Комбинаторные методы правовой информатики

действий оперативно-розыскной службы.

Р(х/y)

Р(х/y*)

х1 х2 х3 х4 х5 х

х1 х2 х3 х4 х5 х

а

б

Рис. 4

__________________________________________________________________

* Лейбниц Избранные философские сочинения. Стр. 186. М. 1908 г.

** В. И. Ленин Полное собрание сочинений. Т. 12. Стр. 237. М. 1984 г.

При этом для каждого вида преступления эти параметры могут иметь свои

специфические значения. Например, при краже автомобиля это может быть: Х1 —

способ взлома гаража (отмычкой, украденным ключом, ломом, подъемным краном

и т.д.); Х2 — наличие или отсутствие на месте преступления орудий взлома;

Хз — способ отключения сигнализации и т.д. Тогда деятельность следователя

не может быть не чем иным, как воспроизведением либо мысленно (не до конца

отдавая себе в этом отчет либо с помощью ЭВМ функции апостериорной

вероятности Р (Х/У), т.е. вероятностной картины "портрета преступника" в

зависимости от оставленных им следов. Здесь уместно вспомнить известное

высказывание У. Эшби о том, что "система не вещь, а перечень переменных"

или "замкнутое однозначное преобразование».

Если имеется статистика, то первоначальная работа следователя может

быть существенно облегчена с помощью ЭВМ, которая при вводе в нее данных о

следовой активности (вектора У) преобразует их по известной формуле Байеса

в интересующую следователя функцию:

Р[pic],

где Р(X) — вероятность совершения преступления лицом, описываемым вектором

X, до того, как стало известно в следаx, оставленных на месте происшествия;

Р(У) — вероятность совершения преступления, в результате которого остались

зафиксированными следы У; Р(У/X) — вероятность того, что совершение

преступления лицом Х привело к оставлению им на месте происшествия следов

У.

Способ расчета Р(X/У) зависит от того, какого рода статистика

собирается по итогам анализа уголовных дел. Формула Байеса использована в

данном случае потому, что входящие в нее справа переменные соответствуют

часто приводимым в статистике данным о типах преступника и способах соверше-

ния преступлений.

Совершенно очевидно, что при выводе на экран ЭВМ графика, аналогичного

изображенному на рис. 4, следователь может спланировать свою деятельность

по отработке версий о том или ином типе преступника в такой

последовательности:

X3, X2, Х4, Х1, Х5. Вскользь заметим, что в программу для ЭВМ должна

входить проверка:

р(X1/У) + р(X2/У) + … р(X5/У) = 1

При таком плане действий по каждой версии следователь проводит так

называемые следственные действия (допрос, очные ставки и т.д.), дает

задание уголовному розыску и ставит задачи перед экспертными службами. В

результате такой деятельности могут возникнуть новые обстоятельства,

вскрыться новые факты и картина, показанная на рис. 4 а, может существенно

измениться, преобразуясь, например, к виду, показанному на рис. 4 б.

Это может быть связано, например, с тем обстоятельством, что лица Х1,

Х2, X3 представили алиби, или с какими-то другими фактами по делу. Если

считать, что векторы Х1, Х2… описывают некоторый обобщенный тип

преступника, например возрастную группу, то после окончательного вы– бора

одного из значений Х требуется аналогичная работа по вскрытию более тонкой

описательной структуры, характеризующей преступника с постепенным

доведением этого процесса до конкретного лица или группы лиц. При этом

каждый уточняющий, расширяющий информацию следователя о преступнике этап

связан с выбором по максимально вероятной версии и построении в

соответствии с этим плана «отработки версий».

Использование комбинаторных мер правовой информатики при расследовании

преступлений.

Деятельность по расследованию преступлений связана с работой многих

правоохранительных и иных государственных и общественных организаций.

Однако важнейшие из них — это следствие, уголовный розыск, экспертиза и

надзор. Попытаемся представить себе, каким образом использование ЭВМ может

повысить эффективность действия этих структур.

Следствие — это собирательное понятие, охватывающее предварительное

следствие, самостоятельную стадию уголовного процесса, следующую за

возбуждением уголовного дела, и судебное следствие — составную часть

судебного разбирательства в суде первой инстанции. Мы здесь остановимся на

предварительном следствии, основной фигурой которого является следователь.

