Система теории цифровизации судебно-экспертной деятельности

В статье с позиций судебной экспертологии рассматривается система частной теории цифровизации судебно-экспертной деятельности. Описаны предмет, объекты, задачи теории, ее место в судебной экспертологии. Показано, что теория цифровизации судебно- экспертной деятельности может быть отнесена к ряду частных теорий, положения которых в равной степени распространяются как на процесс экспертного исследования в целом, так и на экспертные исследования отдельных родов экспертиз. Обозначены два раздела в системе теории: судебно-экспертное исследование цифровых следов и информационно-компьютерное обеспечение судебно-экспертной деятельности. В первом разделе представлены и рассмотрены природа цифровых следов, механизм следообразования, их свойства и признаки; формы представления и классификации цифровых следов и их носителей как объектов судебных экспертиз; общие задачи экспертного исследования цифровых следов. Второй раздел посвящен технологиям алгоритмизации и цифровизации методов и методик судебно- экспертного исследования, в нем рассматриваются перспективы внедрения нейронных сетей в судебную экспертизу и возникающие при этом актуальные проблемы. Автор отмечает изменения в методологии и технологиях разработки экспертных методик в связи с внедрением алгоритмов искусственного интеллекта. В этом разделе обозначены и сферы применения нейронных сетей для решения задач судебной экспертизы, проанализированы причины, по которым использование нейронных сетей может привести к ошибочным заключениям. Особое внимание уделено источникам модельного риска. Для разработки методик решения типичных экспертных задач на основе нейросетей предлагается создание судебно-экспертных датасетов и репозиториев для последующего проведения анализа и машинного обучения по различным родам (видам) судебных экспертиз. В статье также обоснована необходимость введения новых экспертных компетенций: аналитик экспертных данных, инженер экспертных данных и инженер машинного обучения.

1. Основы судебной экспертизы. Часть I. Общая теория / Под ред. Ю.Г. Корухова. М.: РФЦСЭ при Минюсте России, 1997. 432 с.

2. Россинская Е.Р., Зинин А.М. Экспертиза в судопроизводстве: учебник / Под ред. Е.Р. Россинской. М.: Проспект, 2022. 416 с.

3. Алиев И.А. Проблемы экспертной профилактики. Баку: Азернешр, 1991. 311 с.

4. Россинская Е.Р., Галяшина Е.И., Зинин А.М. Теория судебной экспертизы (Судебная экспертология): учебник / Под ред. Е.Р. Россинской. 2-е изд., перераб. и доп. М.: Норма: ИНФРА-М, 2020. 368 с.

5. Белкин Р.С. Курс криминалистики: в 3-х томах. Т. 3: Криминалистические средства, приемы и рекомендации. М.: Юристъ, 1997. 478 с.

6. Усов А.И. Судебно-экспертное исследование компьютерных средств и систем. Основы методического обеспечения: учеб. пособие. М.: Экзамен, 2003. 368 с.

7. Галяшина Е.И. Судебная фоноскопическая экспертиза. М.: Триада, 2001. 303 с.

8. Дмитриев Е.Н. Судебная фотография: курс лекций. М.: Юрлитинформ, 2010. 389 с.

9. Россинская Е.Р. Концепция частной теории цифровизации судебно-экспертной деятельности // Вестник экономической безопасности. 2022. № 5. С. 173–178. https://doi.org/10.24412/2414-3995-2022-5-173-178

10. Россинская Е.Р. Теория информационно-компьютерного обеспечения судебно-экспертной деятельности как новая частная теория судебной экспертологии // Вестник Университета имени О.Е. Кутафина (МГЮА). 2022. № 2. С. 27–40. https://doi.org/10.17803/2311-5998.2022.90.2.027-040

11. Россинская Е.Р., Рядовский И.А. Концепция цифровых следов в криминалистике // Аубакировские чтения: Материалы международной научно-практической конференции (Алматы, 19 февраля 2019 г.). Алматы, 2019. С. 6–9.

12. Багмет А.М., Бычков В.В., Скобелин С.Ю., Ильин Н.Н. Цифровые следы преступлений: монография. М.: Проспект, 2021. 166 с.

13. Теория информационно-компьютерного обеспечения криминалистической деятельности. Монография / Под ред. Е.Р. Россинской. М.: Проспект, 2022. 254 с.

14. Гаврилин Ю.В., Гаспарян Г.З. Расследование хищений денежных средств, совершенных с использованием информационных банковских технологий: учеб. пособие. М.: Проспект, 2021. 128 с.

15. Tanenbaum A.S., Austin T. Structured Computer Organization. 6 th ed. London: Pearson, 2013. 808 p.

16. Куроуз Д., Росс К. Компьютерные сети. Нисходящий подход. 6-е изд. М.: Эксмо, 2016. 912 с.

17. Семикаленова А.И. Цифровые следы и их носители как объекты судебно-экспертного исследования // Современные проблемы цифровизации криминалистической и судебно-экспертной деятельности: материалы научно-практической конференции с международным участием (Москва, 5 апреля 2019 г.). М.: РГ-Пресс, 2019. С. 212–215.

18. Россинская Е.Р., Усов А.И. Судебная компьютерно-техническая экспертиза. М.: Право и закон, 2001. 416 с.

19. Савицкий А.А. Актуальные вопросы становления и развития судебной экономико-цифровой экспертизы в условиях цифровизации социально-экономической сферы государства // Законы России: опыт, анализ, практика. 2021. № 3. С. 60–64.

20. Использование математических методов и ЭВМ в экспертной практике: Материалы семинара, 23–26 августа 1988 г. / Под ред. Г.П. Аринушкина и др. М.: ВНИИСЭ, 1989. 245 с.

21. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. 283 с.

22. Belkin A.R., Rossinskaya E.R. KBS for Criminology and Forensic Expertise // Proceedings of the European Congress on Artificial Intelligence and Knowledge Representation (Kennistechnologie’ 93). Amsterdam, 1993. P. 147–149.

23. Россинская Е.Р. Оптимизация формы и содержания заключения эксперта на основе базового программного модуля «АТЭКС»: методические рекомендации. М.: ВНКЦ, 1990. 39 с.

24. Россинская Е.Р. Нейросети в судебной экспертологии и экспертной практике: проблемы и перспективы // Вестник Университета имени О.Е. Кутафина (МГЮА). 2024. № 3. С. 21–33. https://doi.org/10.17803/2311-5998.2024.115.3.021-033

25. Летняя школа Сбера 2024. https://t.me/c/2184169172/1/285

26. Giverts P., Sorokina K., Fedorenko V. Examination of the Possibility to Use Siamese Networks for the Comparison of Firing Pin Marks // Journal of Forensic Sciences. 2022. Vol. 67. No. 6. P. 2416–2424. https://doi.org/10.1111/1556-4029.15143

27. Hastie T., Tibshirani R., Friedman J. Chapter 15: Random Forests // The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer-Verlag, 2009. P. 587–604.

28. Чеснокова Е.В., Усов А.И., Омельянюк Г.Г., Никулина М.В. Искусственный интеллект в судебной экспертологии // Теория и практика судебной экспертизы. 2023. Т. 18. № 3. С. 60–77. https://doi.org/10.30764/1819-2785-2023-3-60-77