Версия для слабовидящих
Научный журнал Байкальского государственного университета
Всероссийский криминологический журнал / Russian journal of criminology
ISSN 2500-1442 (Online)
Издается с 2007 года
Menu
РусскийEnglish

Информация о статье

Название статьи:

Системы обработки больших данных для прогнозирования и предупреждения преступности

Авторы:
Воронков Д.В., доктор юридических наук, доцент, заведующий кафедрой криминалистики имени И.Ф. Герасимова, заведующий лабораторией цифровых технологий в криминалистике, https://orcid.org/0000-0002-0869-601X, SPIN-код: 8301-7165, Scopus Author ID: 57208909117, ResearcherID: ABA-1494-2020, Уральский государственный юридический университет имени В.Ф. Яковлева, 620066, Российская Федерация, г. Екатеринбург, ул. Комсомольская, 21, ae@crimlib.info,

Сосновикова А.М., кандидат юридических наук, младший научный сотрудник, Центр содействия развитию криминалистики «КримЛиб», 620034, Российская Федерация, г. Екатеринбург, ул. Бебеля, 126; преподаватель кафедры криминалистики имени И.Ф. Герасимова, Уральский государственный юридический университет имени В.Ф. Яковлева, 620066, Российская Федерация, г. Екатеринбург, ул. Комсомольская, 21, https://orcid.org/0000-0002-1631-9265, SPIN-код: 7460-5805, ResearcherID: KDP-3525-2024, at@crimlib.info
Для цитирования:
Воронков Д.В. Системы обработки больших данных для прогнозирования и предупреждения преступности / Д.В. Воронков, А.М. Сосновикова. — DOI 10.17150/2500-4255.2026.20(4).388-398. — EDN LQFWIJ // Всероссийский криминологический журнал. — 2026. — Т. 20, № 4. — С. 388–398.
В рубрике:
СОВРЕМЕННЫЕ ПРОБЛЕМЫ КРИМИНОЛОГИИ
Год: 2026 Том: 20 Номер журнала: 4
Страницы: 388-398
Тип статьи: Научная статья
УДК: 343.9; 004.89
DOI: 10.17150/2500-4255.2026.20(4).388-398; EDN: LQFWIJ
Аннотация:
В статье акцентируется внимание на необходимости внедрения современных технологий в деятельность по раскрытию, расследованию и предупреждению преступлений, для чего предлагается предварительно реализовать следующий алгоритм: уяснить технико-технологические основы потенциального нововведения; выявить потенциальные риски и положительный эффект; определить и воплотить оптимальную модель правового регулирования технологии. Сквозь призму данного алгоритма рассматривается возможность разработки систем прогнозирования преступности, функционирующих на основе технологий искусственного интеллекта. Обосновывается, что данные системы могут обеспечить высокое качество прогнозов для определения личности неизвестного преступника, установления факта серийности, места и времени совершения следующего преступления (как единичного, так и входящего в серию), расчета риска рецидива и пр. Описывается отечественный и зарубежный опыт разработки подобных предиктивных комплексов. Подробно рассматриваются такие проекты, как CrimeSeriesLinkage, PorSerO, «ФОРВЕР», VALCRI, Dejaview, PredPol, Blue CRUSH, Palantir и пр. Анализируются как реальные (вариативность преступлений, отсутствие необходимых компетенций у сотрудников правоохранительных органов, вероятность ошибок автоматизированной системы, дороговизна ее внедрения и эксплуатации), так и мнимые (предвзятость, антигуманность) проблемы, которые не позволяют описанным экспериментальным разработкам выйти за рамки научных исследований. Предлагаются пути разрешения данных проблем (переход на модели обучения с частичным привлечением учителя, подготовка сотрудников правоохранительных органов к работе с подобными комплексами, создание всех систем на основе отечественного программного обеспечения, однозначное позиционирование комплексов на основе технологии искусственного интеллекта как инструментов (а не субъектов) и пр.). Констатируется, что для внедрения систем прогнозирования в практику борьбы с преступностью не потребуется менять действующее законодательство, однако может возникнуть необходимость дополнить отдельные подзаконные акты, регламентирующие вопросы обеспечения безопасности в общественных местах.