Расследование преступлений как род человеческой деятельности предполагает

планирование, организацию и проведение определенной совокупности

соответствующих действий, направленных на правильное разрешение уголовного

дела.

Чем ограничен следователь прежде всего? Временем и материальными

ресурсами. В чем он свободен? В выборе порядка и характера следственных

действий, в постановке задач перед органами дознания, привлечении

общественности и т.д. Какой параметр при прочих равных условиях желательно

сократить? Конечно, время расследования. Вот и попытаемся использовать ЭВМ

для наведения порядка в таком хозяйстве.

Представим себе, что следователь может запланировать Х1 следственных

действий, типа Х (например, допрос), У1 следственных действий, типа У

(например, осмотр места происшествия) и Z1 типа Z (следственный

эксперимент).

При этом каждое из данных действий связано с затратами времени: t (х),

t(у) и t(z) соответственно. Тогда очевидно, что план его должен быть

составлен так, чтобы минимизировать функцию:

Е==Х1 t (х) + у1 t(у)+ Z1 t(z) минимум.

При этом выбор Х1, У1 и Z1 ограничен материальными и людскими ресурсами.

Допустим, что каждое следственное действие оплачивается денежной суммой

р(X), р(У), р (Z) и требует для своего проведения определенного числа

людей: м(x), м(у), м(z) соответственно. Полагаем также, что следствие

ограничено денежными ресурсами в виде суммы «Р» и людскими —«М» человек.

Тогда математическая формулировка ограничений будет в виде:

X1 Р(x) + у1 р(у) + Z1 р(z) [pic] Р,

X1 м(х) +у1 м(у) + Z1 м(z) [pic] М.

Такого рода задачи минимизации заданной функции нескольких переменных

при определенных ограничениях на их суммы с взвешенными коэффициентами

относятся к числу задач линейного программирования и при числе переменных

больше 3 — 5 вручную практически неразрешимы. Перед

обработкой уголовных дел (законченных) задумались о возможностях статистик,

ЭВМ и человек пришли к таким выводам.

Во–первых, характеристика преступника (или преступной группы) должна

быть достаточно яркой, обеспечивающей хорошую фильтрацию оперативных данных

с выходом на субъект преступления.

Во–вторых, параметры, описывающие преступника, должны быть

максимально независимы (некоррелированы), так как только независимость

несет дополнительную информацию и оправдывает использование памяти машины.

В–третьих, способ преступления должен иметь также достаточность и

некоррелированность в подборе описывающих его параметров.

В–четвертых, надо помнить о том, что не только возможности машины для

сплошного перебора ограничены, но ограничены и возможности человека для

восприятия представленной ЭВМ информации.

Исходя из этих соображений, выбрали следующие параметры для описания

преступника: пол, возраст, образоваиие, национальность, место проживания,

судимость, отношение к алкоголю и наркотикам, семейное положение,

психическое состояние, характер работы, тип личности.

Даже при наличии двоичной системы описания отдельных параметров (мужчина

— женщина, молодой — старый, с высшим образованием — без такового и т.д.) с

помощью такой модели может быть описана 211 = 2048 типов преступников

(отличающиxся хотя бы поодному параметру). Если же брать три–четыре

позиции, что по большинству приведенных параметров представляется вполне

сстественным, то количество типов возрастает до нескольких десятков тысяч.

В качестве способа совершения кражи выбрали иаличие транспортного

средства, особенности способа проникновения через дверь, через окно,

насильственным путем. При подробном описании данных способов совершения

преступления потребуется дать по крайней мере несколько десятков (а то и

сотен) вариантов.

Совершенно очевидно, что главным затруднением в работе будет неполнота

статистики. Всдь для того чтобы в описанном случае получить полную

статистику, нужно обработать по крайнсй мере несколько сотен тысяч

законченных уголовных дел такого вида. Слава богу, такого сделать не

удастся, даже если отвлечься от техничсских трудностей, по той про– стой

причине, что такого числа уголовных дел по кражам не существует не только в

судебном архиве этого города, но и во всех городах России. Чтоделать?

