авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |

«Информационные технологии в ОРД. ОБ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ ТЕХНИЧЕСКИХ СРЕДСТВ 1 В РАСКРЫТИИ ...»

-- [ Страница 4 ] --

– мониторинга баз данных таможенных и взаимодействующих органов, к которым на основе имеющихся межведомственных соглашений имеется доступ;

– исполнения международных запросов, запросов ОРП таможенных и взаимодействующих с ними органов, связанных с осуществлением правоохранительной деятельности, в.ч. ОРД;

– анализа поступившей из ОРП информации о противоправной деятельности организованных преступных групп, недобросовестных участников ВЭД, иных юридических и физических лиц, действующих на каналах внешнеторговых связей и в околотаможенной сфере;

– обмена информацией с таможенными службами стран СНГ и Всемирной таможенной организации (ВТамО) о задержаниях основных видов контрабанды с использованием возможностей Регионального узла связи по правоохранительной работе ВТамО по странам СНГ «RILO-Москва»;

– приема и передачи на регулярной основе ориентировок таможенных служб стран – участниц ВТамО и СНГ, в т.ч. по новым маршрутам перемещения контрабанды и способам ее сокрытия и других;

3) оперативно-аналитический поиск признаков преступлений в сфере таможенного дела, выявление фактов и лиц, заслуживающих оперативного внимания ОРП ТО России.

Рассматривая данное направление деятельности ОАП ТО России необходимо отметить, что именно оно в большей мере отражает специфику деятельности названных подразделений и оказывает значительную помощь ОРП в решении возложенных на них оперативно-служебных задач. В частности, сотрудниками ОАП производится отбор событий и фактов для последующего анализа на основе объема его знаний о различных элементах внешнеторговой деятельности (цен на товары, размеры страховок, страна ввоза, страна происхождения товара и др.), логистики (стоимость перевоза товара различными способами), таможенного дела (местах ввоза конкретных товаров, порядке документального оформления перевозки отдельных видов товара через таможенную границу и др.), торговых и неторговых ограничений в торговом и неторговом обороте конкретных видов товаров и т.д., а в ряде случаев – на основе интуиции.

Начальным этапом оперативно-аналитического поиска признаков преступлений в сфере таможенного дела, выявления фактов и лиц, заслуживающих оперативного внимания ОРП ТО России (далее – оперативно аналитический поиск) является информационная работа по сбору, обработке, хранению и распределению поступающей в ТО информации.

На данном этапе наряду с основными задачами, связанными со своевременным, полным и удобным для использования руководящим и оперативным составом всей имеющейся у ТО информации, одновременно производится отбор событий и фактов, заслуживающих оперативного внимания. Например, информация о неизменившейся цене товара, приобретенного и реализованного после длительного хранения на складе временного хранения (СВХ) в ходе внешнеэкономических сделок одной и той же фирмой (сначала – покупатель, после хранения на СВХ – продавец), позволяет выдвинуть оперативные версии о противоправной деятельности физических и (или) юридических лиц, связанных с приобретением, помещением на СВХ, хранением, вывозом с СВХ и реализацией данного товара.

Одновременно в процессе информационной работы задействуется система управления рисками1, целью которой являются:

Управление риском – систематическая работа по разработке и практической реализации мер по предотвращению и минимизации рисков, оценке эффективности их применения, а также контролю за совершением таможенных операций, Информационные технологии в ОРД 1) обеспечение в пределах компетенции ТО мер по защите национальной (государственной) безопасности, жизни и здоровья человека, охране окружающей среды;

2) сосредоточение внимания на областях повышенного риска и обеспечение более эффективного использования имеющихся в распоряжении ресурсов;

3) выявление, прогнозирование и предотвращение нарушений таможенного законодательства Таможенного союза и (или) законодательства государств-членов Таможенного союза:

а) имеющих устойчивый характер;

б) связанных с уклонением от уплаты таможенных пошлин, налогов в значительных размерах;

в) подрывающих конкурентоспособность товаров Таможенного союза;

г) затрагивающих другие виды контроля, обеспечение соблюдения которых возложено на ТО;

4) ускорение проведения таможенных операций при перемещении товаров через таможенную границу 1.

Отобранная в ходе предварительной обработки информация с примененными профилями риска систематизируется в зависимости от имеющихся сведений о субъекте;

о месте события;

о времени события;

о целях и мотивах;

о средствах совершения правонарушения;

об условиях его совершения;

об объекте посягательства;

о наступивших общественно опасных последствиях;

о квалификации выявленного факта;

об источнике информации;

о принятых мерах и т.д.

Следующим этапом оперативно-аналитического поиска является аналитическая работа, имеющая целью познать сущность и причины произошедшего противоправного деяния или факта, заслуживающего оперативного внимания ОРП ТО, а также спрогнозировать дальнейшее развитие событий и выработать оптимальное решение, связанное с оперативно-розыскным и (или) уголовно-процессуальным документированием преступной деятельности лиц, в ней участвовавших.

При аналитической обработке отобранной информации задействуются огромные массивы баз данных (БД), ФТС России, таможенных и взаимодействующих с ними контрольных и правоохранительных органах, которые невозможно обработать без применения автоматизированных систем.

С этой целью ОАП используются информационно-поисковая система (ИПС) «БК-ИНФОРМ», автоматизированная информационная система (АИС) «Правоохрана» и др. Однако объемы подлежащей исследованию и анализу информации2 таковы, что для более качественной деятельности сотрудников ОАП ТО необходимо разработать программы-конверторы, позволяющие осуществлять комплексную автоматическую обработку данных различных информационных комплексов и баз данных. Кроме того, было бы целесообразно внедрить в практику результаты научных исследований, связанных с созданием программных продуктов интеллектуального поиска в неструктурированной тестовой информации, системы извлечения данных и систем распознавания образов, а также технологий управления знаниями, адаптировав их к правоохранительным аспектам таможенной деятельности. Такие работы с использованием технологии применения системы извлечения данных и систем распознавания образов проводятся в ФТС России с целью создания АС «Витязь».

Заключительным этапом оперативно-аналитического поиска является оформление и составление оперативно-служебных документов, как правило, достаточных для принятия решений:

– о проведении таможенной проверки, в т.ч. после выпуска товаров;

– о заведении дела оперативного учета и проведении необходимого комплекса ОРМ с целью более детального сбора информации о вскрытой противоправной деятельности;

– о представлении материалов для возбуждения уголовного дела и (или) дела об административном правонарушении3.

Здесь же, хотелось бы одновременно подчеркнуть необходимость оперативно-аналитической работы, связанной с оперативно-аналитическим поиском противоправных деяний в сфере таможенного дела и лиц, подготавливающих, совершающих и совершивших правонарушения. Данное направление целесообразно совершенствовать, прежде всего, в связи с имеющей место тенденцией законодательного перевода товарной контрабанды из категории преступлений в категорию административных правонарушений.

Требования ч. 1 ст. 2 Федерального закона Российской Федерации «Об оперативно-розыскной дятельности» однозначно свидетельствуют, что ОРД предназначена для противодействия преступлениям, а ожидаемая декриминализация контрабанды приведет к отнесению этих противоправных деяний в разряд административных правонарушений. Подобное положение дел не позволит задействовать основные оперативно-розыскные механизмы для получения упреждающей информации о подготовке к совершению предусматривающая непрерывное обновление, анализ и пересмотр имеющейся у таможенных органов информации (п. ст. 127 Таможенного кодекса Таможенного союза).

Таможенный кодекс Таможенного союза. Ст. 128, ч. 2.

Например, только в Главном научно-исследовательском вычислительном центре имеются центральные базы данных электронных копий грузовых таможенных деклараций, контроля за таможенным транзитом, фактического вывоза товаров, помещенных под таможенную процедуру экспорта, товаров и транспортных средств, деклараций таможенной стоимости, корректировки таможенной стоимости, паспортов автотранспортных средств, контроля доставки товаров, профилей рисков, таможенной статистики внешней торговли, нормативно-справочной информации и др. Имеются также специализированные базы данных в Центральном экспертно-криминалистическом таможенном управлении и Главном управлении по борьбе с контрабандой ФТС России.

В ряде случаев собранных копий электронных документов бывает достаточно для принятия подобных решений. На стадии процессуальной проверки осуществляется лишь затребование подлинников представленных документов.

Информационные технологии в ОРД.

данного рода противоправных деяний и лиц, их подготавливающих, совершающих и (или) совершивших. В то же время, практика ТО России свидетельствует, что их деятельность по противодействию административным правонарушениям в сфере таможенного дела вносит существенный вклад в полноту поступления денежных средств в федеральный бюджет.

Так, в 2009 году по сравнению с предыдущим годом было возбуждено на 6,4% больше дел об административных правонарушениях (25% этих дел возбуждалось в связи с недекларированием либо недостоверным декларированием), а общая сумма назначенных наказаний по этим делам возросла в 12 раз, что составило более 131,8 млрд. рублей (около 4% от суммы, перечисленной в федеральный бюджет) 1.