Ключевые слова: криминалистическое прогнозирование, цифровизация правосудия, предиктивные технологии, искусственный интеллект, машинное обучение, моделирование поведения преступника, выявление серийных преступлений, предупреждение молодежного терроризма, предупреждение молодежного экстремизма
Финансирование: Исследование выполнено за счет гранта Российского научного фонда № 25-18-00881 «Разработка научно-теоретической концепции и новых мер и средств противодействия вовлечению российской молодежи в террористические и экстремистские организации» (https://rscf.ru/project/25-18-00881).
Информация о статье: Дата поступления 19 июня 2026 г. Дата принятия к публикации 20 августа 2026 г. Дата онлайн-размещения 31 августа 2026 г.
Скачиваний - 139
География скачиваний
Скачать полный текст статьи
Список цитируемой литературы:
  • Ожегов С.И. Толковый словарь русского языка : 120 000 слов и фразеологических выражений / С.И. Ожегов, Н.Ю. Шведова. - 4-е изд., доп. - Москва : А ТЕМП, 2006. - 938 с.
  • Lombroso G. Criminal Man, According to the Classification / G. Lombroso. - New York : Putnam, 1911. - 322 p.
  • Нелюбин К.А. Программирование и алгоритмизация установления лица, совершившего убийство (по материалам Свердловской области) : дис. … канд. юрид. наук : 12.00.12 / К.А. Нелюбин. - Екатеринбург, 2016. - 209 с.
  • Видонов Л.Г. Криминалистическая характеристика убийств и системы типовых версий о лицах, совершивших убийства без очевидцев / Л.Г. Видонов. - Горький : Прокуратура Горьк. обл., 1978. - 122 с.
  • Драпезо Р.Г. Поиск корреляций между типом горючего и поисковыми сведениями о личности убийцы, использующего огонь как орудие (способ) сокрытия преступления / Р.Г. Дразепо. - EDN WTIKFZ // Сибирские уголовно-процессуальные и криминалистические чтения. - 2016. - № 4 (12). - С. 52-60.
  • Бессонов А.А. Искусственный интеллект против серийных преступников / А.А. Бессонов. - DOI 10.18254/S207751800027535-7. - EDN JZZWEP // Искусственные общества. - 2023. - Т. 18, № 3. - URL: https://artsoc.jes.su/s207751800027535-7-1.
  • Бессонов А.А. Изучение преступной деятельности с использованием искусственного интеллекта / А.А. Бессонов. - Москва : Инфра-М, 2025. - 432 с.
  • Кротова А.В. Использование компьютерной программы «Форвер» в процессе оперативно-разыскной деятельности / А.В. Кротова, В.Ю. Толстолуцкий. - EDN ZFKQCV // Современные проблемы права глазами молодых ученых : материалы Междунар. науч.-практ. конф., Арзамас, 07 апр. 2017 г. - Арзамас, 2017. - С. 174-179.
  • Толстолуцкий В.Ю. Программа «ФОРВЕР» - инструмент практико-ориентированного обучения криминалистической методике / В.Ю. Толстолуцкий. - EDN UOQFNG // Юридическая орбита : материалы IV Нижегор. юрид. чтений, Нижний Новгород, 26 мая 2023 г. - Нижний Новгород, 2023. - С. 57-59.
  • Смушкин А.Б. О возможности вероятностного моделирования поведения лица с помощью цифрового двойника преступника / А.Б. Смушкин. - EDN URWWQM // Российская правовая система: в поисках национальной идентичности : материалы докл. XIV Моск. юрид. недели, Москва, 26-29 нояб. 2024 г. - Москва, 2025. - С. 144-148.
