Информация о статье

Название статьи:

Преступные посягательства на системы искусственного интеллекта: уголовно-правовая характеристика

Авторы:
Дремлюга Р.И., доцент Юридической школы, кандидат юридических наук, Дальневосточный федеральный университет, г. Владивосток, Российская Федерация, dremliuga.ri@dvfu.ru,

Коробеев А.И., заведующий кафедрой уголовного права и криминологии, доктор юридических наук, профессор, заслуженный деятель науки Российской Федерации, Дальневосточный федеральный университет, г. Владивосток, Российская Федерация, akorobeev@rambler.ru

В рубрике:
УГОЛОВНО-ПРАВОВЫЕ ПРОБЛЕМЫ ПРОТИВОДЕЙСТВИЯ СОВРЕМЕННОЙ ПРЕСТУПНОСТИ

Год: 2023 Том: 17 Номер журнала: 1

Страницы: 5-12

Тип статьи: Научная статья

УДК: 341.9; 343.9.018.3

DOI: 10.17150/2500-1442.2023.17(1).5-12

Аннотация:
Искусственный интеллект, по мнению большинства специалистов, - это технология, которая определяет наше настоящее и будущее. Интеллектуальные технологии все чаще используются в критически значимых для социума сферах, таких как безопасность, энергетика, медицинская, правоохранительная и судебная деятельность, а также транспорт. Система искусственного интеллекта - это какой-либо исполняемый программный код или коэффициенты модели, которые при подаче на вход определенных данных заставляют систему выдавать определенный результат. Как и любая другая компьютерная информация, система искусственного интеллекта может стать предметом преступного посягательства. В статье рассмотрены посягательства на системы искусственного интеллекта, за которые уже предусмотрена уголовная ответственность в современном российском законодательстве. Также авторы выявляют такой вид посягательств на интеллектуальные системы, как состязательные атаки. Их суть заключается в том, что пользователь, зная особенности разработки и создания искусственного интеллекта, намеренно подает на вход системы данные, которые приводят к ее некорректной работе. Такие способы воздействия на интеллектуальные системы могут не содержать признаки преступлений, за которые уже предусмотрена уголовная ответственность современным российским законодательством. В статье доказывается, что подобные деяния могут иметь высокую степень общественной опасности, достаточную для их криминализации. Авторы приходят к выводу, что существующее российское уголовное законодательство не охватывает все способы общественно опасных посягательств на системы искусственного интеллекта. Высокая степень общественной опасности состязательных атак подразумевает необходимость признания преступными посягательства на системы искусственного интеллекта посредством воздействия на компьютерные системы без использования вредоносных программ и неправомерного доступа.

Ключевые слова: искусственный интеллект, преступления в сфере компьютерной информации, состязательные атаки, неправомерный доступ, вредоносная программа, умные города

Скачиваний - 408
География скачиваний

Скачать полный текст статьи

Список цитируемой литературы:

