серверов и тех, кто владеет и контролирует эти сервера.
50