К вопросу о криминалистической тактике использования специальных знаний в судебной экспертизе при расследовании преступлений с использованием искусственного интеллекта

Согласно статистике МВД России о преступности за последние пять лет, значительная часть преступлений в России совершается с использованием информационно-телекоммуникационных технологий (далее – «ИКТ») – более трети (40%) от общего числа зарегистрированных в России преступлений, что является максимумом удельного веса преступлений в период с 2020 года по настоящее время [23]. Как отмечалось Генеральным прокурором России на координационном совещании по вопросам противодействия преступлениям, совершаемым с использованием информационно-телекоммуникационных сетей, цифровой валюты и компьютерной информации от 10 октября 2024 г., в основном, криминальные посягательства совершаются с помощью Интернета (526,8 тыс. в 2023 г. и 417,1 тыс. в 2024 г.) и средств мобильной связи (302,9 тыс. в 2023 г. и 231,9 тыс. в 2024 г.) [24].

Преступления, совершенные с использованием ИКТ или в сфере компьютерной информации представляют серьезную угрозу государственной и общественной безопасности, поскольку выражаются в нарушении целостности информационных систем, компрометации персональных данных граждан, дестабилизации работы критически важных объектов инфраструктуры, распространении недостоверной информации через цифровые каналы, а также в создании условий для совершения традиционных преступлений с использованием новых технологических возможностей. Особую опасность представляет использование искусственного интеллекта (далее – «ИИ») для автоматизации противоправных действий, создания поддельного контента высокого качества и обхода существующих систем защиты, что требует разработки адекватных правовых механизмов противодействия и соответствующего методического обеспечения правоохранительной деятельности.

Общим трендом в развитии российской преступности в сфере IT-технологий в период 2017 гг. – 2024 гг. стало заметное увеличение числа преступлений, совершенных с использованием ИКТ или в сфере компьютерной информации. Так, в 2024 г. по сравнению с 2017 г. общее количество зарегистрированных преступлений показало рост в 643% (с 90 587 в 2017 г. до 765 365 в 2024 г.) (рис. 1) [25].

Рис. 1. Динамика преступлений, совершенных с использованием ИКТ или в сфере компьютерной информации Fig. 1. Dynamics of crimes committed using ICT or in the field of computer information Резюмируя вышеизложенное, рост преступлений, совершенных с использованием ИКТ, и сложность их предупреждения, выявления, расследования и раскрытия свидетельствуют о необходимости совершенствования системы противодействия киберпреступлениям. Противодействие преступлениям, совершаемым с использованием ИКТ представляет собой комплексную деятельность, что требует тесного взаимодействия государственных органов с общественностью и юридическими лицами, так или иначе связанными с вопросами обеспечения кибербезопасности [4, с. 58].

В рамках отечественной научной доктрины Л.В. Санина и В.В. Коломинов подмечают, что ИИ является не только новым инструментом цифровизации для просвещения граждан России и помощи в их деятельности, но и «оружием» злоумышленников для совершения киберпреступлений [16, с. 355]. Преступления с использованием ИИ представляют собой качественно новую подкатегорию в структуре преступлений, совершаемых с использованием ИКТ. ИИ являлся главной темой исследований в 2022–2023 гг., а также в период появления новых терминов, таких как большие языковые модели, дипфейки, виртуальная и дополненная реальность и иных [21, с. 453]. Согласно отчету Исследовательского центра «Аналитика. Бизнес. Право» (ABL) от 17 марта 2025 г. о результатах анализа судебной практики в России за период 2021 гг. – 2024 гг., в части споров, где фигурирует ИИ, установлено, что количество дел, связанных с ИИ, стабильно растет год к году [26]. В 2021 г. число случаев правонарушений с использованием ИИ составляло 112 случаев, в 2024 г. их количество выросло до 292.

Рост на 39% за 4 года связан с ростом киберпреступности, а также ростом нарушений закона в области интеллектуальной собственности и прав потребителей.

Отметим, что законодательное регулирование ИИ только формируется, поэтому многие споры могут просто не называть ИИ как способ совершения преступлений. Таким образом, актуальная статистика, вероятно, показывает лишь часть дел, так как многие случаи использования ИИ в противоправных целях могут оставаться невыявленными или квалифицироваться без упоминания его роли. Анализируя тенденции ИИ-преступлений, возможно выделить следующие (рис.

2) [27].

