Изучение преступной деятельности с использованием искусственного интеллекта

Москва
ИНФРА-М
2025
А.А. БЕССОНОВ
ИЗУЧЕНИЕ ПРЕСТУПНОЙ 
ДЕЯТЕЛЬНОСТИ 
С ИСПОЛЬЗОВАНИЕМ 
ИСКУССТВЕННОГО 
ИНТЕЛЛЕКТА
МОНОГРАФИЯ

УДК 343.9(075.4)
ББК 67.51
 
Б53
Р е ц е н з е н т ы:
Аветисян А.И., доктор физико-математических наук, профессор, 
академик Российской академии наук, профессор Российской академии наук, директор Института системного программирования имени 
В.П. Иванникова Российской академии наук;
Федоров А.В., кандидат юридических наук, профессор, заместитель 
Председателя Следственного комитета Российской Федерации, заслуженный юрист Российской Федерации, генерал-полковник
ISBN 978-5-16-020805-3 (print)
ISBN 978-5-16-113456-6 (online)
© Бессонов А.А., 2025
Бессонов А.А.
Б53  
Изучение преступной деятельности с использованием искусственного интеллекта: монография / А.А. Бессонов. — Москва : ИНФРА-М, 
2025. — 432 с. : ил. — (Научная мысль). — DOI 10.12737/2195488.
ISBN 978-5-16-020805-3 (print)
ISBN 978-5-16-113456-6 (online)
В монографии описывается технология построения цифровых моделей 
преступлений, включающая в себя подготовку данных о преступных деяниях к изучению с помощью методов математической статистики и искусственного интеллекта, особенности изучения таких данных посредством 
различных методов искусственного интеллекта, включая нейронные сети, 
градиентный бустинг, деревья решений, случайный лес, кластеризацию 
и т.д.
Отдельное внимание уделено использованию методов математической 
статистики и искусственного интеллекта в изучении серийных преступлений в науке и практической деятельности.
Предназначена для ученых и практиков правоохранительных органов, 
аспирантов, адъюнктов, студентов и слушателей высших учебных заведений, интересующихся методами математической статистики и искусственного интеллекта в криминалистическом изучении преступлений. Также 
может быть интересной ученым, занимающимся исследованием преступной деятельности в сфере науки о данных, криминалистики, криминологии и юридической психологии.
УДК 343.9(075.4)
ББК 67.51

Моей супруге Наташе 
и дочкам Алене и Ирине посвящается.
Спасибо им за любовь и поддержку!

Об авторе
Бессонов Алексей Александрович свыше 24 лет посвятил следственной работе и более 14 лет — научно-педагогической деятельности. Является доктором юридических наук, генерал-майором 
юстиции, доцентом, почетным работником Следственного комитета 
при прокуратуре Российской Федерации.
В настоящее время состоит в должности ректора ФГКОУ ВО 
«Московская академия Следственного комитета Российской Федерации имени А.Я. Сухарева». Ранее работал следователем, прокурором, первым заместителем руководителя регио нального следственного управления Следственного комитета Российской Федерации, руководителем НИИ криминалистики Главного управления 
криминалистики (Криминалистического центра) Следственного 
комитета Российской Федерации. Участвовал в расследовании 
убийств, совершенных организованными группами, преступлений 
против детей, терроризма, экстремизма, коррупционных и многих 
других видов преступлений. Организовывал и сам проводил научно-исследовательские работы в сфере криминалистического 
обеспечения расследования преступлений и судебной экспертизы.
Также он является с 2007 г. профессором кафедры уголовноправовых дисциплин Астраханского филиала Саратовской государственной юридической академии.
Защитил докторскую диссертацию по теме «Частная теория 
криминалистической характеристики преступлений» (2017 г.) 
и кандидатскую диссертацию «Особенности методики расследования убийств, совершенных организованными преступными группами» (2003 г.).
В 2015 году получил степень магистра психологии в Российской 
академии народного хозяйства и государственной службы при Президенте Российской Федерации (РАНХиГС).
Автор более 240 научных работ и публикаций, в том числе 
19 книг, учебников и монографий.

Введение
Все, что познается, имеет число,
ибо невозможно ни понять ничего,
ни познать без него.
Пифагор
В далеком 1956 году впервые к алгоритмам, позволяющим моделировать процесс мышления человека, был применен термин 
«искусственный интеллект» (ИИ, artificial intelligence, AI). Однако 
лишь в XXI веке, когда накоплен большой объем данных (big data), 
усовершенствованы алгоритмы обработки информации, оптимизированы вычислительные мощности, он достиг наибольшей своей популярности. Сейчас искусственный интеллект охватывает огромное 
количество сфер жизнедеятельности, начиная от общих — обучение 
и восприятие, и заканчивая конкретными, такими как игра в шахматы и го, доказательство математических теорем, обработка изображений, написание стихов и текстов, беспилотные автомобили, диагностика заболеваний, распознавание образов, умные дома, управление производственными мощностями и даже городами.
Поскольку технология искусственного интеллекта позволяет решать многие интеллектуальные задачи, именно сегодня актуализировалась проблема его использования в уголовном судопроизводстве и в первую очередь в расследовании преступлений, в основе 
которого лежит прежде всего человеческий интеллект. Между тем 
в мире сегодня наметились две тенденции относительно использования искусственного интеллекта в деятельности по противодействию преступности:
 