В 2010 году таможенными органами возбуждено 72 701 дело об административных правонарушениях (2009 г. – 89 081 дело). По результатам административного производства назначено наказаний на сумму более 150,7 млрд. рублей (около 3,5% от суммы, перечисленной в федеральный бюджет), в т.ч. о конфискации товаров на общую сумму свыше 939,9 млн. рублей 2.

Учитывая изложенное, данное направление деятельности оперативно-аналитических подразделений ТО РФ, будет не только способствовать выявлению признаков преступлений в сфере таможенного дела (как правило, информация о наличии административного правонарушения в сфере таможенного дела свидетельствует о возможном наличии уголовно наказуемого деяния), но и способно внести существенный вклад в обеспечение экономической безопасности России, связанный с формированием федерального бюджета страны.

Таким образом, можно сделать следующие выводы:

1. Специфика информационно-аналитического обеспечения ОРД ТО и его основное отличие от аналогичной деятельности взаимодействующих правоохранительных органов России заключатся в возможности использования оперативно-аналитического поиска признаков преступлений, относящихся к компетенции ТО РФ, как самостоятельного направления ОРД в сфере таможенного дела.

2. Алгоритм действий сотрудника ОАП ТО при осуществлении оперативно-аналитического поиска включает 3 этапа:

– информационный, на котором происходит отбор интересующих ОРП ТО данных для последующего анализа;

– аналитический, на котором происходит сопоставление выделенных данных со сведениями, имеющимися в БД таможенных и иных взаимодействующих с ними органами, а также выработка прогноза дальнейшего развития событий и оптимального решения, связанного с оперативно-розыскным и (или) уголовно-процессуальным документированием преступной деятельности лиц, в ней участвовавших;

– заключительный, связанный с представлением собранных материалов в подразделения таможенной инспекции, ОРП, подразделения административных расследований и (или) дознания для принятия по ним соответствующего решения.

3. Необходимость оперативно-аналитической работы, связанной с оперативно-аналитическим поиском противоправных деяний в сфере таможенного дела и лиц, подготавливающих, совершающих и совершивших правонарушения, обусловлено тенденцией законодательного перевода товарной контрабанды из категории преступлений в категорию административных правонарушений. Данное направление деятельности оперативно аналитических подразделений ТО РФ не только способствует выявлению признаков преступлений в сфере таможенного дела, но и может внести существенный вклад в обеспечение экономической безопасности России, связанный с формированием федерального бюджета страны.

4. С целью повышения эффективности оперативно-аналитической работы ТО РФ целесообразно использовать результаты научных исследований, связанных с созданием программных продуктов интеллектуального поиска в неструктурированной тестовой информации, системы извлечения данных и систем распознавания образов, а также технологий управления знаниями, адаптировав их к правоохранительным аспектам таможенной деятельности.

5. Целесообразно активизировать научные исследования с целью повышения эффективности работы оперативно-аналитических подразделений при осуществлении ОРД таможенных и иных правоохранительных органов (спецслужб) в современных условиях, связанных с функционированием Таможенного союза и дальнейшей интеграции России в мировое сообщество.

Полагается, что решение обозначенных выше проблем позволит не только в значительной мере повысить эффективность оперативно-аналитической деятельности ТО России и иных субъектов ОРД, осуществляющих противодействие противоправным деяниям в сфере таможенного дела, по обеспечению экономической безопасности РФ, но и обеспечит полноту поступления финансовых средств (в том числе таможенных платежей) в федеральный бюджет.

См.: Таможенная служба Российской Федерации в 2009 году: Справочные материалы к заседанию коллегии ФТС России.

М., 2010. – С. 42.

См.: Таможенная служба Российской Федерации в 2010 году: Справочные материалы к заседанию коллегии ФТС России.

М., 2011. – С. 46.

Информационные технологии в ОРД АВТОМАТИЧЕСКАЯ ИНФОРМАЦИОННО-ПОИСКОВАЯ СИСТЕМА ЭКСПЕРТНО КРИМИНАЛИСТИЧЕСКОГО И ОПЕРАТИВНО-РОЗЫСКНОГО НАПРАВЛЕНИЯ К.т.н. А.А.Хрулев, И.А.Тихонов (Группа компаний «Техносерв») Одной из важнейших задач правоохранительных органов при реализации мероприятий по обеспечению безопасности населения является выявление лиц, находящихся в региональном, федеральном или межгосударственном розыске, а также оперативное установление причастности к совершению преступлений лиц, задержанных в ходе оперативно-следственных действий и мероприятий по профилактике преступности.

При этом розыск лиц по соответствующим запросам реализуется на широком спектре объектов городской инфраструктуры:

объекты транспортной инфраструктуры (аэровокзальные комплексы, метрополитены, железнодорожные вокзалы, автобусные станции, подвижные составы и др.);

объекты массового скопления людей (выставочные центры, культурно-развлекательные центры, спортивные объекты, образовательные учреждения и др.);

специальные объекты, требующие повышенного внимания к обеспечению безопасности (органы государственной власти, государственные учреждения, атомные стации и др.) Эффективное выполнение оперативно-разыскных задач возможно только в рамках комплексного подхода, предусматривающего как наличие распределенной системы мониторинга обстановки на объектах городской инфраструктуры, так и соответствующей системы принятия решений и оперативного реагирования, позволяющей в режиме реального времени выполнять мероприятия по задержанию подозрительных субъектов и установлению их личности.

В современных условиях активного развития городской и транспортной инфраструктуры при неуклонно возрастающих объемах пассажиропотоков на железнодорожных вокзалах, станциях метрополитена, автовокзалах и аэропортах применение систем мониторинга, основанных на визуальном обнаружении лиц, находящихся в розыске, становится крайне не эффективным. Поэтому в последние годы активное развитие во всем мире получили системы биометрической идентификации личности по изображению лица. Подобные системы уже внедряются такими крупнейшими транспортными узлами как аэропорт Хитроу (Великобритания), аэропорт имени Джона Кеннеди (США) и рядом других транспортных узлов. Вместе с тем одной из ключевых проблем при внедрении и эксплуатации систем биометрической идентификации по изображению лица являются сложные условия работы. На эффективность работы алгоритмов идентификации, а следовательно и на эффективность поиска личности в потоке людей оказывают непосредственное влияние такие факторы как условия освещенности (уровень и равномерность освещенности), ракурсы лиц, качество контрольных фотографий, скорость, плотность и направление потока людей и ряд других факторов. Учитывая влияние всех этих факторов на эффективность идентификации личности, группа компаний «Техносерв» разработала автоматическую информационно-поисковую систему «Каскад-Поток», позволяющую выполнять идентификацию личности по изображению лица, полученного из видеопотока, и поиск персоны по базам данных.

Система «Каскад-Поток» базируется на собственной технологии биометрической идентификации личности и построена на основе гибкой и масштабируемой архитектуры, включающей в себя следующие подсистемы:

подсистема ввода данных;

подсистема хранения данных;

подсистема детектирования лиц;

подсистема оперативного поиска;

подсистема интеграции с внешними системами;

подсистема администрирования и отчетности.

1. Подсистема ввода данных предназначена для ведения биометрической базы данных изображений лиц разыскиваемых персон. В составе подсистемы ввода данных функционирует АРМ Управления данными, обеспечивающий ввод фотографический изображений при помощи планшетного сканера, камер видеонаблюдения, графических и видео файлов, а также ввод текстовых сопроводительных данных. Для исключения ошибок оператора, связанных с дублированием фотоизображений в биометрической базе данных, в состав системы входит программный модуль «Каскад-Дубликат», осуществляющий поиск дублирующих фотоизображений.

2. Подсистема хранения данных предназначена для обеспечения целостности и сохранности информации в базах данных, входящих в состав системы «Каскад-Поток». Подсистема хранения обеспечивает периодическое резервное копирование и сохранение данных на дополнительных носителях информации.

3. Подсистема детектирования лиц предназначена для обработки в режиме реального времени видеопотоков с камер видеонаблюдения и выделения изображений лиц людей в видеопотоке. Подсистема детектирования является адаптируемой и может быть сконфигурирована на широкий диапазон ракурсов лиц.

Результатом работы подсистемы является массив изображений лиц людей, а также показатели качества этих изображений и оценка возможности их идентификации.

Информационные технологии в ОРД.

4. Подсистема оперативного поиска предназначена для решения задачи поиска и идентификации личности на основании биометрических данных, хранящихся в базе данных «Каскад-Поток». Результат автоматического поиска представляется в виде изображения лица кандидата из базы данных и оценки степени схожести.

Типовая структура системы «Каскад-Поток» представлена на рисунке 1.