Рис. 2. Виды ИИ-преступлений: анализ тенденций (категории часто пересекаются) Fig. 2. Types of AI crimes: trend analysis (categories often overlap) Рассматривая указанную деятельность как дефиницию, определим, что под преступлением, совершенным с использованием ИИ, следует понимать применение алгоритмов машинного обучения, нейронных сетей и других технологий ИИ для совершения преступных деяний в сфере ИКТ. В современных реалиях обострения криминогенной обстановки, характеризующейся активизацией организованных преступных групп и возрастающими угрозами экстремистского и террористического характера, особую важность приобретает не только расследование уже совершенных преступлений, но и их профилактика с применением криминалистического инструментария. Соглашаясь с М.А. Иващенко, отметим, что сочетание ИИ с глобальной сетью открывает беспрецедентные перспективы для криминальных элементов [11, с. 22].

Как отмечают Ф.Г. Аминев, А.В. Чемерис и С.В. Хомутов, в последние годы значительно усовершенствованы методологические подходы к предупреждению противоправных деяний на основе специальных знаний [1, с. 506]. Параллельно с этим, цифровая трансформация судебно-экспертной сферы диктует необходимость пересмотра стандартов профессиональной подготовки экспертов-криминалистов в РФ, делая акцент на освоении современных ИКТ [2, с. 9]. Вместе с тем, государственные структуры, несмотря на традиционно более консервативный подход к технологическим инновациям, постепенно признают потенциал ИИ в решении застарелых проблем бюрократической эффективности и активно исследуют перспективы его внедрения [5, с. 6].

В данной связи, проанализируем характеристику применения специальных знаний в судебной экспертизе при исследовании некоторых преступлений, совершаемых с использованием ИИ в табличной форме (таблица 1).

Таблица 1. Применение специальных знаний в судебной экспертизе преступлений с использованием ИИ Tab — см. PDF статьи.

1. The use of specialized knowledge in the forensic examination of crimes using AI № Вид преступления с ИИ Необходимые специальные знания Методы экспертного исследования Объекты исследования Квалификация эксперта 1 Генерация дипфейков для мошенничества Компьютерно-техническая экспертиза, анализ алгоритмов машинного обучения, цифровая криминалистика Анализ метаданных, исследование артефактов генерации, сравнительный анализ с оригиналом Видеофайлы, аудиозаписи, исходный код, модели ИИ Специалист по компьютерной безопасности, эксперт в области цифровой обработки медиафайлов, эксперт по ИИ 2 Автоматизированные кибератаки с применением ИИ Сетевая безопасность, анализ вредоносного ПО, архитектура ИИ-систем Обратная инженерия кода, анализ сетевого трафика, поведенческий анализ алгоритмов Логи, вредоносное ПО, сетевой трафик, алгоритмы Эксперт по информационной безопасности, специалист по компьютерно-технической экспертизе 3 Использование ИИ для обхода систем защиты Криптография, архитектура защитных систем, методы машинного обучения Моделирование атак, анализ уязвимостей, исследование алгоритмов Системы защиты, исходный код, алгоритмы ИИ Криптоаналитик, специалист по защите информации, эксперт по машинному обучению 4 Фальсификация доказательств с помощью ИИ Лингвистическая экспертиза, экспертиза документов, анализ генеративных моделей Стилометрический анализ, проверка подлинности, сравнение с эталонами Текстовые документы, изображения, синтезированные файлы Лингвист, документовед, специалист по генеративным моделям ИИ 5 Манипуляция рынком с помощью алгоритмов ИИ Финансовый анализ, экономическая экспертиза, анализ данных Исследование торговых алгоритмов, анализ паттернов сделок, статистический анализ Торговые алгоритмы, финансовые данные, журналы транзакций Финансовый аналитик, экономист, специалист по алгоритмической торговле 6 Создание вредоносных ботов и ИИ-агентов Поведенческий анализ, программирование, сетевые технологии Анализ поведенческих паттернов, реверс-инжиниринг, сетевой анализ Исходный код ботов, сетевой трафик, алгоритмы Программист, сетевой аналитик, эксперт по искусственному интеллекту Анализируя тенденции, нельзя не отметить укрепление феномена дипфейков, которые представляют собой созданные с помощью компьютерных алгоритмов аудиовизуальные материалы, достоверно имитирующие несуществующие в реальности события и процессы на основе подлинных образцов голоса и внешности человека.

Современный уровень технологий затрудняет идентификацию подлинности видеоматериалов с изображением человека без экспертной оценки специалистов [13, с. 391].