Günsberg P.S. Automated vehicles - is a Dilution of Human Responsibility the Answer? / P.S. Günsberg // New Journal of European Criminal Law. - 2022. - № 13. - P. 439-451.
Artificial Intelligence in Cancer Research and Precision Medicine: Applications, limitations and Priorities to Drive Transformation in the Delivery of Equitable and Unbiased Care / C. Corti, M. Cobanaj, E.C. Dee [et al.] // Cancer Treatment Reviews. - 2022. - № 112. - P. 102498.
Mullachery B. A Smart Healthcare Framework: Opportunities for Integrating Emerging Technologies (5G, IoT, AI, and GIS) / B. Mullachery, S. Alismail // Proceedings of the Future Technologies Conference. - 2022. - Vol. 3. - P. 325-340.
Padhy N.P. Artificial Intelligence and Intelligent Systems / N.P. Padhy. - Oxford : Oxford University Press, 2005. - 632 p.
Gupta M. Explainable Artificial Intelligence (XAI): Understanding and Future Perspectives / M. Gupta // Studies in Computational Intelligence. - 2023. - Vol. 1072. - P. 19-33.
The Role of AI and Automation on the Future of Jobs and the Opportunity to Change Society / M. Au-Yong-Oliveira, D. Canastro, J. Oliveira [et al.] // New Knowledge in Information Systems and Technologies : World Conference on Information Systems and Technologies, 30 March, 2019. - Cham : Springer, 2019. - P. 348-357.
Прохоренко Ю.И. Безусловный базовый доход: практика и историческая перспектива / Ю.И. Прохоренко, З.А. Красномовец. - EDN ALTURV // Ученые заметки ТОГУ. - 2019. - Т. 10, № 1. - С. 222-233.
Козлов А.В. Гарантированный базовый доход: экономическое и этическое измерения / А.В. Козлов. - EDN KPUTQQ // Научные труды Республиканского института высшей школы. - 2019. - № 18. - С. 374-381.
Садовая Е.С. Концепция и реализация идеи безусловного базового дохода в контексте трансформации социально-трудовой сферы / Е.С. Садовая. - DOI 10.34022/2658-3712-2020-38-1-59-72. - EDN SRSOOJ // Социально-трудовые исследования. - 2020. - № 1. - С. 59-72.
Kukkala V.K. Roadmap for Cybersecurity in Autonomous Vehicles / V.K. Kukkala, S.V. Thiruloga, S. Pasricha // IEEE Consumer Electronics Magazine. - 2022. - № 11. - P. 13-23.
Madani M. The Role of Deep Learning in Advancing Breast Cancer Detection Using Different Imaging Modalities: A Systematic Review / M. Madani, M.M. Behzadi, S. Nabavi // Cancers. - 2022. - № 14. - P. 5334.
Artificial Intelligence Predicts Lymph Node Metastasis or Risk of Lymph Node Metastasis in T1 Colorectal Cancer / K. Kasahara, K. Katsumata, A. Saito [et al.] // International Journal of Clinical Oncology. - 2022. - № 27. - P. 1570-1579.
Xu Z. The possibilities and limits of AI in Chinese Judicial Judgment / Z. Xu, Y. Zhao, Z. Deng // AI and Society. - 2022. - № 37. - P. 1601-1611.
Rotaru V. Event-level Prediction of Urban Crime Reveals a Signature of Enforcement Bias in US Cities / V. Rotaru, Y. Huang, T. Li // Nature Human Behavior. - 2022. - № 6. - P. 1056-1068.
Assessing Bank Default Determinants via Machine Learning / V. Lagasio, F. Pampurini, A. Pezzola, A.G. Quaranta // Information Sciences. - 2022. - № 618. - P. 87-97.
Решетников А.Ю. Об уголовной ответственности за неправомерное воздействие на критическую информационную инфраструктуру Российской Федерации (ст. 274.1 УК России) / А.Ю. Решетников, Е.А. Русскевич // Законы России: опыт, анализ, практика. - 2018. - № 2. - С. 51-55.
Adversarial Attacks and Defenses in Images, Graphs and Text: A Review / X. Han, M. Yao, L. Hao-Chen [et al.] // International Journal of Automation and Computing. - 2020. - № 1. - P. 151-178.
Dremliuga R. How Development of Artificial Intelligence Technology will Cause Changes in Crime and Criminal Law / R. Dremliuga // AI for Everyone: benefitting from and building trust in the technology / ed. T. Walsh, 2020. - P. 24-25.
Shoplifting Smart Stores using Adversarial Machine Learning / M. Nassar, A. Itani, M. Karout [et al.] // 2019 IEEE/ACS 16th International Conference on Computer Systems and Applications (AICCSA), Abu Dhabi, 2019. - P. 1-6.
Паркин А.Н. Состязательные атаки на нейронную сеть распознавания лиц / А.Н. Паркин. - EDN EPCNCE // Ломоносов-2019 : сб. тезисов XXVI Междунар. науч. конф., Москва, 8 апр. 2019 г. - Москва, 2019. - С. 152-153.
Gan H. An Autoencoder Based Approach to Defend against Adversarial Attacks for Autonomous Vehicles / H. Gan, C. Liu. - DOI 10.1109/MetroCAD48866.2020.00015 // 2020 International Conference on Connected and Autonomous Driving (MetroCAD). - 2020. - P. 43.
Беспилотники на дорогах России (уголовно-правовые проблемы) / А.И. Воробьев, С.В. Жанказиев, С.А. Иванов [и др.]. - Москва : Проспект, 2021. - 520 c. - EDN TCUOLW.
End-to-end Attack on Text-based CAPTCHAs Based on Cycle-Consistent Generative Adversarial Network / C. Li, X. Chen, H. Wang [et al.] // Neurocomputing. - 2021. - № 433. - P. 223-236.
Chen D. Cyber Security in Smart Cities: A Review of Deep Learning-Based Applications and Case Studies / D. Chen, P. Wawrzynski, Z. Lv. - DOI org/10.1016/j.scs.2020.102655 // Sustainable Cities and Society. - 2021. - № 66.
Шваб К. Технологии Четвертой промышленной революции / К. Шваб. - Москва : Эксмо, 2018. - 320 с.
Brundage M. The Malicious use of Artificial intelligence: Forecasting, Prevention, and Mitigation / M. Brundage, S. Avin., J. Clark [et al.]. - 2018. - DOI org/10.48550/arXiv.1802.07228. - URL: https://www.eff.org/files/2018/02/20/malicious_ai_report_final.pdf.
Pavlitskaya S. Feasibility and Suppression of Adversarial Patch Attacks on End-to-End Vehicle Control / S. Pavlitskaya, S. Ünver, J.M. Zöllner. - DOI 10.1109/ITSC45102.2020.9294426 // 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC). - 2020. - URL: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9294426.
Mingtsung C. Research on the Application of Artificial Intelligence Technology in the Field of Justice / C. Mingtsung, L. Shuling. - DOI 10.1088/1742-6596/1570/1/012047 // Journal of Physics: Conference Series. - 2020. - № 1570.
Road Traffic Prediction Model Using Extreme Learning Machine: The Case Study of Tangier, Morocco / M. Jiber, A. Mbarek., A. Yahyaouy [et al.]. - DOI 10.3390/info11120542 // Information (Switzerland). - 2020. - № 11. - P. 1-15.