Блок видеообработки и подключенные к нему цифровые или аналоговые видеокамеры осуществляют регистрацию и обработку видеопотока, а также выделение изображений лиц для последующей передачи на сервер распознавания. На сервере распознавания установлено программное ядро идентификации личности, которое сопоставляет поступающий массив изображений лица с контрольными изображениями в базе данных системы. Результат сопоставления, включающий исходные изображения лиц с камер видеонаблюдения, сопоставленные им контрольные изображения и персональная информация из базы данных, передается на АРМ Оператора АРМ Оператора осуществляет отображение информации с видеокамер и результатов идентификации личности, а также формирование сообщений о появлении в поле зрения камер видеонаблюдения разыскиваемых персон. Кроме того АРМ Оператора предоставляет механизм ситуационного реагирования, основанный на информировании оперативных служб о месте, времени и характере тревожного события.

АРМ Администратора осуществляет общее конфигурирование параметров системы, составление плана объекта и размещение на нем камер видеонаблюдения, формирование правил реагирования на появление в различных зонах объекта персон их различных категорий списков розыска.

АРМ Управления данными предназначен для ведения базы данных системы и позволяет вводить фотографии персон как из внешних источников (графические файлы, камеры видеонаблюдения, планшетный сканер), так и с других информационно-поисковых систем («Сова», «Портрет-Поиск»).

Реализованный в системе «Каскад-Поток» алгоритм позволяет выполнять обнаружение лиц и их последующую идентификацию при следующих условиях:

расстояние между зрачками глаз от 30 пикселей;

допускаются отклонения головы от фронтальности (поворот влево, вправо, вверх и вниз до градусов в каждом из направлений при автоматическом режиме);

возрастные изменения человека по отношению к контрольному шаблону не более 30 лет;

допускается отклонение от равномерности освещенности лица (минимальная разность между самой светлой и самой темной областью на лице должна быть не менее 15 градаций серого).

В таблице 1 представлены вероятностно-временные показатели работы автоматической информационно-поисковой системы «Каскад-Поток», полученные на базах данных различных размеров.

Рис.1. Типовая структура автоматической информационно-поисковой системы Таблица Вероятностно-временные показатели работы системы «Каскад-Поток»

Объем базы данных Скорость Вероятность идентификации по фото по видео 0,12 сек 91 – 94% 10 000 95 - 97% 0,62 сек 94 – 96% 86 – 90% 50 1,25 сек 82 – 85% 100 000 92 - 94% 12,5 сек 1 000 000 89 - 91% Информационные технологии в ОРД ГЕОГРАФИЧЕСКИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙКАК ИНСТРУМЕНТ РАСКРЫТИЯ И ПРОФИЛАКТИКИ ПРЕСТУПЛЕНИЙ К.т.н., А.С. Алипов (ООО «Перспективные Технологии»), В.В. Баранов ( Академия управления МВД России) Одним из бурно развивающихся направлений автоматизации управленческой деятельности является внедрение и применение систем поддержки принятия решений (СППР) – автоматизированных систем (АС), осуществляющих информационную поддержку принятия решений человеком в той или иной предметной области на основе анализа имеющейся информации и научных алгоритмов выработки и оптимизации решений.

Области применения СППР многочисленны и определяются, по существу, разнообразием направлений управленческой деятельности, требующих решения слабоструктурированных или неструктурированных задач.В числе направлений использования СППР – управление ресурсами различного рода (в том числе управление предприятием и управление проектами), управление трафиком, оперативное реагирование и др. В частности, актуальным и перспективным направлением является применение СППР в оперативно-розыскной деятельности органов внутренних дел в качестве инструмента анализа, раскрытия, прогнозирования и профилактики преступлений.

В соответствии с распространенной оценкой [4], 80% входных данных, используемых при принятии решений, имеют геоинформационный характер, т.е. тем или иным образом связаны с местоположением, территориальной принадлежностью, географическими координатами. Таким образом, геоинформационный аспект оказывается существенным при принятии решений в самых разных предметных областях, а геоинформационное обеспечение – необходимой составляющей СППР в большом количестве приложений.

Применение СППР для раскрытия и профилактики преступлений, главным образом преступлений против личности, собственности, против общественной безопасности и общественного порядка, представляет собой пример приложения подобного рода, поскольку тип, частота, плотность, повторяемостьподобных преступлений, как правило, имеют выраженное территориальное тяготение, обусловленное типом поселений и районов внутри них, плотностью населения и степенью урбанизации, социальным, этническим и возрастным составом населения, величиной располагаемых доходов, культурными и конфессиональными особенностями, географией криминальных связей и другими территориально дифференцированными факторами. Обобщение, географическая привязка и последующий анализ накопленных данных, в первую очередь – данных об уже совершенных преступлениях, позволяет выявить очаги, территориальные и временные (суточные, сезонные) тенденции совершения преступлений, определить зоны риска, обеспечить концентрацию ресурса оперативного и дежурного состава органов внутренних дел на наиболее важных участках.

Большое количество управленческих задач, имеющих территориальный (географический) аспект, и потребность автоматизации поддержки принятия решений в них привела, с течением времени, к обособлению такого класса СППР как географические системы поддержки принятия решений (ГСППР), отличительной характеристикой которых является сочетание в рамках одной информационной системы средств СППР и геоинформационной системы (ГИС). Целью настоящей статьи является обзорная характеристика ГСППР на современном уровне развития и возможностей их применения в задачах анализа и раскрытия преступлений, с иллюстрацией практическими примерами.

Заметим, что применение СППР (как с геоинформационным обеспечением, так и без него) в деятельности органов внутренних дел эффективно и по ряду других направлений, например оперативное реагирование при чрезвычайных ситуациях (террористические акты, массовые беспорядки и др.), управление персоналом, однако эти направления находятся за рамками статьи.

Понятие ГСППР и ее основные подсистемы. Несмотря на длительную историю развития географических систем поддержки принятия решений (англ. SDSS – spatialdecisionsupportsystem), прототипы которых относятся к 80-м годам прошлого века, к данному моменту научным сообществом не выработано общепринятого определения ГСППР. Некоторые авторы даже отождествляют ГСППР и ГИС, что, очевидно, обусловлено существенностью геоинформационной составляющей для функционирования ГСППР, а также тем обстоятельством, что ГИС сами по себе могут использоваться для поддержки принятия решений. Вместе с тем, господствующим в научной литературе сегодня является мнение, что ГИС, взятая отдельно,в строгом смысле еще не образует ГСППР, поскольку не включает в себя (или включает в ограниченном составе) инструменты аналитического моделирования, присущие классическим СППР, а также не приспособлена для решения задач негеографического характера.

Фактически, ГСППР как класс АС сформировались в ходе одновременной эволюции СППР и ГИС, и их можно рассматривать как конвергенцию этих двух классов АС. Такое определение, вероятно, будет наиболее кратким и интуитивно понятным. В качестве примера более развернутого определения можно привести следующее [1]: «интегрированная компьютерная система, интерактивным и итеративным образом поддерживающая лиц, принимающих решения, при рассмотрении слабоструктурированных или неструктурированных географически обусловленных задач, обладающая функциональностью работы с базами географических и негеографических данных, возможностями аналитического моделирования, средствами поддержки принятия решений, такими как сценарный анализ, и средствами эффективного представления данных и информации».

Информационные технологии в ОРД.

Процесс принятия решений по географически обусловленным задачам включает в себя формулирование ситуации, сбор необходимых данных (географических и негеографических), постановку задачи, включая цели, предположения и ограничения, определение адекватных процедур решения задачи и собственно решение задачи (нахождение решения, оптимального по тем или иным критериям). Соответственно, ГСППР должна включать в себя, как минимум, компоненты базы данных, моделирования и пользовательского интерфейса, обеспечивающего взаимодействие участников процесса принятия решений с системой.

Можно выделить следующие подсистемы ГСППР: подсистему управления базами данных, подсистему управления моделированием, подсистему диалога с пользователем, подсистему базы знаний.

Подсистема управления базами данных обеспечивает накопление, хранение и извлечение географической и негеографической информации по предметной области. Центральным элементом этой подсистемы в ГСППР является ГИС. Назначение ГИС заключается во вводе/выводе, хранении, анализе и отображении географической информации, а также, что важно, информации негеографического характера в виде атрибутов географических объектов. Геоинформационные системы позволяют работать с картографической информацией, представленной в векторном и растровом виде, осуществлять операции (преобразования) различного рода над картографической информацией и ее атрибутами, а также выборки из баз данных. Современные ГИС обладают дружественным графическим интерфейсом и являются мощным средством визуализации картографической информации, подготовки ее к публикации.