Распространение нейротехнологий в преступной среде видоизменяет характер социоинженерных манипуляций, придавая им одновременно масштабность и индивидуальную направленность, а уязвимости робототехнических комплексов, особенно при использовании программ с открытым кодом, становятся плодородной почвой для кибернетических вторжений [10 с. 25, 12 с. 246, 14 с. 193]. В связи с этим, следственным органам необходимо привлекать междисциплинарные команды экспертов (специалистов по ИИ, кибербезопасности), разрабатывать методики идентификации цифровых следов в нейросетевых структурах, а также создавать правовые механизмы получения доступа к закрытым алгоритмам коммерческих систем, что существенно расширяет арсенал специальных знаний, необходимых для эффективного расследования высокотехнологичных преступлений.

Вполне обоснованно, что злоупотребление технологиями дипфейка квалифицируется как противозаконное деяние и подлежит уголовно-правовому преследованию. Иллюстрацией правового механизма противодействия служит ст. 272.1 УК РФ [28], устанавливающая наказание за неправомерные манипуляции с персональными данными и создание инфраструктуры для их нелегального распространения [3, с. 27]. Зарубежные исследователи отмечают, что особую тревогу вызывает применение дипфейк-технологий для создания обнаженных изображений, что представляет собой новую, технологически продвинутую форму сексуальной агрессии с использованием цифровых материалов [6, с. 1349, 22 с. 651]. Цифровые и компьютерные достижения сегодня превращаются в инструментарий преступной деятельности, формируя своеобразный симбиоз криминальных намерений человека и технологических возможностей.

Применение компьютерных технологий в данной категории деяний следует рассматривать как неотъемлемый элемент объективной стороны преступления, непосредственно связанного с использованием технологических средств [15, с. 109]. Полагаем, достаточно дискуссионным остаётся вопрос определения субъекта ответственности при совершении противоправных действий с применением ИИ.

В профессиональном сообществе отсутствует консенсус относительно того, должен ли владелец прав на нейросеть нести ответственность за созданный с её помощью контент. Проблема разграничения юридической ответственности между создателями и пользователями подобных технологий находится на стыке правовых и этических аспектов современной юриспруденции [7, с. 373].

В данном свете, заслуживает внимания инициатива А.В. Степановой о дополнении ст. 63 УК РФ положением об использовании ИИ как обстоятельстве, усиливающем наказание за совершённое деяние [17, с. 352].

Рассматривая некоторые вопросы криминалистической тактики использования специальных знаний при расследовании преступлений с использованием ИИ, в том числе, для целей судебной экспертизы, усматриваются следующие недостатки (таблица 2).

Таблица 2. Вопросы криминалистической тактики использования специальных знаний в судебной экспертизе при расследовании п… — см. PDF статьи.

Отсутствие четких методологических подходов к оценке достоверности результатов работы моделей машинного обучения осложняет процесс доказывания.

Эксперты не всегда обладают инструментарием для определения, был ли контент создан ИИ, модифицирован с его помощью или является подлинным.

2

Потребность в новых методиках исследования цифровых следов Преступления с использованием ИИ формируют принципиально новые виды цифровых следов, которые традиционные криминалистические методики не способны эффективно выявлять и исследовать. Например, генеративные модели ИИ оставляют специфические артефакты, алгоритмические «отпечатки», которые требуют разработки особых инструментов и методов обнаружения. Цифровые следы, связанные с использованием ИИ, часто характеризуются повышенной изменчивостью, многослойностью и распределенностью.

Указанные следы могут существовать одновременно на устройствах пользователей, серверах, в облачных сервисах, что требует комплексного подхода к их фиксации и изъятию.

3

Необходимость междисциплинарного взаимодействия экспертов различных специальностей Эффективное расследование преступлений с использованием ИИ требует интеграции знаний из различных областей: информатики, криминалистики, лингвистики, психологии и других специальностей. Однако, существующая система подготовки судебных экспертов и организация экспертных учреждений часто не позволяют оперативно формировать междисциплинарные группы.

Высокотехнологичная природа преступлений, совершаемых с использованием ИИ, требует от всех участников судопроизводства базового понимания принципов работы таких систем.

Данное обстоятельство создает необходимость в новых образовательных программах, методических материалах и форматах взаимодействия между экспертами и правоприменителями, которые позволили бы эффективно транслировать сложные технические знания в юридический контекст.

Современные нейросети и алгоритмы глубокого обучения могут включать миллионы параметров, работающих одновременно, что делает практически невозможным восстановление цепочки логических решений, приведших к конкретному результату. Это создает серьезные препятствия для использования таких доказательств в суде, поскольку не соблюдается принцип проверяемости.

Для решения проблемы сложности интерпретации алгоритмов машинного обучения, предлагаем рассмотреть возможность развития направления «объяснимого ИИ», включая специализированные инструменты криминалистического аудита алгоритмов и создание стандартов документирования работы ИИ-систем. Важно обеспечить привлечение экспертов, специализирующихся на интерпретации моделей машинного обучения, способных объяснить суду в доступной форме принципы работы конкретного алгоритма и достоверность полученных с его помощью доказательств.

