УДК 343.98 Криминалистика. Криминалистическая техника и тактика
Процесс накопления, обработки, поиска и хранения криминалистически значимой информации, объединенной общими видовыми характеристиками, позволяет формировать информационно-поисковые системы, способствующие решению диагностических, классификационных и идентификационных задач в криминалистике. В статье описывается концепция нового криминалистического учета, который может выступить кластером обучающих данных для информационной системы, используемой в целях систематизации (классификации) криминалистически значимой компьютерной информации. Сделан вывод, что в основу криминалистического кластера электронных доказательств необходимо заложить гибридную модель анализа разнородных данных с интеграцией методов цифровой криминалистики, машинного обучения и объяснимого искусственного интеллекта. Указанный подход позволит сформировать базу данных для построения принципиально нового интеллектуального технико-криминалистического средства. В совокупности с применением облачных технологий, средств визуализации и анализа больших данных предлагаемая концепция может представлять собой современный инструмент противодействия преступлениям в сфере компьютерной информации.
цифровые доказательства, криминалистический кластер данных, криминалистический учет, нейросетевой кластер данных, цифровая криминалистика, компьютерная криминалистика, расследование преступлений, преступления в сфере компьютерной информации, технико-криминалистическое средство
1. Цифровые следы преступлений: монография / А. М. Багмет, В. В. Бычков, С. Ю. Скобелин, Н. Н. Ильин. Москва: Проспект, 2023. 168 с.
2. Выявление причин преступности и предупреждение преступлений. Общие положения / Гришанин П. Ф., Зуйков Г. Г., Кривошеев А. С., Ратинов А. Р. и др. Москва: НИиРИО МВШ МООП СССР, 1967. 179 c.
3. Белкин Р. С. Криминалистика: проблемы, тенденции, перспективы. Общая и частные теории. Москва: Юридическая литература, 1987. 270 с.
4. Скобелин С. Ю. Цифровая криминалистика: объект и направления развития // Российский следователь. 2020. № 4. С. 42–44.
5. Цифровая криминалистика / под редакцией В. Б. Вехова, С. В. Зуева. Москва: Юрайт, 2025. 490 с.
6. Теория информационно-компьютерного обеспечения криминалистической деятельности: монография / под. ред. Е. Р. Россинской Москва: Проспект, 2022. 254 с.
7. Horsman G., Sunde N. Unboxing the digital forensic investigation process // Science and Justice. 2022. No. 62. P. 171–180.
8. Dunsin D., Ghanem M., Ouazzane K. A comprehensive analysis of the role of artificial intelligence and machine learning in modern digital forensics and incident response // Digital Investigation. 2024. No. 48. P. 1–22.
9. Casino F., Dasaklis T., Research trends, challenges, and emerging topics in digital forensics: A review of reviews // IEEE Access. 2022. No. 10. V. P. 25464–25493.
10. Машков С. А. Большие данные и криминалистика: возможности и перспективы // Сибирские уголовно-процессуальные и криминалистические чтения. 2024. № 2. С. 78–86.
11. Jian X., Siegel M. Towards a joint semantic analysis in mobile forensics environments // Digital Investigation. 2025. No. 52. P. 1–26.
12. Lundberg E., Mozelius P. The potential effects of deepfakes on news media and entertainment // AI & Society. No. 11. 2024. P. 1–12.
13. Зеленский В. Д., Меретуков Г. М. Криминалистика. Санкт-Петербург: Юридический центр-Пресс, 2015. 755 с.
14. Курс криминалистики / Т. В. Аверьянова, Р. С. Белкин, Ю. Г. Корухов, Е. Р. Россинская. Москва: Норма: ИНФРА-М, 2023. 928 с.
15. Аминев Ф. Г. Актуальные проблемы формирования и использования экспертно-криминалистических учетов в расследовании и раскрытии преступлений: монография. Уфа: РИО БашГУ, 2004. 182 с.
16. Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ. М.: Мир, 1981. 696 с.
17. Бахтеев Д. В. Частные криминалистические теории как источник для разработки прикладных систем искусственного интеллекта в следственной деятельности // Сибирские уголовно-процессуальные и криминалистические чтения. 2020. № 2 (28). С. 32–43.