В настоящее время на рынке представлено разнообразие как коммерческих (ArcGIS, GeoMedia, MapInfo, IDRISIи др.) ГИС, так и ГИС на основе свободного программного обеспечения (GRASS, QGIS, SAGA, uDIGи др.). Спектр применений ГИС чрезвычайно широк, и ГИС как продукт общего профиля зачастую является центральным элементом АС того или иного назначения (в т.ч. ГСППР), которая, таким образом, строится на базе той или иной ГИС. Для таргетирования ГИС под определенное направление использования могут применяться модули расширения, выпускаемые производителем, либо заказные приложения, созданные с помощью средств разработки, включаемых производителем в состав ГИС. Не является исключением в данном отношении и ГСППР: геоинформационная система может дополняться модулями, приближающими ее по функциональности к системе поддержки принятия решений, такими как инструменты моделирования;

один из примеров подобного рода в области оперативно-розыскной деятельности рассмотрен в разделе 4.

В подсистемах управления моделированием используется широкий спектр методов моделирования явлений и процессов предметной области, как проблемно-ориентированных, так и общего профиля. В числе методов, находящих свое применение в ГСППР, можно назвать логическое наложение слоев ГИС, методы многокритериального анализа (такие как метод взвешенной линейной комбинации, метод аналитической иерархии, метод упорядоченного взвешивания), искусственные нейронные сети, генетические алгоритмы (находят ограниченное применение), агентное моделирование, методы моделирования на основе нечеткой логики.

Подсистема диалога с пользователем предоставляет графический интерфейс пользователя, средства самостоятельной разработки специализированной функциональности, а также, для сетевых ГСППР, – средства совместной работы.

Подсистема базы знаний трактуется как необязательный, хотя и распространенный, компонент ГСППР.

Назначение его состоит в дополнении системы механизмом умозаключений и массивом экспертных знаний, которые помогают пользователям принять решение по той или иной задаче, выбрать подходящий метод моделирования и т.п.

В качестве отдельной подсистемы ГСППР иногда выделяют [1] подсистему участников принятия решений, включающую в себя как лиц, непосредственно принимающих решения на основе выходной информации ГСППР, так и несколько групп пользователей, обеспечивающих получение выходной информации: «аналитики» – лица, обеспечивающие процесс обработки информации в ГСППР (выбор моделей, проведение моделирования, форматирование и интерпретацию результатов), «эксперты» – лица, обеспечивающие наполнение создания ГСППР и процесса принятия решений компетенцией в предметной области, «разработчики» (программисты). «Подсистема участников принятия решений», разумеется, не является подсистемой АС в обычном смысле этого понятия, однако подобное выделение позволяет акцентировать внимание на важности вопросов организации взаимодействия перечисленных категорий пользователей в процессе разработки и эксплуатации ГСППР (в особенности ГСППР с удаленным доступом и совместной работой пользователей), эффективной интерпретации выходной информации ГСППР.

Эволюция ГСППР насчитывает к настоящему времени около трех десятилетий, движущими ее силами являются персонализация и рост производительности вычислительной техники (а в последнее время также – развитие веб-технологий), совершенствование ГИС, развитие методов моделирования и технологий искусственного интеллекта. Эволюция происходит в направлении от автономных систем, управляемых из интерфейса командной строки, к системам с дружественным графическим интерфейсом и широкими возможностями визуализации, поддерживающими как локальную автономную работу, так и работу в режиме удаленного (веб-) доступа к ресурсам системы, а также совместную работу нескольких пользователей.

Перспективным направлением является создание модульных сервис-ориентированных веб-систем, позволяющих потребителю «компоновать» необходимую предметную функциональность под ту или иную конкретную задачу.

Информационные технологии в ОРД Задачи оперативно-розыскной деятельности и применение ГСППР для их решения. Оперативно розыскная деятельность ставит перед органами внутренних дел ряд задач, в которых для повышения эффективности работы актуально и целесообразно применение современных методов извлечения знаний из баз данных и поддержки принятия решений, реализуемых в составе ГСППР. Таковы, например, задачи раскрытия и профилактики широко распространенных, но трудно раскрываемых видов преступлений – в особенности краж (в частности, угонов автотранспорта), грабежей, разбоев, а также задачи предотвращения преступлений сравнительно редких, но могущих иметь тяжелые последствия для общества, таких как террористические акты.

Повышение раскрываемости преступлений может быть достигнуто за счет:

автоматизированного извлечения знанийиз накопленных массивов данных (англ. datamining);

выделения и визуализации существенной географической и негеографической информации;

автоматизированного поиска в базе данных ранее судимых лиц наиболее вероятных подозреваемых по конкретному преступлению;

использования методов предсказания;

учета научных положений судебной психологии и криминологии.

В ходе следственных мероприятий, помимо выявления прямых улик, таких как внешность преступника, следы, отпечатки пальцев, генетическая информация, сведения о телефонных соединениях и т.п., как правило, накапливаются значительные объемы вспомогательных данных о совершенных преступлениях, которые, будучи объединены в единый массив, образуют потенциальный источник знаний о тенденциях и закономерностях совершения преступлений. Это время и место совершения преступлений, способ совершения преступления (например, при квартирных кражах, – способ проникновения в помещение), стратегия действий преступника, характеристика жертв преступления (возраст, семейное положение, социальный статус, пол, национальность) и др. Развитие вычислительной техники позволяет агрегировать большие массивы такой информации в базах данных и затем, при помощи современных методов анализа, извлекать из баз данных полезные сведения (знания) о проявляющихся в них характерных особенностях, неявных для криминалиста и оперативного работника без подобного анализа. Неавтоматизированный анализ указанной информации встречает следующие трудности[3]:

большой объем информации: число зарегистрированных преступлений, особенно тех, для которых применение указанных методов актуально, т.е. трудно раскрываемых, таких как кражи, очень велико, а полезные сведения по каждому конкретному преступлению также могут быть разнообразны и многочисленны;

сложность вывода заключений из анализа большого массива данных, индуктивный характер этого процесса, склонность человека к принятию во внимание той информации, которая подтверждает (а не опровергает) его априорные предположения, а также той, которая кажется важной (а на деле может не являться таковой);

сложность выделения подозреваемых.

Помимо содействия раскрытию преступлений, использование методов извлечения знаний в СППР позволяет повысить эффективность профилактики преступлений, поскольку дает возможность, на основе выходной информации СППР, более эффективно распределять ресурсы оперативного состава, выявить виды данных, приоритетные для сбора в ходе следственных мероприятий, а также предоставляет эмпирическое основание для оптимальной организации межведомственных взаимодействий по профилактике преступлений [3].

Основными трудностями при внедрении методов извлечения знаний в реальную практику оперативно розыскной деятельности являются разнородность накапливаемой информации, хранение ее в различных, не связанных между собой, базах данных (либо вообще в бумажном виде), отсутствие единых стандартов ее представления, ошибки и неполнота собранных сведений. В результате, для того, чтобы накопленную информацию можно было использовать в качестве входной для СППР, требуется приведение ее к единому формату. Кроме того, при появлении новых вызовов со стороны преступного сообщества зачастую заранее неизвестно, на сборе какой именно специализированной информации следует акцентировать внимание. В [3] это обстоятельство иллюстрировано следующим красочным примером: «до 11 сентября 2001 года мало кто уделил бы большое внимание студентам, желающим научиться управлять самолетами, но не заинтересованными овладеть техникой приземления». Наконец, отдельной проблемой является то, что значительная часть существенной информации принципиально представима только в текстовом виде и потому трудно транслируема в количественные или логические параметры СППР.

Результатом использования методов извлечения знаний является выделение системой и представление пользователю «интересных» (т.е. полезных, понятных, адекватных и притом ранее неизвестных) характерных особенностей, проявляющихся в массиве данных. Направлениями извлечения знаний являются:

классификация – группировка данных по заранее заданным категориям;

кластеризация – группировка данных в «кластеры» по принципу подобия (без заранее заданных категорий);

анализ последовательностей – выявление тенденций, циклических вариаций, сезонностей;

выявление ассоциаций между атрибутами.

Для анализа данных применяются статистические методы (кластерный и факторный анализ, многомерное шкалирование), поиск правил ассоциации, деревья принятия решений.

Информационные технологии в ОРД.

Для визуализации результатов анализа данных могут быть задействованы различные средства, простейшим из которых являются диаграммы, выводимые системой по результатам процесса классификации.

Например, при выборе пользователем преступления определенного типа система выводит круговые диаграммы, описывающие пол, возраст, национальность, социальный статус потерпевших в процентном соотношении, что позволяет делать заключения о подверженности тем или иным преступлениям лиц, принадлежащих к определенным группам. Другим примером [3] является построение на столбцовой диаграмме типов преступлений, которым подверглись те или иные потерпевшие, в хронологическом порядке, что позволяет делать выводы о характере повторяемости преступлений. Таким образом, разная визуализация способствует выводу пользователем из одних и тех же данных заключений разного плана.

