Уральский журнал правовых исследований

Выпуск №2

УДК:343.98.067
DOI: 10.34076/2658-512X-2020-2-54-70
Год: 2020, Номер: 2, Страницы 54–70
Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» .

Ушаков Руслан Михайлович

Авторы:

Ушаков Руслан Михайлович


Информация о статье:

Тип статьи: юриспруденция


Для цитирования:

Ушаков Р. М. Технология Big Data как вектор развития криминалистической техники: перспективы применения в контексте их правомерности // Уральский журнал правовых исследований, 2020. № 2. С. 54–70


Аннотация:

ТЕХНОЛОГИЯ BIG DATA КАК ВЕКТОР РАЗВИТИЯ КРИМИНАЛИСТИЧЕСКОЙ ТЕХНИКИ: ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ В КОНТЕКСТЕ ИХ ПРАВОМЕРНОСТИ

В данной статье рассматриваются различные аспекты применения технологии Big Data в криминалистической деятельности. На основе анализа законодательства, положений правовой доктрины и существующего опыта использования различных форм искусственного интеллекта в жизнедеятельности человека автором обозначаются возможные направления их внедрения в криминалистическую практику (прежде всего – в работу эксперта), выявляются диалектически связанные с этим риски и проблемы концептуально-правового характера. Обосновывается необходимость разработки и издания ряда правовых мер, направленных на предотвращение негативных последствий распространения технологии Big Data, в частности, общего законодательного запрета на принятие субъектами правоприменения юридически значимых решений, основанных исключительно на выводах, полученных программными методами.


Список цитируемой литературы:

1. Forensic science // Encyclopedia Britannica. URL: https://www.britannica.com/ science/forensic-science (дата обращения: 08.01.2020 г.).

2. Булкина Н.В., Пацкевич А. П. История возникновения и развития криминалистической фотографии // Вестник Полоцкого государственного университета. 2006. № 8. С. 231–234.

3. Авраменко О. И. История развития дактилоскопии как метода идентификации личности и ее современное состояние в России // Концепт. 2019. № 11. С. 138–144.

4. Бахтеев Д.В. О сущности и перспективах использования искусственныхнейронных сетей в раскрытии и расследовании преступлений // Вопросы российской юстиции. 2016. № 3 (3). С. 4–6.

5. Бахтеев Д.В. Искусственный интеллект в криминалистике: состояние и перспективы использования // Российское право: Образование. Практика. Наука. 2018. № 2 (104). С. 43–49.

6. Трегубов С. Н. Основы уголовной техники, научно-технические приемы расследования преступлений. – М.: ЛексЭст, 2002. – 336 с.

7. Челышева О.В. Криминалистика: учебник. 2017.

8. Аверьянова Т. В. Криминалистика: учебник. – М.: Норма, 2001. – 990 с.

9. Трусов А. И. Судебное доказывание в свете идей кибернетики // Вопросы кибернетики и права. – М.: Наука, 1967. – С. 20–35.

10. Филиппов А. Г., Волынский А. Ф. Криминалистика: учебник. – М.: Спарк, 1998. – 543 с. №2 2020 274

11. Белкин Р.С. Криминалистическая энциклопедия. – М.: Мегатрон XXI, 2000. – 333 с.

12. Койсин А. А. История становления и развития уголовной (криминалистической) регистрации // Сибирский юридический вестник.2018. № 2. С. 104–115.

13. Lynch C. Big data: How do your data grow? // Nature. 2008. Vol. 455. №. 7209. pp. 28–29.

14. Савельев А. И. Комментарий к Федер. закону от 27 июля 2006 г. № 149-ФЗ «Об информации, информационных технологиях и защите информации» (постатейный). – М.: Статут, 2015. – 320 с.

15. Manyika J., Chui М., Brown В. et al. Big data: The next frontier for innovation, competition, and productivity. – McKinsey Global Institute, 2011. – 146 p.

16. Чаннов С. Е. Большие данные в государственном управлении: возможности и угрозы // Журнал российского права. 2018. № 10 (262). С. 111–122.

17. Зайцев П. А. Практические вопросы выбора эффективной автоматизированной дактилоскопической идентификационной системы (АДИС) // Эксперт-криминалист. 2008. Вып. 2. С. 20–22.

18. Репин А.В., Лобойко Ю.Д., Зырянов В.В. Современное состояние и проблемы использования АДИС «Папилон» в деятельности Управления ФСКН России по Красноярскому краю // Вестник Сибирского юридического института МВД России. 2012. № 2 (11). С. 68–71.

19. Автоматизация дактилоскопических учётов // URL:https://ru.wikipedia.org/ wiki/Автоматизация_дактилоскопических_учётов#cite_note-6 (дата обращения: 19.01.2020 г.).

20. Мещеряков В. А., Хорунжий С. Н. Влияние концепции «Больших данных» на криминалистическую теорию причинности // Причинность в криминалистике: сб. науч.-практ. статей / под общ. ред. И. М. Комарова. – М.: Юрлитинформ, 2018. – С. 164–168.

21. Бахтеев Д.В. Большие данные и искусственный интеллект в следственной и экспертной деятельности. // Актуальные проблемы судебной экспертизы: №2 2020 275 Международная научно-практической конференции. – Иркутск: Восточно-Сибирский институт МВД России, 2019. – С. 104–107.

22. Барковская Е. Г. Криминалистика и биометрия: проблемы интеграции научного знания // Философия права. 2011. № 3 (46). С. 27–31.

23. Ларионова В. А. Информационный брокер как новый субъект информационного права в эпоху Big Data // Право в сфере Интернета: Сборник статей / отв. ред. М. А. Рожкова. – М.: Статут, 2018. – С. 62–103.

24. Талапина Э.В. Защита персональных данных в цифровую эпоху: российское право в Европейском контексте // Труды Института государства и права РАН. 2018. № 5. С. 117–150.

25. Santos J. The Myth of Anonymization: Has Big Data Killed Anonymity?

26. Thompson T. Crime Software May Help Police Predict Violent Offences // The Guardian. 2010. July 25. // URL: http://www.theguardian.com/uk/2010/jul/25/ police-software-crime-prediction (дата обращения: 11.02.2020 г.).

27. База персональных данных о пассажирах и экипаже автобусов (АЦБПДП) // Северное межрегиональное управление государственного автодорожного надзора Федеральной службы по надзору в сфере транспорта. URL: https:// smugadn.tu.rostransnadzor.ru/poleznaya-informacziya/baza-personal-nyxdannyx-o-passazhi (дата обращения: 15.01.2020 г.).

28. Шаталов А. А. Модели и методы выявления закономерностей в информационном потоке на примере рукописного текста с целью установления его авторства: дис ... канд. техн. наук. – Тамбов, 2015. – 170 с.


Ключевые слова:

компьютерные технологии, большие данные, искусственный интеллект, нейронные сети, машинное обучение, персональные данные, криминалистика, криминалистическая техника, криминалистическая регистрация, экспертиза


Полный текст статьи