Можно уменьшить число параметров, описывающих преступника и способ

прсступления. Для того чтобы обработка в полном объеме стала реальной,

такое уменьшение должно произойти до двух–трех параметров и до двух–трех

способов совершения преступленияе Однако так поступать не хотелось бы,

потому что экспертныс оценки дают представленный выше набор как наиболее

типичный и интересный. Как быть? Оказывается, выход есть. Сделаем небольшой

экскурс в теорию сигналов, не забывая о только что полученных параметрах

описания преступников. Представим себе, что каждый из параметров

описывается в двоичной систсме (например мужчина — женщина, молодой —

старый и т.д.). Тогда, приписывая этому параметру в зависимости от его

значения величину "0" (молодой) или "1" (старый) мы получим портрет

преступника в n–мерном (n — число параметров) двоичном пространстве. Каждая

вершина (на таких вершин будет 2 n) отражает некий символический портрет. В

общей теории информации все пространство, занимаемое кубом, делится на

несколько равных областей так, что все вершины, относящиеся к одной области

считаются как бы одной вершиной Обычно такой подход используется в теории

связи при передаче одного из m сигналов. Из 2 n вершин выбираются m

равноотстоящиx, все пространство делится на m областей, и если за счет

помехи одна из передаваемых вершин искажается, то за истинную принимается

та, в область которой попадает искаженная вершина. Эта задача из области

теории кодирования, и до сих пор в общем виде она не решена.

Вспомним, что наиболее часто в теории сигналов применяется так

называемое ортогональное кодирование, когда число выбранных для передачи

сигналов равно n и передаваемые сигналы являются векторами, равностоящими

друг от друга. Название «n – мерное пространство” происходит по аналогии с

трехмерным (и двумерным — плоским) пространстве. Как нетрудно убедиться на

примере трехмерного пространства, в этом случае ортогональные

(связанно–перпендикулярные) векторы оказываются как бы наиболее отстоящими

друг от друга или, если дать качественную оценку — наиболее непохожими.

Возвращаясь к задаче описания преступника, можно сказать, что при заданном

количестве признаков (представленных в двоичной системе) отбор типов

(наборов признаков), производимый по принципу наибольшей непохожести,

должен происходить в соответствии с теорией формирования ортогональных

векторов в n – мерном двоичном пространстве (n — число признаков). Тогда

все остальные возможные типажи будут относиться к одному из ортогональных

"основных" типов. В такой постановке вопроса речь, очевидно, должна идти не

о сокращении числа признаков (длины кода или мерности пространства), а,

наоборот, об увеличении ее до нескольких десятков. При этом, конечно,

важнейшим принципом будет, как мы уже говорили выше, принцип

некоррелированности признаков (элементов кода или параметров вектора.

Решение этой задачи строго и в полной мере произвести пока нельзя. Дело

здесь за оценками и мнением экспертов.

Далее поступают следующим образом. При обработке статистического

материала все типы преступников, отнесенные установленным выше порядком к

той или иной области двоичного пространства, полагают совпадающими с одним

из "ортогональных" типов. И для данного обобщенного типа строится

гистограмма распределения совершения преступлений, а затем — гистограмма

распределения способов совершения преступлений. При поступлении оперативной

информации о способе совершения преступления строится апостериорная

гистограмма распределения вероятности совершения преступления тем или иным

обобщенным типом и получается соответствующая картина обработки версий.

При обработке версий следует опять–таки учитывать обобщенный характер типа

преступника и иметь вспомогательную характеристику всех действительных

векторов, описывающих "тип" попавших в пространство обобщенного вектора

(типа) преступника. Подозреваемые при этом располагаются по принципу "если

— то". Если параметр соответствует параметру обобщенного вектора - типа, то

пишется "1" на выходе, скажем, условного блока сравнения. Если не

соответствует, то пишется "0". Таким образом, подозреваемый также

оказывается представлен в виде типа–вектора. В итоге обработки каждой

версии окажется некоторое количество векторов–типов подозреваемых,

записанных в блоке памяти. При этом подозреваемые, векторы которых выходят

за рамки пространства, образуемого вектором обобщенного типа данной версии,

вычеркиваются из блока памяти. С оставшимися подозреваемыми (уже реальными,

а не их отражениями в векторном пространстве блока памяти ЭВМ) проводятся

следственные действия, собираются доказательства, опровергающие или

подтверждающие их вину.