Географическая визуализация обеспечивается с помощью ГИС и включает в себя построение картограмм, отображение очагов преступной активности (например, на основе кривых среднеквадратического отклонения) по результатам работы алгоритма кластеризации, анализ расстояний между местожительством преступников и потерпевших, анализ локализации преступлений на основе диаграмм Вороного, картографическую анимацию изменений картины преступности во времени и др. Визуализация данных о распространенности и частоте преступлений по территориям позволяет принимать решения о концентрации усилий оперативного состава на выявленных криминогенных районах.

Перспективно также моделирование и выдача пользователю системы оценки возможного местонахождения серийного преступника на основе данных о предшествующих его преступлениях.

Отдельной важной функциональностью СППР в оперативно-розыскной деятельности является выявление в массиве данных и визуализация для пользователя связей (в первую очередь – криминальных) правонарушителей с лицами и организациями, для чего может использоваться информация из баз данных государственных органов, социальных интернет-сетей, информация о банковских транзакциях, телефонных переговорах и т.д.

Для поиска потенциальных подозреваемых по конкретному преступлению применяются классификаторы Байеса, методы прецедентных рассуждений (casebasedreasoning), искусственные нейронные сети, главным образом самоорганизующиеся сети Кохонена. При этом в качестве входных данных используются обстоятельства преступления: временная и географическая информация, характеристики потерпевших, способы совершения преступления, стратегия действия преступников. Определяется кластер преступников, в наибольшей степени соответствующий входным данным, и лица, входящие в данный кластер, маркируются как потенциальные подозреваемые. Возможно и решение обратной задачи: для заданного известного преступника определить те нераскрытые преступления, которые он мог совершить (разумеется, в таком случае все члены кластера, к которому принадлежит данный преступник, также попадают в число подозреваемых).

Возможные направления профилактики преступлений включают как анализ и кластеризацию данных с последующей визуализацией, позволяющей распределить ресурсы в соответствии с выявленными тенденциями (см. выше), так и предсказание рецидивов преступлений для заданных потерпевших. Для решения последней задачи применяют статистический метод анализа выживаемости и методы искусственного интеллекта, например байесовские сети доверия. В основе лежит предположение, что определенная комбинация характеристик преступления и характеристик потерпевшего может свидетельствовать о высокой вероятности рецидива преступления для данного потерпевшего.

Из изложенного очевидно, что выходные данные ГСППР оперативно-розыскной деятельности имеют, в сущности, статистический характер, и потому в большом количестве случаев могут страдать отсутствием явно видимого пользователю обоснования, – единственным основанием выдачи данных является удовлетворение критериям, заложенным в соответствующих алгоритмах, уровень статистической значимости. Это может повлечь недоверие к полученным данным и повлиять на окончательное принятие решения на их основе. В этой связи особенно важна роль интерпретатора выходных данных – пользователя, работающего с системой, – его квалификации и опыта практической работы, которые ГСППР не заменяет, а дополняет. Учитывая, что целевым пользователем ГСППР является массовый оперативный работник, что не предполагает наличия у него математических компетенций, необходимо отметить важность продуманного пользовательского интерфейса ГСППР, который должен предоставлять пользователю широту использования заложенных в системе алгоритмов моделирования, но в то же время скрывать от него сложные для понимания детали этих алгоритмов.

Практические примеры ГСППР оперативно-разыскной деятельности. Поскольку сервис ориентированные ГСППР пока являются скорее перспективным направлением развития технологии, нежели практически доступным продуктом, то специализированные ГСППР выполняются сегодня, как правило, в виде заказных разработок, представляющих собой адаптацию баз данных и научных алгоритмов моделирования под конкретные задачи заказчиков. Не являются исключением и ГСППР оперативно-розыскной деятельности. В то же время, на рынке представлены и коммерческие продукты в этой сфере, которые в большинстве своем развились из научно-исследовательских проектов в области поддержки принятия решений оперативных служб, либо сформировались как модули расширения коммерческих ГИС. Соответственно, таким системам присущ акцент на негеографическую (в первом случае) или географическую (во втором) функциональность. В качестве соответствующих примеров можно привести программное обеспечение COPLINKпроизводства i2 Groupи CrimeAnalystпроизводства компании ESRI (США), лидирующего поставщика ГИС-решений.

Информационные технологии в ОРД История системыCOPLINKберет начало в исследовательском проекте Университета шт. Аризона, США, а в настоящее время она является распространенной СППР, используемой полицией США. Основное достоинство заключается в объединении в одном продукте доступа и извлечения знаний из разнородных и территориально разнесенных баз данных, принадлежащихразличным ведомствам. Для обеспечения этой возможности продукт поддерживает стандарты обмена данными NIEM (NationalInformationExchangeModel), (NationalDataExchange–проект ФБР), LEXS (LogicalEntityExchangeSpecification), N-DEx SARIEPD имеет (SuspiciousActivityReportInformationExchangePackageDocumentation), GJXML (GlobalJusticeXML), интерфейсы к федеральным базам OneDOJ (правонарушения) и ICEPIC (иммиграция и таможня) для двустороннего обмена данными.

Помимо аналитических функций, реализуемых модулемCompStatAnalyzer, система предоставляет возможности распознавания лиц, географической визуализации последовательностей происшествий и связей между ними, визуализации криминальных связей, мониторинга подозрительной активности вокруг ключевых объектов инфраструктуры и др. Продукт интегрируется с веб-ГИС ArcGISServerпроизводства ESRI.

Доступ к системе COPLINKвозможен с мобильных устройств, таким образомосуществляется ценная возможность работы с системой в полевых условиях.

Построение ГСППР на основе коммерческих ГИС позволяет использовать функциональность и возможности разработки, встроенные в ГИС, для решения географически обусловленных задач: идентификации организаций, зданий, других территориальных объектов как факторов риска, выявления зон с повышенной частотой вызовов экстренных служб, предсказания будущей криминальной активности по территориям, географического мониторинга подозрительных финансовых транзакций и других задач, обозначенных выше.

Кроме того, используя функционал публикации результатов, включенный в современные коммерческие ГИС, возможно использовать такие системы для оповещения населения о текущих проблемах и угрозах в сфере общественной безопасности посредством организации веб-доступа к наглядной картографической информации.

Продукт CrimeAnalystпредставляет собой модуль расширения коммерческой ГИС ArcGIS. Модуль был разработан в сотрудничестве с органами внутренних дел Великобритании с учетом их актуальных потребностей и внедрен в оперативно-розыскную деятельность. Основные функции продукта следующие:

анализ очагов преступности, создание аналитических карт, отображающих распространение происшествий того или иного типа на изучаемой территории;

динамическая увязка времени и места происшествия для поддержки прогнозирования наиболее вероятных времени и места будущих происшествий;

временной анализ происшествий – выделение событий по критерию времени, по точному или частичному совпадению времени с последующим отображением на карте;

обнаружение подобия преступлений и объединение их в серию;

математические операции над слоями ГИСдля изучения динамики происшествий;

инструмент «путь к происшествию» – обнаружение пространственных взаимосвязей между событиями: например, расчет расстояния, преодолеваемого преступником до места совершения преступления или нахождение связей между местами угона автотранспортных средств и местами их обнаружения;

сравнительный анализ происшествий, выявление мест с многократными однотипными происшествиями;

построение на картах буферных зон;

функции геокодирования – поиск по адресу и по имени или названию с последующим отображением на карте;

управление запросами к базе данных – дружественный интерфейс для создания SQLзапросов;

конвертация и импорт данных.

Работать с приложением можно локально с настольного компьютера, либо удаленно, в т.ч. с мобильных устройств в полевых условиях. Возможен публичный доступ через интернет (данная функциональность реализуется посредством серверного ГИС-компонента ArcGISServer). Приложение имеет дружественный эргономичный интерфейс, не требующий специальной подготовки пользователя в области ГИС или СППР.

Производитель приводит следующие данные об эффекте внедрения системы в Великобритании:

полицейское управление с количеством сотрудников 1800 за первые два месяца работы сократило расходы на 100 тыс. фунтов стерлингов, а прогноз сокращения затрат в первый год внедрения системы составил 600 тыс.

фунтов [8].

В заключение. Современным средством поддержки принятия решений по слабо- или неструктурированным географически обусловленным задачам являются географические системы поддержки принятия решений – автоматизированные системы, сформировавшиеся в ходе конвергенции СППР и ГИС.

Области применения ГСППР разнообразны, в том числе перспективно и достаточно широко внедрено в зарубежной практике использование их в оперативно-розыскной деятельности.

В состав ГСППР входят подсистемы баз данных, управления моделированием, диалога с пользователем, базы знаний. Для извлечения знаний из баз данных и моделирования явлений и процессов применяются различные статистические методы и методы искусственного интеллекта с учетом научных положений судебной психологии и криминологии.

Информационные технологии в ОРД.