  • Tulumello S. Policing the Future, Disrupting Urban Policy Today. Predictive Policing, Smart City, and Urban Policy in Memphis (TN) / S. Tulumello, F. Iapaolo. - DOI 10.1080/02723638.2021.1887634 // Urban Geography. - 2021. - Vol. 43 (3). - P. 448-469.
  • Shapiro A. Reform Predictive Policing / A. Shapiro. - DOI 10.1038/541458a // Nature. - 2017. - Vol. 541. - P. 458-460.
  • Sadykov M.B. The Use of Artificial Intelligence in Law Enforcement Activity / M.B. Sadykov, S.Ch. Gajanayaka // Вестник Академии правоохранительных органов при Генеральной прокуратуре Республики Казахстан. - 2024. - № 1 (31). - P. 175-183.
  • Johnson J. Predictive Policing: A Mathematical Primer / J. Johnson, T. McKenzie, T.A. Wong. - DOI 10.1090/noti2968 // Notices of the American Mathematical Society. - 2024. - Vol. 71, no. 7. - P. 929-937.
  • Artificial Intelligence in Crime Prediction: A Survey with a Focus on Explainability / F. Ersöz, T. Ersöz, F. Marcelloni, F. Ruffini. - DOI 10.1109/ACCESS.2025.3553934 // IEEE Access. - 2025. - Vol. 13. - P. 59646-59674.
  • Predictive Policing and Artificial Intelligence / eds. J. McDaniel, K. Pease. - London : Taylor & Francis, 2021. - 330 p.
  • Цуриков А. Как Data Science помогает бороться с преступлениями в США / А. Цуриков // Skillbox Media. - URL: https://skillbox.ru/media/code/data-science-pomogaet-borotsya-s-prestupleniyami.
  • Impact of ShotSpotter Technology on Firearm Homicides and Arrests among Large Metropolitan Counties: A Longitudinal Analysis, 1999-2016 / M.L. Doucette, C. Green, J. Necci Dineen [et al.]. - DOI 10.1007/s11524-021-00515-4 // Journal of Urban Health. - 2021. - Vol. 98. - P. 609-621.
  • Iliadis A. The Palantir Files: Public Interest Archives for Platform Accountability / A. Iliadis, A. Acker. - DOI 10.1080/1369118X.2024.2352624 // Information, Communication & Society. - 2024. - Vol. 27 (13). - P. 2343-2365.
  • Towards a Responsible Machine Learning Approach to Identify Forced Labor in Fisheries / R. Joo, G. McDonald, N. Miller [et al.]. - DOI 10.48550/arXiv.2302.10987 // Preprint. - 2023. - URL: https://www.researchgate.net/publication/368716309.
  • Chen S. Chinese Scientists Develop AI 'Prosecutor' That Can Press Its Own Charges / S. Chen // myNEWS. - 2021. - URL: https://www.scmp.com/news/china/science/article/3160997/chinese-scientists-develop-ai-prosecutor-can-press-its-own.
  • The Supreme Court Forecasting Project: Legal and Political Science Approaches to Predicting Supreme Court Decision-Making / T. Ruger, P. Kim, A. Martin, K. Quinn. - DOI 10.2307/4099370 // Columbia Law Review. - 2004. - Vol. 104 (4). - P. 1150-1210.
  • Бессонов А.А. Актуальные вопросы использования информационных технологий в расследовании преступлений / А.А. Бессонов. - EDN SBUQJO // Цифровые технологии современной криминалистики, использование специальных знаний : материалы конф., Москва, 18 окт. 2023 г. - Москва, 2024. - С. 5-11.
  • Dressel J. The Accuracy, Fairness, and Limits of Predicting Recidivism / J. Dressel, H. Farid. - DOI 10.1126/sciadv.aao5580 // Science Advances. - 2018. - Vol. 4, no. 1. - P. eaao5580.
  • How Much Does It Cost to Train Frontier AI Models? / B. Cottier, R. Rahman, L. Fattorini [et al.] // Epoch AI. - 2024. - URL: https://epoch.ai/blog/how-much-does-it-cost-to-train-frontier-ai-models.
  • How We Analyzed the COMPAS Recidivism Algorithm / J. Larson, S. Mattu, L. Kirchner, J. Angwin // ProPublica. - 2016. - URL: https://www.propublica.org/article/how-we-analyzed-the-compas-recidivism-algorithm.