Главное при формализации следственных действий — это не упустить

какую–нибудь "мелочь", которая может определять весь итог работы. Дело в

том, что математические методы, обладающие возможностью глубоко проникать в

суть явления, слабы с точки зрения первичного моделирования. Это

проявляется в том, что можно просмотреть важную "мелочь". В качестве

примера хочется привести случай с ньютоновской механикой, когда проглядели

"мелочь" — постоянство скорости света в любых системах; зацепившись за

которую Альберт Эйнштейн открыл теорию относительности. Поэтому "мелочи"

очень важны, и следователю никак нельзя их пропустить при моделировании.

Помочь здесь может теория криминалистической классификации преступлении,

которая сейчас бурно развивается. В основе такой классификации лежат как

уголовно–правовые, так и криминалистичсскис критерии. Конечно, при этом

уголовно–правовые критерии играют основную роль.

Одной из основных проблем предварительного следствия является проблема

быстрого и качественного решения экспертных задач.

Судебная экспертиза в нашей стране представлена довольно сложной системой

государственных учреждений (в Минюсте, Минздраве, МВД и ФСБ) и отдельных

лиц, которые привлекаются судом, следствием, органами дознания и

прокуратурой для дачи мотивированного заключения по тем или иным

обстоятельствам дела. Заключение эксперта, сделанное по установленной

законом форме, является одним из видов доказательств. Все

экспертно–криминалистические исследования принято объединять в один класс

судебных экспертиз — криминалистические, в рамках которого выделяют 10

родов криминалистических эксперт, а в каждом роде — виды и подвиды.

Например, трасологическая экспертиза (следоведение) будучи одним из

указанных 10 родов — сама состоит из 10 видов и 24 подвидов. В рамках же

каждого подвида насчитывается 10 и более задач трасологического характера.

Основу трасологии составляет учение о следах и следообразовании,

выразившееся в классификации следов: отображений с учетом механизма их

возникновения и вида следообразующего и следовоспринимающего материала.

Трасологическая экспертиза чрезвычайно важна и, пожалуй, должна стать

предметом глубокого изучения как для следователя, так и для всех иных

участников уголовного процесса. Она позволяет идентифицировать человека по

следам рук, ног, зубов; обувь — по ее следам; орудие преступления и

инструменты — по следам взлома, разреза, разруба, выбросы отравляющих

веществ (и их источники) — по минимальным их остаткам и т.д.

Р

1,0

0,5

t

0 1 2 3

4 5

Рис. 5

Именно трасологическая экспертиза служит тем материальным звеном, которое

объединяет и уголовный розыск, и следователя, и прокурора, и суд.

Экспресс–анализ в трасологической экспертизе крайне необходим. На рис.5

приводится зависимость ценности такой экспертизы (связанной с вероятностью

раскрытия преступления) от скорости ее выдачи следователю).

Очевидно, можно записать р = ехр (Lt), где L— коэффициент, определяющий

вид экспертизы. С точки зрения математика, применительно к трасологии,

методология судебных экспертиз (при всем многообразии задач, возникающих

при этом) может быть, пожалуй, названа фильтрацией и имеет некоторую

аналогию с задачей выделения сигналов на фоне помех в информатике.

Рассмотрим, например, такой случай. Преступник, совершив разбой,

скрылся на автомашине, зарегистрированной в некотором контрольном пункте.

Затем сходное преступление было совершено опять–таки с помощью автомашины,

зарегистрированной в другом пункте, и т.д. Допустим, что таких пунктов пять

и в каждом из них было зарегистрировано по 50 автомашин. Тогда возникает

вопрос: как выбрать одинаковые по некоторым признакам автомобили, т.е.

произвести фильтрацию пяти массивов данных, каждый из которых содержит по

50 чисел? Надо эти числа между собой сравнить. При полном сравнении всех

возможных чисел потребуется произвести 505 — 250 тысяч сравнений. Задача

для человека явно не– выполнимая!

Хотя, конечно же, в будущем такого рода задачи могут перейти и к

следователю, по мере постановки и решения вопроса об экспресс–анализе в

процессе проведения следственных действий. Ведь ни у кого не вызывает

сомнения возможность проведения следователем фотографирования и видеосъемки

места происшествия.