Современные ГСППР представляют собой веб-системы с возможностями совместной работы, дружественным пользовательским интерфейсом, богатыми возможностями визуализации и публикации результатов. Географические СППР для конкретной предметной области представляют собой специализированные разработки, включающие в себя какую-либо из существующих ГИС, или реализуются в виде модулей расширения ГИС. Перспективным направлением развития является создание сервис ориентированных ГСППР, дающих потребителю возможность компоновать необходимый ему функционал из типовых модулей.


Применение ГСППР в оперативно-розыскной деятельности позволяет повысить раскрываемость преступлений за счет автоматизированного извлечения знаний из большого массива данных, накапливаемых в ходе следственных мероприятий и иной деятельности спецслужб, и визуализации полученных результатов в форме, способствующей принятию пользователем оптимальных решений. Кроме того, определение криминогенных очагов и зон риска дает возможность концентрировать ограниченный ресурс оперативного состава на основании этой информации и, таким образом, улучшить профилактику преступлений.

Трудностью практической реализации ГСППР в оперативно-розыскной деятельности является необходимость приведения больших массивов разнородной и зачастую неполной или ошибочной входной информации к виду, необходимому для использования в системе. К настоящему времени разработан и поддерживается современными ГСППР ряд унифицированных стандартов межведомственного обмена информацией.

На рынке представлен ряд зарубежных коммерческих ГСППР, апробированных в практической деятельности и получивших положительные отзывы. Их разработка явилась продуктом тесного сотрудничества производителей с органами внутренних дел для учета действительных потребностей полиции и постановки актуальных задач.

Литература 1. R. Sugumaran, J. DeGroote. Spatial decision support systems: principles and practices. CRC Press, 2010.

2. P. Fu, J. Sun. Web GIS. Principles and applications. New York: ESRI Press, 2011.

3. G. Oatley, B. Ewart, J. Zeleznikov. Decision support systems for police: lessons from the application od data mining techniques to “soft” forensic evidence. Kluwer Academic Publishers, 2006.

4. L. Worrall. Spatial analysis and spatial policy using geographic information systems. New York: Belhaven Press, 1991.

5. COPLINK brochure. URL:http://i2group.com/documents/product-sheets/coplinkpl/COPLINK_Brochure.pdf. Дата обращения: 05.05.2011.

6. Crime analysis: GIS solutions for intelligence-led policing.URL:http://www.esri.com/library/brochures/pdfs/crime analysis.pdf. Дата обращения: 05.05.2011.

7. Law enforcement: GIS solutions for proactive policingand informed response.URL:http://www.esri.com/library/brochures/pdfs/lawenforcement.pdf. Датаобращения: 05.05.2011.

8. Strategic intelligence at your fingertips: CrimeAnalyst.URL:

http://www.igis.com.tw/software/arcgis/document/Crime%20Analyst%20Brochure%20FINAL%20sep%20pgs.pdf.

Дата обращения: 05.05.2011.

ИСПОЛЬЗОВАНИЕ СПЕЦИАЛЬНЫХ ПРОГРАММНЫХ СРЕДСТВ ПРИ ОСУЩЕСТВЛЕНИИ КРИМИНАЛЬНОГО АНАЛИЗА ИНФОРМАЦИИ О.Ю. Новикова, В.В. Новиков (ГУМВД России по Пермскому краю) В век бурного развития информационных технологий все более остро встает проблема их практического применения в повседневной деятельности правоохранительных органов по предупреждению и раскрытию конкретных преступлений, выявлению и пресечению деятельности организованных преступных групп и преступных сообществ.

Руководством МВД РФ в настоящее время реализуется комплекс организационных и практических мер, направленных на активное использование возможностей современных информационных технологий и систем, основные мероприятия, которого определены:

- Программой МВД России «Создание Единой информационно-телекоммуникационных систем органов внутренних дел (ЕИТКС)», утвержднной приказом МВД России от 20 мая 2008 года № 435;

- Концепцией информатизации органов внутренних дел Российской Федерации и внутренних войск МВД России до 2012 года, утвержденной приказом МВД России от 4 апреля 2009 года № 280.

Кроме того, Федеральным законом «О полиции» (№3-ФЗ от 07.02.2011г.), прямо предписано, что «… полиция в своей деятельности обязана использовать достижения науки и техники, информационные системы, сети связи, а также современную информационно-телекоммуникационную инфраструктуру …» (ст.11, гл.1).

Именно поэтому вопросы повышения результативности деятельности подразделений и служб органов внутренних дел, осуществляющих оперативно-розыскную деятельность, в случае внедрения в их практику современных технологий криминального анализа информации, получают все большую актуальность.

Информационные технологии в ОРД На сегодняшний день в России уже создано несколько сот внутренних баз данных, направленных на решение задач МВД. Основная проблема современного этапа состоит уже не в том, чтобы собрать и накопить данные, а в том, чтобы в кратчайшие сроки провести качественный анализ разрозненных фактов, выявить полезную информацию, и подготовить на ее основе решение, направленное на выявление или раскрытие конкретного преступления.

Впервые четко задачи по использованию возможностей криминального анализа, в целях повышения эффективности проводимых оперативно-розыскных мероприятий были сформулированы для созданных в году подразделений ЦОРИ. Однако в период формирования и становления данных подразделений реализация данной задачи столкнулась с рядом объективных и субъективных проблем.

Главная из них заключается в отсутствии унифицированного программного продукта, отвечающего современным требованиям по сбору, обработке и анализу оперативно-значимой информации. ЦОРИ каждого субъекта Российской Федерации работает на своем программном продукте, роль в этом вопросе ГИАЦ как единого координирующего центра до настоящего времени остается неопределенной. Отсутствие квалифицированных специалистов не позволяет эффективно применять алгоритмы и научно обоснованные методы аналитического поиска, аналитических исследований, прогнозирования развития криминологической ситуации в конкретных регионах, проведение работ с открытыми источниками информации. В результате одним из основных видов информационного обеспечения сотрудниками ЦОРИ деятельности оперативных подразделений продолжает оставаться информационно-аналитический поиск.

Под термином «информационно-аналитический поиск» понимается комплекс действий, заключающийся в отборе из имеющихся массивов информации данных, отвечающих заявленным критериям, сравнении выбранных из различных источников сведений, их оценке для отождествления объекта оперативного интереса, установлении связей с другими объектами, предметами, фактами, событиями.

Методика «информационно-аналитического поиска» получила повсеместное распространение и в настоящее время является одним из основных видов информационного обеспечения при осуществлении оперативно-розыскной деятельности. В то же время данная методика является лишь частью более широкого понятия «криминальный анализ», который можно разделить на три основных вида: стратегический, тактический и управленческий.

В повседневной практике оперативных подразделений наиболее востребован тактический криминальный анализ - предназначенный для обеспечения оперативно-следственных подразделений информацией, необходимой для раскрытия и расследования конкретных преступлений. В ходе этого анализа исследуются тенденции развития преступности на коротких временных интервалах (до года), криминальная обстановка на обслуживаемой территории, особенности серийных и иных резонансных преступлений и т.п. При проведении данного вида криминального анализа, опираясь на имеющиеся информационные массивы, стараются установить взаимосвязь между совершенным преступлением (временем, датой и местом его совершения), подозреваемым, транспортным средством и т.п. и выявить определенные закономерности.

Принципиальным отличием криминального анализа от информационно-аналитического поиска является возможность получения новой, ранее неизвестной инициатору разработки оперативно-значимой информации не только о событиях и объектах, но и о причинно-следственных фактах и закономерностях, дополнительных квалифицирующих признаках (устойчивость, сплоченность, наличие внутренней иерархии в группе, распределении ролей и т.п), кроме того появляется реальная возможность оперативного прогнозирования вероятных событий.

Однако для качественного проведения криминального анализа необходима обработка значительных и разнородных по структуре информационных массивов. Для решения данной задачи необходимо применение специализированных программных продуктов, способных обрабатывать разнородные, в том числе не структурированные, информационные массивы.

В отличие от узкоспециализированных витрин данных, где, например, оперативный сотрудник анализирует ограниченный набор сущностей, сотрудникам аналитических подразделений ОРИ приходится работать довольно с широким набором типажей объектов и связей между ними. Более того, в ходе анализа данных возникает необходимость определения новых, ранее отсутствовавших в системе типов для описания объектов, привлекших внимание аналитика. Таким образом, семантическая модель аналитической системы должна быть легко расширяема без участия разработчиков, если не самим аналитиком, то по крайней мере администратором системы.

Возможности существующих в подразделениях ОРИ МВД разрозненных программных систем, не позволяют решить данную задачу, так как для организации обмена информацией требуются общие стандарты, единая классификация и формализация, которые как было отмечено, выше в подавляющем большинстве случаев отсутствуют.