• ограничение, в том числе на законодательном уровне, направлений его применения в тех странах, где он к настоящему моменту получил достаточно глубокое и широкое внедрение 
в практическую деятельность;
 
• попытки распространения технологий искусственного интеллекта на новые направления этой деятельности в тех странах, 
где они в них внедрены еще не достаточно.
Ключевыми направлениями применения искусственного интеллекта в сфере расследования преступлений сегодня являются:
 
• поиск цифровых следов преступления и иной значимой для расследования информации в цифровом формате;
 
• улучшение качества указанных следов;

• информационно-аналитические исследования больших объемов 
информации (big data);
 
• системы поддержки принятия следователем или судебным экспертом решений;
 
• решение различных задач организации расследования.
Одновременно с этим методы искусственного интеллекта являются прекрасным инструмен том получения новых знаний 
об объектах и явлениях окружающего мира, к каковым относится 
и преступная деятельность. Эта сторона машинного обучения 
применительно к криминалистическому изучению преступлений 
ранее нами рассмотрена в монографии «Искусственный интеллект 
и математическая статистика в криминалистическом изучении 
преступлений»1. Однако эта технология настолько многогранна, 
что представляется необходимым продолжать изучение ее возможностей в научном познании преступной деятельности и в ее расследовании в практике органов следствия и дознания.
Кратко об этой книге
В первой главе рассмотрены общие вопросы использования 
искусственного интеллекта в изучении преступной деятельности. 
В качестве основного метода познания указанной деятельности 
обозначено моделирование, приобретающее в криминалистике 
сквозь призму указанных технологий форму цифровой криминалистической модели преступления. Определены понятия криминалистической сущности преступления, криминалистически 
значимых признаков преступления и закономерных связей между 
ними. Отдельное внимание уделено понятию «искусственный интеллект», закрепленному в нормативных правовых актах, а также 
сложившемуся в научном сообществе и среди специалистов по машинному обучению. Осуществлен краткий обзор алгоритмов машинного обучения, которые могут быть полезны при криминалистическом изучении преступлений.
Вторая глава посвящена разведочному анализу и предварительной подготовке данных о преступлениях к их последующему 
глубокому криминалистическому изучению. Описаны методы 
определения закона распределения данных, проверки их на равномерность разброса и наличие выбросов, выявления пропущенных 
значений и их восполнения, оценки их статистической независи1 
Бессонов А.А. Искусственный интеллект и математическая статистика 
в криминалистическом изучении преступлений: монография. М.: Проспект, 
2021. 816 с.

мости. Также упомянуты алгоритмы стандартизации, масштабирования и нормализации данных, что имеет значение для эффективной работы ряда методов машинного обучения.
В третьей главе речь идет о методах кластеризации данных 
о преступлениях с целью их разбиения на отдельные группы. Из 
большого количества существующих методов кластеризации выбраны те, которые наиболее подходят для решения задач, определенных темой настоящей работы. Показано, что, помимо классифицирования, эти методы позволяют выявлять серийный характер 
преступлений.
В четвертой главе изложена технология использования байесовской статистики для выявления серийного характера преступных 
деяний как в сугубо теоретических целях, так и в практической деятельности при их расследовании.
Пятая глава содержит описание алгоритмов деревьев решений, 
случайного леса, градиентного бустинга и повышения их эффективности за счет объединения в классификаторе голосования. 
Кроме того, представленная в предыдущей главе технология выявления серийного характера преступлений дополнена градиентным 
бустингом.
Наконец, в шестой главе рассмотрены нейронные сети и глубокое обучение, которые первыми и приходят на ум, когда речь заходит об искусственном интеллекте. Их возможности в криминалистическом изучении преступлений раскрыты через классификацию 
и регрессию, а также в качестве основы компьютерной программы 
«Портрет серийного преступника “PorSerO”».
В процессе работы над монографией нами разработаны библиотеки aimv, crimeAnaliticTools, crimeserieslinkage и clusterTools, 
функции из которых упоминаются по тексту работы. Скачать 
их можно по следующим адресам:
 
• https://github.com/bessonovaleksey/aimv.git
 
• https://github.com/bessonovaleksey/crimeAnaliticTools.git
 
• https://github.com/bessonovaleksey/crimeserieslinkage.git
 
• https://github.com/bessonovaleksey/clusterTools.git
Сведения о среде разработки приведенного в книге программного 
кода и использованных модулях приведены в Приложении 1.
Наборы данных, использованные в примерах
В основном в работе использован набор данных о 1011 серийных 
преступлениях, совершенных 186 лицами на территории различных 
субъектов Российской Федерации и бывшего СССР за период 
с 1973 по 2018 год. Признаки преступлений представлены 27 пе

