Резюме: В судебной практике Китая традиционные виды доказательств и методы их представления постепенно становятся недостаточными для раскрытия сложных дел; именно большие данные начинают играть ключевую роль в раскрытии преступлений. Следует глубоко проанализировать доказательственные свойства больших данных, чтобы определить, являются ли они допустимыми в качестве доказательств и могут ли они служить основанием для установления фактов по делу. При этом необходимо не разрывать связь с традиционными видами доказательств и одновременно не оставаться слепо привязанными к существующим правилам проверки традиционных доказательств. В настоящее время как теоретическое, так и практическое сообщества Китая пока не придали этому новому виду доказательств юридического статуса; вопросы, возникающие в судебной практике в связи с этим, заслуживают дальнейшего изучения со стороны научного сообщества.

Ключевые слова: доказательства в формате больших данных; доказательственная сила; связь; проверка и оценка

Введение

В настоящее время процесс криминалистического анализа больших данных неизменно пронизан внешней средой эпохи больших данных, что обусловливает необходимость проведения оценки безопасности исходного кода с использованием машинного обучения и на основе этого осуществлять оценку соответствия и проверку достоверности процесса криминалистического анализа больших данных. В то же время, для создания базовой системы проверки криминалистического анализа больших данных необходимо оптимизировать систему классификации данных, усовершенствовать механизмы аутентификации электронной информации и создать систему экспертизы доказательств в сфере больших данных.

I. Постановка проблемы

В последние годы активно развиваются технологии обработки больших данных и искусственного интеллекта. Все больше научных доказательств, полученных с использованием методов анализа больших данных и искусственного интеллекта, постепенно переходят из «закулисья» на «сцену», и процесс установления фактов постепенно приобретает тенденцию к автоматизации и интеллектуализации. Доказательства в виде больших информационных массивов — это материалы, полученные путём сбора, хранения и исследования огромных объёмов информации с помощью современных информационных технологий, которые позволяют подтвердить истину событий. Такие массивы информации невозможно изучать и анализировать человеческим разумом. Доказательства на основе больших данных представляют собой совершенно новый тип данных, возникший в контексте этой новой технологической революции. Таким образом, доказательства на основе больших данных характеризуются использованием огромных объёмов информации. Основа , на основе интеллектуальных алгоритмов Основа характеризуется принятием субъективных решений. В настоящее время доказательства, основанные на больших данных, уже начинают применяться в судебной практике за рубежом. Например, в деле об убийстве жены в штате Коннектикут в США мужчина утверждал, что муж женщины был застрелен при попытке спрятаться от преступника, который проник в его дом. Однако данные с браслета FitBit, которым пользовалась жена, подтвердили, что в это время она гуляла за городом, что существенно расходилось с версией мужчины. Впоследствии этого мужчина был обвинён в убийстве. В Китае некоторые судебные акты народных судов используют результаты обработки биометрических систем; так, в одном из решений народного суда указано: «На основе технологии распознавания лиц и продвинутых вычислительных методов системы компании Zhejiang Hikvision Digital Technology Co., Ltd., если степень сходства лиц превышает 95 процентов, можно считать, что речь идёт о том же человеке, что позволяет установить подозреваемого по данному делу — это Ван М.». Однако в процессе подтверждения фактов на основе больших данных возникают определённые проблемы. Прежде всего, это человеческие ошибки. Точность анализа и сбора доказательств на основе больших данных во многом зависит от программного кода машинного обучения, который создаёт эти доказательства. Поскольку такие компьютерные программы разрабатываются и используются людьми, их работа на самом деле основывается на командах, вводимых человеческими программистами. При этом сами программы отражают фактические предположения и функциональные ориентиры разработчиков языка. Например, в широко известной системе вынесения приговоров COMPAS в штате Калифорния, США, которая наиболее часто упоминается в контексте «умного правосудия», особенно критически воспринимаются проявления расовой дискриминации, выявленные ею. Во-вторых, это искажение языка. Благодаря автономности технологий машинного обучения, обрабатываемая ими информация может подвергаться повторной обработке, что приводит к потере данных. Как отмечали представители научно-технической среды, даже фотографии с Huawei P30 Pro могут проходить через обработку с помощью искусственного интеллекта, что снижает точность большого объёма данных, представленных в виде аудио- и видеоматериалов. Именно такие потери информации становятся источником ошибок в установлении фактов. Тем не менее, для правильного применения методов сбора доказательств на основе больших данных и снижения вероятности ошибок в реальном идентификационном процессе необходимо прежде всего глубоко изучить базовые технические принципы такого сбора доказательств, определить основные виды доказательств, используемых в этой области, и на их основе создать базовую систему проверки и соответствующие нормативные механизмы.

2. Технические принципы доказательств больших данных

(1) Описание принципов технологии больших данных

В настоящее время развитие компьютеров основывается на обширных массивах данных; по мере роста объёма больших данных результаты поведения искусственного интеллекта всё больше будут приближаться к человеческому поведению. Более того, технологии обработки больших данных обеспечивают компьютерам мощные возможности хранения и вычислений. Поэтому некоторые исследователи прямо называют технологии обработки больших данных искусственным интеллектом. Однако, чтобы гарантировать согласованность с современными представлениями о больших данных и с терминологией, используемой в научных дискуссиях, мы не стали специально определять эти технологии как технологии анализа больших данных или технологии искусственного интеллекта — вместо этого мы единым термином называем их технологиями извлечения знаний из больших данных. Развитие больших данных также немыслимо без взаимосвязи между технологиями обработки больших данных и вычислительными возможностями: первые служат «топливом», лежащим в основе современных технологий обработки больших данных, тогда как вторые являются «двигателем» этих технологий. Вместе они образуют техническую инфраструктуру, на которой базируется современное развитие обработки больших данных. Кроме того, с точки зрения вычислений, машинные алгоритмы относятся к специализированным областям математики и проектирования машин; по сути, это процесс решения конкретной задачи, который одновременно характеризуется ограниченностью и детерминированностью. Различные алгоритмы выбирают разные направления обработки данных, поэтому главная цель или содержание каждой мощной технологии обработки данных определяется самим компьютером.