Кроме того, собранные данные быстро устаревают, не всегда очевидна и подтверждена их достоверность, особенно когда они поступают из разных источников и при этом требуется сохранить максимальное число деталей. Иначе говоря, требуются огромные временные затраты пока аналитик пройдет по цепочке «данные — информация — знание — понимание — решение — действие», даже успешное решение поставленной задачи теряет свою актуальность, в связи с изменением оперативной обстановки, что в свою очередь не позволяет сформировать доказательную базу достаточную для раскрытия преступления и изобличения преступников.


Информационные технологии в ОРД.

В этой связи встала острая необходимость в выборе программного продукта, который позволяет, освобождая от рутинного труда и открывая простор для творчества, существенно повысить результативность работы следователей при расследовании крупных дел, связанных, например, с деятельностью организованных преступных сообществ, куда вовлечены сотни фигурантов и, о деятельности которых, сформированы значительные информационные массивы о тысячах эпизодов и связей, собранных за годы преступной активности на значительных территориях.

Впервые с данной проблемой сотрудники ЦОРИ УВД столкнулись в ходе информационного обеспечения проводимых оперативно-розыскных мероприятий, направленных на раскрытие кражи миллионов из инкассаторской машины ЗУБ СБЕРБАНКА РФ в июле 2009 года (дело «Шурмана»).

Перед сотрудниками подразделения была поставлена задача по выявлению возможных соучастников преступления на основе анализа движения транспортных потоков в день совершения преступления и имеющейся на тот момент информации о выявленных связях.

В целях выбора оптимальной аналитической системы позволяющей в кратчайшие сроки и максимально эффективно решить поставленную задачу были сформулированы следующие основополагающие требования к функционалу требуемой информационно-аналитической системы:

- возможность работы с различными типажами объектов;

- работа с внешними источниками, как правоохранительных органов, так и предоставляемых в качестве обмена прочими структурами;

- поиск дубликатов;

- работа с неструктурированной информацией;

- акцент на выявлении связей и отношений объекта анализа с прочими объектами;

- представление данных в ходе анализа, а также его результатов в виде диаграмм и схем;

- оценка качества и достоверности информации;

- формулирование умозаключений и выводов об объектах анализа;

- оформление результатов анализа в виде аналитических записок и отчтов;

- использование специализированных аналитических функций.

В качестве инструмента для предварительной подготовки данных была использована программа «Excel» из пакета «Microsoft Office 2003», окончательный анализ проводился с помощью пробной версии программы «i2 Analyst’s notebook», полученной по ограниченной 3-х месячной лицензии.

Выбор аналитической системы «i2 Analyst’s notebook» был основан на тех соображениях, что данный комплекс фактически является международным стандартом для проведения аналитических исследований при расследовании преступлений. Технология, предлагаемая компанией i2, признана пользователями свыше тысячи организаций из 70 стран, в том числе : Интерполом, Европолом, ООН, НАТО, Комитетом финансового мониторинга РФ. Среди ее пользователей банки, правоохранительные органы, страховые компании, силовые ведомства, телекоммуникационные компании, аэропорты, СМИ и крупные корпорации.

В состав программного комплекса i2 входят четыре компонента:

- Система визуального анализа Analysts Notebook преобразует сложную информацию для восприятия аналитиками: диаграммы, схемы, временные развертки и т. п. Функция Link Notebook поддерживает схемы анализа связей, потоков материальных средств, финансов и т. д., в то время как Case Notebook «отвечает» за временные графики — схемы последовательности событий, диаграммы действий в каждом из событий и комплексные диаграммы, отображающие события и их ход. Система Analysts Notebook способна автоматически проанализировать накопленные данные, распутать сложные связи в сетях, отображающих взаимодействия объектов разной природы;

- Система управления данными iBase дает возможность работать с большими объемами накопленных данных. Система включает инструментарий накопления и обработки сложно структурированной информации с расширенными возможностями по взаимодействию с графическими средствами анализа. iBase обладает интуитивно понятным интерфейсом, исключающим необходимость изучения сложного языка запросов. Важно, что система предоставляет возможность распределенной работы группы аналитиков, одновременно обеспечивая интеграцию с Analysts Notebook;

- iConnect, интерфейс для доступа к различным источникам данных, связывает имеющиеся базы данных с Analysts Notebook, формируя среду, позволяющую проводить поиск, анализировать и составлять диаграммы связей, скрытых в доступных базах данных;

- iGlass, расширенная система анализа данных на основе консолидации информации, предоставляет разнообразные возможности анализа данных на основе комбинации запросов, графиков и диаграмм. С ее помощью осуществляется оперативное выделение и сравнение интересующих схем и взаимосвязей между ними. Оригинальная навигационная модель iGlass дает возможность проверять различные гипотезы, создавать диаграммы в разнообразных форматах и стилях.

Кроме того одним из существенных факторов является тот, что в зависимости от конфигурации стоимость лицензий на оснащение одного рабочего места комплексом i2 составляет 5 тысяч долларов.

Для решения данной задачи по установлению возможных соучастников и пособников совершенного разбойного нападения были дополнительно привлечены к работе сотрудники ИЦ ГУВД по Пермскому краю, которые обеспечили возможность обработки нестандартных пакетных запросов к имеющимся базам данных ИЦ.

Информационные технологии в ОРД Анализ осуществлялся в несколько этапов:

- Основываясь на первоначально составленном оперативными службами перечне лиц, контактировавших с Шурманом, путем многоступенчатой обработки были отобраны все объекты (адреса, лица, а затем, на их основе автотранспорт), прямо или косвенно имеющие отношение к лицу, совершившему преступление, либо обширному кругу его связей (всего порядка 60 тысяч объектов);

- Полученный массив был передан в ООРИ УВД по г. Перми и совместно с массивом автомашин, зарегистрированных АПК «Сова-2» в день преступления в секторе, где пролегал маршрут машины инкассаторов (всего порядка 23 тысяч объектов);

- При помощи программы «i2 Analyst’s notebook» оба этих информационных массива были проанализированы на предмет обнаружения совпадений.

В результате трехдневного анализа силами ведущего аналитика ООРИ были выявлены и документально подтверждены фотоснимками АПК «Сова-2» факты активного перемещения в ночь перед преступлением жены Шурмана, а также факты передвижения в исследуемом секторе города 2-х его коллег по работе.

Полученная информация была направлена в оперативный штаб и использовалась при планировании оперативно-разыскных и следственных мероприятий.

Правильность сделанных аналитических выводов подтвердилась в ходе расследования уголовного дела и проведения следственных действий, в объеме которых жена Шурмана пояснила, что действительно в ночь перед преступлением по просьбе мужа перемещалась на автомашине, закупая вещи и продукты, необходимые для совершения нападения, сокрытия следов преступления и похищенных денежных средств. Факты передвижения в исследуемом секторе города 2-х коллег Шурмана по работе подтвердились, однако прямого причинно-следственного отношения к совершенному преступлению не имели.

На основании анализа результатов была уточнена и детализирована стратегия, тактика и технология использования информационных массивов при поиске оперативно-значимой информации:

- Очередность использования и перечень задействованных учетов выбирается исходя из категории требуемой информации и ее вероятного местанахождения, и имеет целью наиболее быстрое получение значимого результата;

- Формат запроса к учетам выбирается исходя из принципа разумной избыточности информации, и имеет целью наиболее полное получение информации, учитывая возможность нахождения в массивах неполных, недостоверных, либо введенных с грамматическими ошибками данных;

- Разработка интерактивного справочника (многолистовая книга Excel со ссылками) «Таблица принципиально доступных учетов» (ИЦ, ОРИ, обновляемые ресурсы Internet) с указанием способа получения доступа и перечня полей, доступных в каждом учете и рекомендуемых форматов запроса;

- Разработка технологии, позволяющей получить исчерпывающую информацию об объекте за минимальное количество запросов достигается :

- за счет формирования структуры массивов - «тематических» (оперинформация, сводки о преступлениях, сведения о финансовых отношениях (СБ банков и госзаказ), публицистические массивы, а также «региональных»

(г.Пермь, Пермский край, иногородние);

- за счет формирования соответствующих созданным массивам шаблонов глобальных запросов, в целях исключения из обработки заведомо «ненужных» информационных массивов;

- за счет подключения массивов «Cros» к глобальным запросам «CronosPlus»;

- Разработка технологии автоматизации выполнения запросов к базам данных ИЦ ГУВД в «пакетном» режиме на основе возможностей, предоставляемых инструментами серии «SoM» и «AutoIT» с целью обеспечения возможности сбора большого объема информации без участия аналитика (в фоновом режиме, либо ночью) - Разработка форм вывода информации в учетах под «CronosPlus», соответствующих формату пакетного запроса под «CronosPlus» и «Cros» с целью обеспечения возможности многоступенчатого поиска информации о группе объектов;

- Разработка форм вывода информации в учетах под «CronosPlus» (либо использование функции «сохранение таблицы в файл») и соответствующих им спецификаций импорта под «i2»;

- Освоение возможностей, предоставляемых продуктами серии «i2 iBase» (формирование и ведение баз данных в формате «i2») и «i2 iBrige» (подключение к имеющимся базам данных в форматах «Access», «SQL server» и «Oracle»);

Машины, выделенные под интернет, должны иметь резервные операционные системы на случай вирусного поражения (в т.ч. UNIX-подобные, пора изучать и другие ОС).