Вместе с тем, традиционные методы криминалистического исследования оказываются недостаточными при анализе цифровых следов, связанных с использованием ИИ. Изучение технических принципов и механизмов создания дипфейков позволит обнаружить уязвимости в этой технологии, что повысит эффективность выявления и расследования соответствующих преступлений [19, с. 238]. Модели генерации дипфейков непрерывно совершенствуются при одновременном повышении качества синтезируемого контента. Потребность правоохранительных структур в методах идентификации подобных технологий обуславливает необходимость разработки специальных методик противодействия неправомерному использованию этих достижений ИИ.

Современная эпоха развития ИИ и нейросетевых технологий характеризуется не только появлением принципиально новых методов мошенничества, но и трансформацией традиционных способов неправомерного доступа к информации и материальным ценностям [8, с. 290]. Текущие тенденции в сфере создания «фейковых новостей», ведения информационных войн в онлайн-пространстве, а также расширяющееся применение ботов и ИИ в криминальной среде требуют разработки аналитических инструментов, способных эффективно выявлять пропагандистские методики и идентифицировать связанные с ними идеологические конструкты [9, с. 563]. Преступления с применением ИИ генерируют особый тип цифровых артефактов: уникальные паттерны вычислений, специфические метаданные обработки информации, следы взаимодействия различных алгоритмов. Существующие методики не позволяют эффективно идентифи - цировать, фиксировать и исследовать такие следы, что снижает эффективность расследования. Решение данной проблемы требует разработки новой методологической базы, включающей алгоритмы обнаружения признаков применения ИИ в цифровых данных, методы анализа информационных потоков в нейросетевых структурах и специализированные программные инструменты для визуализации скрытых взаимосвязей. Особое внимание следует уделить методикам идентификации дипфейков, синтезированных текстов и изображений, а также выявлению следов модификации данных с помощью генеративных алгоритмов.

Рассматривая вопрос обеспечения междисциплинарного взаимодействия экспертов различных специальностей, представляется перспективным внедрение междисциплинарных экспертных групп, работающих по специально разработанным протоколам взаимодействия. Иными словами, формирование новой экспертной специализации – криминалиста-аналитика в сфере ИИ, обладающего компетенциями на стыке различных наук. Важным элементом является также разработка специализированных образовательных программ и курсов повышения квалификации для следователей, экспертов и судей, позволяющих понимать специфику преступлений с использованием ИИ и эффективно применять специальные знания при их расследовании.

Криминалистическая наука изначально формировалась как дисциплина, интегрирующая достижения различных областей знания – математики, физики, химии, биологии, медицины и информатики, в целях противодействия преступности. Следовательно, представляется целесообразным интегрировать технологии ИИ в арсенал средств криминалистики для борьбы с правонарушениями. Системы ИИ способны значительно повысить эффективность работы правоохранительных органов, выступая в качестве вспомогательного инструмента, но не замены человеческого фактора.

Потенциал нейросетевых архитектур в анализе криминалистических ситуаций и формировании обоснованных следственных версий также весьма закономерен, однако, нормативные рамки их применения в расследовании преступлений пока не определены. Критически важным представляется обеспечение качественного обучения нейросетей использованию современного криминалистического инструментария, предшествующего внедрению ИИ в практическую деятельность следственных органов [18, с. 28].

В структуре риск-менеджмента экспертных лабораторий целесообразно сформировать отдельное направление исследования рисков применения технологий ИИ в экспертной работе [20, с. 19]. Указанное потребует выявления специфических угроз, обусловленных несовершенством алгоритмов машинного обучения и недостатками информационных массивов, используемых системами ИИ. Целесообразным представляется первоначальное внедрение исключительно алгоритмов контролируемого обучения (с учителем) как способ минимизации рисков.

Таким образом, настоящее исследование подтверждает, что преступления, совершаемые с использованием ИКТ, представляют значительную угрозу национальной безопасности России.

В рамках данной категории преступлений выделяется новая подкатегория – противоправные деяния с использованием ИИ, которые демонстрируют стабильный рост. Представляется, что сложность выявления, фиксации и исследования цифровых следов преступлений с использованием ИИ обусловлена тремя ключевыми факторами: проблемой интерпретации алгоритмов машинного обучения, недостаточностью методик исследования специфических цифровых следов и отсутствием эффективного междисциплинарного взаимодействия экспертов различных специальностей, в связи с чем, автором были предложены соответствующие пути решения.