(2) Сопутствующие механизмы проверки доказательств в области больших данных

Система проверки, описанная выше, представляет собой желаемую модель для проверки доказательств в области больших данных в Китае. Для воплощения этой концептуальной модели в практическую реальность потребуется соответствующая политическая система.

Установление системы видов доказательств является логической основой, заложенной в новые правила доказывания в нашей стране. Поэтому до принятия «Объяснения к новому Уголовно-процессуальному кодексу» такие способы подтверждения, как отчёты о продуктовой экспертизе и финансовые аудиторские отчёты, широко применявшиеся в судебной практике, не относились к категории законных доказательств и не могли быть включены в систему доказательств. Аналогичная проблема определения видов юридических доказательств существует и в отношении технологий сбора доказательств на основе больших данных, возникших в результате новой научно-технической революции. Таким образом, для преодоления этой трудности необходимо разрушить существующие ограничения, накладываемые на виды юридических доказательств, и изыскать новые подходы к сбору доказательств на основе больших данных, более соответствующие реалиям судебной практики.

Во-первых, необходимо уделять пристальное внимание формированию и укреплению нормативных стандартов проверки данных, чтобы предотвратить беспорядочное сосредоточение внимания на вопросах видов данных в области цифровой криминалистической экспертизы. Для достижения этой цели целесообразно использовать подход, основанный на развитии теории доказательств в континентальной правовой системе. В рамках доказательственных методов континентальной системы доказывание включает как доказательные материалы, так и методы доказывания. Доказательными материалами считаются все информационные материалы или источники, которые могут быть связаны с фактом, подлежащим доказыванию; при этом методы доказывания представляют собой один из способов проверки. Таким образом, в рамках доказательственного права «законодательно установленные» факты не должны трактоваться исключительно как совокупность доказательственной информации, содержащейся в конкретном виде доказательства. Напротив, поскольку каждый человек, место и событие обладают возможностью стать источником консультативной информации или материалов, прямо или косвенно связанных с подлежащими доказыванию преступными фактами, именно они должны стать основным инструментом расследования при проверке различных видов доказательств. Во-вторых, следует применять механизмы судебного управления для создания разумных каналов регулирования доказательств больших данных. Оценка надежности доказательств больших данных может включать глубокий анализ исходного кода технологий машинного обучения; хотя действующие нормативные акты по проверке больших данных пока не содержат строгих положений о проверке исходного кода машинного обучения, данную проблему всё же можно решать путём судебных толкований и руководящих судебных решений.

Китай всё ещё находится в периоде развития системы доказывания и сталкивается с новыми способами доказывания, порождёнными научно-технической революцией. Необходимо признать, что прежние трудности остаются нерешёнными, а вместе с тем уже возникли новые сложности. Эта реальность, где старые и новые проблемы переплетаются, требует от нас адаптации и инноваций в системе проверки доказательств на основе больших данных. С одной стороны, доказательства в формате больших данных не могут существовать в вакууме, вне контекста современного информационного общества; вследствие тесной взаимосвязи между электронными данными требуется всестороннее дополнение существующих систем проверки электронной информации. В то же время, такие новые технологии, как машинное обучение, неизбежно проникают в сферу судебной сертификации, создавая угрозу потери доказательств в формате больших данных и поднимая вопросы социальной этики. Это требует переосмысления и исследования таких механизмов проверки исходного кода машинного обучения, включая различные способы верификации — от классификации данных до раскрытия доказательств и судебного допроса свидетелей. Таким образом, необходимо создать полноценную систему проверки достоверности доказательств в формате больших данных.

Заключение

Таким образом, по мере того как расстояние между тем, что люди воспринимают через свои чувства, и тем, что они видят с помощью вспомогательных инструментов, позволяющих заглянуть за пределы границ восприятия, постоянно увеличивается, роль человеческих органов чувств в реальном мире постепенно снижается. В настоящее время многочисленные медицинские свидетельства, представленные на судебных заседаниях — включая ДНК-анализ и тесты на содержание алкоголя в крови — уступают место компьютерным программам, которые выходят за рамки непосредственного чувственного опыта людей; при этом лица, занимающиеся установлением фактов, чаще всего полагаются именно на различные «машины истины» для выяснения подлинной картины происходящего.

Библиография:

[1] Ли Юаньюань. Исследование системы сбора доказательств в виде электронных данных в уголовном процессе [D]. Гуансиский педагогический университет, 2022.

[2] Чэн Лун. О формализации и материализации процедуры проверки доказательств в условиях больших данных [J]. Политика и право, 2022 (05): 96-114.

[3] Ни Чуньлэ, Чэнь Бовэнь. Исследование механизмов применения доказательств больших данных в уголовном процессе [J]. Журнал Университета общественной безопасности Китайской Народной Республики (серия «Общественные науки»), 2022 (02): 37-49.

[4] Лю Сюйхуа. Исследование правил применения доказательств больших данных в уголовном судопроизводстве [D]. Юго-Западный университет финансов и экономики, 2022.

[5] У Фэйсюэ. Исследование вопросов правового контроля за расследованиями с использованием больших данных [D]. Юго-Западный университет права и политических наук, 2021.