С учетом вышеизложенного методика использования возможностей аналитической системы «i Analyst’s notebook» сотрудниками ООРИ УВД была усовершенствована, что позволило проводить данный вид криминального анализа по значительно большим информационным массивам без привлечения дополнительных сил и в более короткие сроки.

В 2010 году данная методика была использована в ходе оперативной разработки организованной преступной группы, участники которой, в течении нескольких лет совершали мошеннические действия под видом проведения «беспроигрышной» лотереи на территории «металлорынка» г. Перми.

После предварительного изучения предоставленного материала и консультации с инициатором задания, с его согласия, поставленные вопросы были интерпретированы следующим образом:

Информационные технологии в ОРД.

Проанализировать предоставленный массив данных и составить схему последовательности телефонных звонков между членами группы в дни совершения преступлений и географического местоположения абонентов в эти моменты.

Проанализировать предоставленный массив данных и составить схему, отражающую взаимосвязь членов ОПГ и объем общения между ними.

Инициатору исследования требовалось выявить и найти способ документально подтвердить факты присутствия членов ОПГ в определенной географической точке в момент совершения преступлений, а также доказать наличие системы в действиях разрабатываемых лиц, выявить полный состав ОПГ и, по возможности, роль каждого из участника группы.

До направления задания инициатор получил консультацию специалистов ООРИ о возможности получения ответов на поставленные вопросы и необходимых для этого условиях (перечне исходных данных, предоставляемых инициатором задания). Это позволило аналитикам заблаговременно выбрать стратегию анализа и подготовить необходимый инструментарий, а разработчику принять меры к добыванию необходимой информации.

В ходе консультации, необходимой для анализа информацией были признаны протоколы электрических соединений телефонов, используемых членами ОПГ («геобилинги») за период проведения активной разработки. В ходе обсуждения было особенно подчеркнуто, что указанная информация необходима в электронном формате и не в виде отсканированного текста.

В качестве стратегии анализа была выбрана обработка предоставленных материалов с целью создания:

- «схемы последовательности телефонных звонков между членами ОПГ в дни совершения преступлений и географического местоположения абонентов в эти моменты»;

- «схемы, отражающей иерархию членов ОПГ и их связей по отношению друг к другу, а также объем общения между ними»;

- «схемы, отражающей общее количество звонков и суммарное время общения основных фигурантов ОПГ с другими членами преступной группы за контролируемый период».

В качестве инструмента для предварительной подготовки данных была использована программа «Excel» из пакета «Microsoft Office 2003», окончательный анализ проводился с помощью пробной версии программы «i2 Analyst’s notebook».

После получения информации от операторов сотовой связи, инициатором был предоставлен ряд «геобилингов», относящихся к 6 наиболее активным участникам разрабатываемой группы.

Данные из поступивших файлов были сведены в единый массив, после чего, для обеспечения однозначной идентификации абонентов, все номера были преобразованы в федеральный формат (последние 10 цифр номера).

Одновременно был составлен (отфильтрован по признаку уникальности) список всех встретившихся в «геобилингах»

телефонных номеров. Указанный список был отсортирован по операторам сотовой связи и передан инициатору для получения персональных данных абонентов.

Полученный массив был загружен в «i2 Analyst’s notebook» и подвергнут исследованию путем отображения преимущественно одних и тех же данных в разных представлениях. Затем, для повышения информативности, на схемы были добавлены дополнительно представленные инициатором данные о персоналиях абонентов.

В результате обработки данных с помощью аналитической системы i2 было получено 12 схем, и, как результат определен круг лиц, входящих в состав ОПГ:

Информационные технологии в ОРД Полученные в результате анализа схемы позволили ответить на поставленные инициатором вопросы, выявить полный состав и иерархию членов ОПГ и их связей (более 30 человек), доказать наличие системы в их преступной деятельности, что позволило определить дальнейшую стратегию оперативной разработки и реализацию оперативных материалов в ходе расследования уголовных дел.

Согласно поступившим справкам-отзывам, полученные в результате анализа данные способствовали:

- реализации материалов оперативной разработки, проводимой в отношении участников организованной преступной группы с окраской «мошенничество», - раскрытию 36 УД (ст.159 ч. 4 УК РФ), - привлечению к уголовной ответственности 17 человек, - задержанию 6 находившихся в розыске лиц, - возмещению материального ущерба на сумму 40000 рублей.

Приведенные выше примеры использования специализированных программ при проведении криминального анализа существенно расширяют возможности подразделений ОРИ по информационному сопровождению оперативных разработок и раскрытию конкретных уголовных дел, а именно:

- позволяют выявлять и способствуют документированию квалифицирующих признаков (устойчивость, распределение ролей, сплоченность и т.п.);

- открывают дополнительные возможности к прогнозированию дальнейшего развития ситуации;

- помогают устанавливать дополнительных участников преступных групп и определять характер их взаимодействия внутри группы;

- помогают выявлять и документально закреплять дополнительные ранее неизвестные факты преступной деятельности и т.д.

В настоящее время сфера применения комплекса «i2 Analyst’s notebook» значительно расширена.

Наиболее часто он применяется при построении неочевидных связей объектов, используя массивы оперативно разыскной информации, анализе краж, угонов дорогостоящих автомобилей, раскрытии разбойных нападений, выявлении «черных маклеров», в работе по линии БЭП при анализе денежных потоков.

В перспективе, учитывая наличие развитой информационно-справочной системы ИЦ, существует возможность подключения к ним комплекса «i2 Analyst’s notebook» в режиме «только для чтения», что позволит сформировать сетку очевидных связей объектов, и на порядок повысит уровень осведомленности.

Общая тактика развития подразделений ЦОРИ должна включать в себя целый комплекс мероприятий.

В первую очередь, это подбор и комплектование кадров с четким распределение обязанностей.

Необходимо создание перечня базовых требований (наличие практических умений и теоретических знаний) к каждому сотруднику аналитического подразделения от начальника ЦОРИ, заместителя начальника подразделения, начальника рабочего (аналитического) подразделения, аналитика (старшего аналитика), администратора БД, администратора сети, программиста.

Во-вторых, необходимо постоянное внимание к повышению профессионального уровня сотрудников.

Для решения этой задачи необходимо организовать:

- взаимодействие с учебными центрами (создание специальных курсов для первоначальной подготовки аналитиков и повышения квалификации оперативных сотрудников УР и БЭП);

- разработку повышения квалификационного уровня (ввести классные уровни внутри подразделения:

1, 2, 3, «мастер-аналитик» с соответствующим перечнем знаний, практических навыков и системой их подтверждения);

специализация по направлениям деятельности (в т.ч. разработка каждым сотрудником «карты специализации» - какими документами регулируется направление, что и где взять, кому и когда доложить, каковы особенности обработки информации, наиболее эффективные приемы анализа). Это поможет, подробно изучить курируемое направление и обеспечить максимально быстрое освоение вновь назначенным сотрудникам;

систему обмена передовым опытом между аналитиками ЦОРИ всех регионов, возможностью оказания помощи в решении сложных задач в режиме «мозгового штурма»;

В-третьих, необходима четкая стратегия формирования информационных массивов, поддержания их актуального состояния.

Возможные источники формирования информационного массива аналитического подразделения:

- оперативная информация подразделений КМ;

- оперативно-служебная документация (отказные материалы, обвинительные заключения) служб ОВД региона;

- различные учеты (списки, базы данных) служб МОБ;

- официальные учеты государственных и муниципальных организаций (на основе договоров, межведомственных соглашений);

- информационные массивы специализированных коммерческих структур (на основе договоров, соглашений);

- результаты запросов к информационному массиву ИЦ ГУВД;

- результаты запросов к информационным массивам ИЦ (Г)УВД других субъектов РФ;

- результаты запросов к информационному массиву линейных подразделений МВД;

Информационные технологии в ОРД.

- результаты аналитических поисков в сети Internet;

- открытые информационные массивы, расположенные в Internet - информационные массивы, полученные оперативным путем Было отмечено, что чем больше собирается информации, тем эффективнее ее анализ и последующее принятие решений. Следовательно, чем больше в нашем распоряжении будет находиться различных банков данных, тем более полным будет объем информации в отношении исследуемого объекта. Однако, не стоит забывать, что при этом значительно увеличивается и рабочая нагрузка на аналитика, а это, в свою очередь, может привести к увеличению риска получения ошибочного результата, но и повысит вероятность нахождения той информации, которая может привести к раскрытию преступления.



Pages:     | 1 |   ...   | 2 | 3 || 5 | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.