ременными и кратко описаны в Приложении 2. Следует отметить, 
что набор данных включает в себя 278 серийных убийств (это составляет 26% от всего объема выборки). В некоторых из примеров 
фигурируют эти же данные, но в количестве 1068 преступлений, 
поскольку в них не включены 33 преступления, совершенных серийным преступником Макаренко, использовавшиеся в этом 
случае в качестве второго тестового набора.
В ряде примеров фигурируют данные о 245 убийствах, имевших 
место в Республике Калмыкия за период 10 лет (2007–2017 гг.), которые совершены 247 лицами.
Между тем в полном объеме эти сведения в книге не приводятся 
в связи с невозможностью их свободного распространения.

Глава 1. 
ОБЩИЕ ВОПРОСЫ ИСПОЛЬЗОВАНИЯ 
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 
В ИЗУЧЕНИИ ПРЕСТУПНОЙ ДЕЯТЕЛЬНОСТИ
Чем фундаментальнее закономерность,
тем проще ее можно сформулировать.
академик П.Л. Капица
1.1. МОДЕЛИРОВАНИЕ 
В ИЗУЧЕНИИ ПРЕСТУПНОЙ ДЕЯТЕЛЬНОСТИ
Моделирование уже давно вошло в арсенал универсальных методов научного познания, сделав модель одной из форм существования знаний об окружающей действительности. Для большинства 
социальных явлений моделирование выступает чуть ли не единственным методом их комплексного исследования. Особенно 
это верно для явлений, имевших место в прошлом и представляющих собой динамические системы. В контексте этого полагаем 
уместным привести мысль великого философа Г.В.Ф. Гегеля о том, 
что «кроме существования — бытия, возникающего из сущности, 
есть еще одно бытие, возникающее из понятия, — объективность»1. 
Исходя из этого, любое социальное явление как объект научного 
познания имеет определенную сущность, исследование которой 
возможно посредством ее модели, дающей этой сущности другое 
бытие — в качестве совокупности научных знаний об этой сущности. Более того, модель выступает своеобразной формой отражения в сознании человека элемен тов окружающего мира.
Одним из социальных феноменов, выступающим объектом познания многих областей научного знания, является преступная деятельность. Научные знания о ней имеют не только важное теоретическое значение, но и прикладной смысл в качестве инструмента 
противодействия ей. Чем глубже и всесторонней знания о ней, 
тем лучше средства и методы ее предупреждения, выявления, раскрытия и расследования возможно разработать и эффективней 
их применять в практической деятельности.
1 
Гегель Г.В.Ф. Наука логики: учебник. СПб.: Наука, 1997. С. 436.

В плане получения комплексных знаний о преступной деятельности в целом, отдельных элемен тов ее системы (к примеру, 
личности преступника, способе преступления и пр.) и различных 
видах преступлений метод моделирования имеет ряд очевидных 
преимуществ, заключающихся в возможности: построения моделей 
событий прошлого, изучения сложных динамических систем, получения комплексных и максимально истинных знаний об исследуемом объекте, выявления сложных и недоступных для непосредственного наблюдения закономерных связей, воспроизведения 
в наиболее адекватном виде отражаемого объекта.
В свою очередь, преступление  — это социальное, общественно 
опасное и противоправное явление объективной реальности, 
которое на основе принципа целостности внутренне организовано за счет тесной взаимосвязи составляющих его структуру 
элемен тов как единое целое (система) и, таким образом, обособлено от окружающей его среды, хотя и находится с ней в определенных связях.
Стабильность системы преступления и ее содержательная сторона, познаваемость и возможность абстрактного воспроизведения 
в форме модели обеспечиваются за счет следующих принципов: 
а) структуру преступления составляет завершенная совокупность 
элемен тов, являющаяся единым целым и определяющим природу 
рассматриваемого явления именно как преступления; б) формирование каждого элемента происходит в процессе взаимодействия 
с другими элементами; в) все элемен ты находятся во взаимосвязи между собой; г) возникновение и развитие рассматриваемой 
системы обусловлено одним либо рядом факторов объективного 
и субъективного свойства, которые относятся как к внутренним ее 
элементам, так и внешним по отношению к ней; д) система преступления не является чем-то раз и навсегда застывшим, а наоборот, в своем развитии последовательно проходит ряд сменяющих друг друга этапов, но таким образом, что постоянно остается 
качественно той же самой, идентичной самой себе; е) в своем настоящем состоянии эта система несет следы прошлого и возможность прогнозирования ее развития в будущем; ж) повторяемость, 
выражающаяся в том, что основная часть элемен тов структуры преступления и закономерные связи между ними, несмотря на индивидуальность каждого отдельного преступного деяния, одни и те же 
в рамках одного вида (подвида)1.
1 
Бессонов А.А. Частная теория криминалистической характеристики преступлений: дис. д-ра … юрид. наук. Элиста, 2017. С. 189–192.