Особенно эффективен метод фильтрации может оказаться при расследовании

массовых преступлений, когда по делу проходит большое количество людей.

Социология говорит о том, что действиями толпы обычно управляет

сравнительно небольшая группа лиц более или менее однородного социального

содержания. Что это значит?

Это значит, что люди, входящие в такую группу, близки по своим социальным

характеристикам (возрасту, национальности, происхождению, образованию,

судимости, характеру интересов и т.д. Допустим, что по делу проходит 100

человек, и надо отфильтровать этот массив, выбрав 5 — 6 социально близких

личностей или несколько таких групп. Пользуясь простыми сведениями из

школьной комбинаторики; определим, сколько таких групп возможно образовать

из 100 человек:

Cn m = [pic]

Получилось около 100 миллионов групп. А ведь каждую группу надо еще

проверить на совместимость. Очевидно, что число достаточно сложных действий

достигнет нескольких миллиардов, и по указанным выше причинам решение такой

задачи методом прямого перебора окажется недоступным да– же мощным ПЭВМ. В

таком случае в работу должны включиться (до программистов) математики,

специалисты по комбинаторике и направленному перебору. А резерв здесь есть

по сокращению числа действий. Вот его–то и надо использовать.

Расчеты показывают, что, применяя сложные математические методы из

области комбинаторики, можно сократить объем вычислений в несколько тысяч

раз и сделать программу доступной для работы с ПЭВМ. Так, например, можно

начать со сравнения групп по два человека (таких сравнений всего 5 тысяч) и

для дальнейшего анализа оставить только отвечающие критерию «близости»

пары, полагая каждую пару неразличимой, т.е. как бы состоящей из одного

укрупненного социального типа. Очевидно, что максимальное количество таких

пар в нашем случае — 50, минимальное — 0. Предположим, что пар оказалось

20. Тогда дальнейшую работу можно вести, сравнивая между собой группы по 2

из 20 чисел (таких сравнений будет 190). Число получившихся укрупненных

групп будет колебаться в результате такого сравнения от 0 до 10.

Предположим, что их оказалось 10. Тогда для дальнейшего шага необходимо

произвести выборку по 2 из 10 (таких операций будет 45). Итак, всего за 5 с

небольшим тысяч шагов (вместо 100 миллионов) почти удалось решить задачу.

Мы говорим — почти, потому, что в поле нашего зрения оказались группы по 2,

4 и 8 человек (а нам бы хотелось иметь по 5, 6 и 7 человек). Это — во–

первых. Во–вторых, каждая группа по нашей методике состоит из социально

неразличимых лиц. В действительности дело обстоит намного сложнее. Возможна

и такая ситуация, когда группа состоит из цепочки, связанной только через

звенья, т.е. когда для двух несмежных звеньев социальная близость

практически отсутствует. Разнообразие начальных условий слишком велико,

чтобы его подробно обсуждать. Здесь важно заметить, что совершенно простым

приемом, в первом приближении очень грубо, мы сократили количество

вычислений в 20 тысяч раз и перевели задачу в разряд практически разрешимых

с помощью современных ПЭВМ.

Нам представляется, что для раскрытия организованных преступных групп

такой метод в принципе также подходит. Однако он требует серьезнейшей

математической проработки и создания определенного (достаточно гибко

реагирующего на начальные условия) математического обеспечения. Здесь важно

отметить, что экспертиза массовых (организованных) преступлений без

применения ПЭВМ и специальной математической проработки вопроса совершенно

невозможна. Можно сколько угодно и на каких угодно форумах (включая

Государственную Думу) говорить о борьбе с организованной преступностью, но

для реального решения вопроса нужна техника, математика, творчески мыслящие

и по новому подготовленные следователи и эксперты, их взаимная

заинтересованность и тесный контакт в применении ПЭВМ для раскрытия

преступлений.

ЗАКЛЮЧЕНИЕ

В своей работе я рассмотрел использование комбинаторных мер правовой

информатики при расследовании преступлений.

Из данной работы видно, что любая область человеческой деятельности

связана с получением информации, ее обработкой и на основе этого принятием

решения. При этом развитие новых информационных технологий принятие

решений, основанных на применении вычислительной техники и математического

моделирования, позволяет усовершенствовать процесс анализа возможных

решений в задачах проектирования сложных систем и планирования их

деятельности. Возможности новых информационных технологий позволяют

повысить качество принимаемых решений за счет использования ЭВМ в процессе

сбора, переработки, хранении и представления информации. Однако развитие

новых информационных технологий зависит от темпа математического

моделирования, которое включает методы построения математических моделей

объектов и методов анализа этих моделей.

