Ural Journal of Legal Research

Issue №2

UDC:343.98.067
DOI: 10.34076/2658-512X-2020-2-54-70
Year: 2020, Issue: 2, pages 54–70
Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Ruslan M. Ushakov

Authors:

Ruslan M. Ushakov


Information:

Issue type: jurisprudence


For quoting:

Ушаков Р. М. Технология Big Data как вектор развития криминалистической техники: перспективы применения в контексте их правомерности // Уральский журнал правовых исследований, 2020. – Т. 2. – С. 54–70


Annotation:

BIG DATA TECHNOLOGY AS A DIRECTION OF DEVELOPMENT OF CRIMINALISTIC TECHNIQUE: PROSPECTS FOR APPLICATION IN THE CONTEXT OF THEIR LAWFULNESS

The article discusses various aspects of the application of Big Data technology in forensic activities. Based on the analysis of the legislation, provisions of the legal doctrine and the existing experience of using various forms of artificial intelligence in human life, the author identifies possible directions for their implementation in forensic practice (primarily in the work of an expert), identifies dialectically related risks and problems of a conceptual and legal nature. The necessity of taking a number of legal measures aimed at preventing the negative consequences of the dissemination of Big Data technology is substantiated, in particular, the introduction of a general legislative ban on the adoption by law enforcement entities of legally significant decisions based solely on conclusions obtained by software methods.
 


References:

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.


Keywords:

technology, big data, artificial intelligence, neural networks, machine learning, personal data, forensics, forensic technology, forensic registration, expertise


Full article