Особое место я уделил системному подходу к расследованию преступлений,

работе следователей и криминалистов при расследовании преступлений

используя комбинаторные меры правовой информатики и применяя ЭВМ. Мы видим,

что применяя сложные математические методы из области комбинаторики, можно

сократить объем вычислений в несколько тысяч раз и сделать программу

доступной для работы с ЭВМ.

В настоящее время деятельность юриста немыслима без использования

информационных технологий, которые позволяют усовершенствовать процесс

обработки информации и принятия решения следователем, криминалистом,

работником уголовного розыска и другими лицами расследующими преступления.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. КАРАТАЕВ О.Г. НАУКА И ПРЕСТУПНОСТЬ. ВЕЧЕРНИЙ ЛЕНИНГРАД. 1991 г. 16

МАРТА.

2. КАРАТАЕВ О.Г., ПАЩЕНКО Е.Г. КРИМИНАЛИСТИЧЕСКАЯ ИНФОРМАТИКА. М. 1991

г.

3. ЛАЦМАН Р.Н. КИБЕРНЕТИКА И КРИМИНАЛИСТИЧЕСКАЯ ЭКСПЕРТИЗА ПОЧЕРКА. М.

1968 г.

4. ЛЕЙБНИЦ ИЗБРАННЫЕ ФИЛОСОФСКИЕ СОЧИНЕНИЯ. М. 1908 г.

5. ЛЕЙБНИЦ ИЗБРАННЫЕ ОТРЫВКИ ИЗ МАТЕМАТИЧЕСКИХ СОЧИНЕНИЙ, «УСПЕХИ

МАТЕМАТИЧЕСКИХ НАУК». Т. 3. 1948 г.

6. ЛОМБРОЗО Ч. НОВЕЙШИЕ УСПЕХИ НАУКИ О ПРЕСТУПНИКЕ. СПб 1892

7. МЕРТОН СОЦИАЛЬНАЯ СТРУКТУРА И АНАТОМИЯ: СОЦИОЛОГИЯ ПРЕСТУПНОСТИ.

М. 1966 г.

8. ПОЛЕВОЙ Н.С. КРИМИНАЛИСТИЧЕСКАЯ КИБЕРНЕТИКА. М. 1988 г.

9. РЕЙНГОЛЬД Э., НИВЕРГЕЛЬТ Ю., ДЭО Н. КОМБИНАТОРНЫЕ АЛГОРИТМЫ. М.

1980 г.

10. РОБОЗЕРОВ В.Ф. РАСКРЫТИЕ ПРЕСТУПЛЕНИЙ, СОВЕРШЕННЫХ В УСЛОВИЯХ

НЕОЧЕВИДНОСТИ. ЛЕНИНГРАД. 1990 г.

11. Э. Сатерленд Cyclie AMP, New York, 1971; Studies on the

mechanism q Hormone action, “Science” , 1972.

12. 12. СЕЧЕНОВ И.М. РЕФЛЕКСЫ ГОЛОВНОГО МОЗГА. М. 1992 г.

13.СУХАРЕВ А.Я. ЮРИДИЧЕСКИЙ ЭНЦИКЛОПЕДИЧЕСКИЙ СЛОВАРЬ.М. 1987 г.

14.ФОКС В.В. ВВЕДЕНИЕ В КРИМИНАЛОГИЮ. М. 1980 г.

15.ЯБЛОКОВ Н.П. КРИМИНАЛИСТИЧЕСКАЯ МЕТОДИКА РАССЛЕДОВАНИЯ. М.

1985 г.

-----------------------

Словесное алгоритмически ограниченное моделирование

свидетели

потерпевшие

Первичные источники криминалистической информации

Следы преступления

Следы преступника

Результат взаимодействия

События преступления

Субъект

Объект

Неживая природа

Живая

природа

Материально-фиксированное отображение

Образы в сознании людей

преступник

очевидцы

Сфера отображения

действия

Страницы: 1, 2