Где связь? Как управление данными, информацией и знаниями позволило ловить серийных преступников

От метода профилирования ФБР и баз данных ДНК до искусственного интеллекта: основные этапы работы с данными по преступлениям.
clock 8 минут

Казалось бы, криминология  одна из тех сфер, где новые технологии должны внедряться прежде всего. Но реальность такова, что полицейская культура до сих пор держится в своей массе на разрозненных бумажных документах и часто не восприимчива к технологическим инновациям. Автоматизация процессов осложняется человеческим фактором, но бывают и исключения благодаря новаторам и энтузиастам.  

Привет! Это команда TEAMLY. Мы делаем платформу для совместной работы и управления знаниями, документами, задачами. Меня зовут Лера. В ходе работы над обновлениями платформы я задумалась о том, что управление знаниями выходит далеко за рамки компании— оно везде. А главное, четкая систематизация информации и управление знаниями позволяет ловить маньяков.  

В статье собрала основные, на мой взгляд, этапы работы с данными, информацией и знаниями, которые помогали ловить серийных убийц.

Систематизация: метод профилирования

Термин  «серийный убийца» стал использоваться в профессиональном сообществе в конце 1960-х, укоренился в профессиональной лексике в 70-х, а широкое распространение получил в 80-х в СМИ. Конечно, сами серийные убийцы появились намного раньше, чем удалось сформировать определение их деятельности. Из известных: американец Генри Холмс, чьи жертвы пропадали в его отеле пыток; непойманный англичанин Джек-Потрошитель; Василий Комаров, вместе с женой орудовавшие в Подмосковье в 1920-х годах. К слову, в российском уголовном законе нет понятия  «серийные убийства».

Одним из первых, кто решил систематизировать уже существующую информацию по делам серийных маньяков для анализа их действий и мотивов стал специальный агент ФБР Джон Дуглас. Он начал использовать инновационный метод криминального профилирования.

Агент ФБР Джон Дуглас одним из первых начал использовать в расследованиях метод профилирования

Дуглас проводил длительные интервью с маньяками, чьи преступления были доказаны, составляя на них подробное досье. Метод профилирования ФБР должен был помочь ускорить поиски будущих серийных преступников, предугадывая их поведение и действия.

Позже Дуглас возглавил Национальный центр анализа насильственных преступлений (National Center for the Analysis of Violent Crime, сокращенно NCAVC). Центр был создан в 1984 году под руководством другого агента ФБР — Роберта К. Ресслера. На пенсии Джон Дуглас написал много книг про свою профессиональную жизнь. Самая известная — «Охотник за разумом. Особый отдел ФБР по расследованию серийных убийств», написанная в соавтрстве с Марком Олшейкером. Сюжет стал основой для многих фильмов, например,  «Молчание ягнят».

В России метод профилирования используют редко, для этого чаще всего привлекают психиатров. Например, при поиске Андрея Чикатило, психиатр Александр Бухановский составил его психологический портрет по просьбе следствия. 

База данных геномной информации

С появлением в 80-х годах прошлого века возможности анализа ДНК криминалистическая идентификация сильно скакнула вперед. Базы данных ДНК, которыми активно пользуются при поиске серийных преступников в разных странах:

  • США  база данных Combined DNA Index System (CODIS), действует с 1998 г.;

  • Великобритания  база данных the National DNA Database (NDNAD), действует с 1995 г.;

  • Франция  база данных Fichier National Automatise des Empreintes Genetiques (FNAEG), действует с 1998 г.; 

  • Австралия  база данных The National Criminal Investigation DNA Database (NCIDD), действует с 2001 г.

  • Россия  Федеральная база данных геномной информации (ФБДГИ), действует с 2008 г.

В эти базы попадает биоматериал, собранный на местах преступлений, с неопознанных останков, у подозреваемых, осужденных и отбывающих наказание, реже у родственников пропавших без вести. 

Развитие криминалистики, в том числе исследований крови и других биоматериалов, позволило возобновить дела, считавшиеся «глухарями».

Так, с помощью современного анализа ДНК полиции удалось установить личность убийцы и насильника Сандры Дефелис. Преступление произошло в Лас-Вегасе 26 декабря  1980 года. Тогда полиции удалось собрать и сохранить образец ДНК, но следствие зашло в тупик. В 2021 году дело возобновили. Тест определил, что биоматериал, собранный из-под ногтей жертвы принадлежит Полу Наттолу. Он был в полицейской базе, потому что проходил по этому делу. Его маркировали, как «лицо, возможно представляющее интерес для следствия». Его отпечаток был найден в квартире убитой, тогда полиции удалось обосновать его появление. 64-летнему Наттолу предъявили обвинения в незаконном проникновении в жилище, изнасиловании и убийстве.

И все бы хорошо, но у всех этих баз один недостаток: они содержат информацию о тех, кто так или иначе уже нарушал закон. А что если преступления совершает человек, никогда ранее не имевший дел с правоохранителями? Т.е. его следов ДНК в этих базах просто нет. В таких случаях помогают генеалогические базы данных, с помощью которых люди ищут родственников, добровольно добавляя свою ДНК в систему. 

Этот подход получил широкую огласку, когда полиции в 2018-м году удалось раскрыть личность и задержать Джозефа Деанджело  «Убийцу из Золотого штата». Он орудовал в Калифорнии в конце 70-х. С тех пор его биологический материал с мест преступлений хранился в лаборатории, но в разные годы не давал совпадений. Преступник просто ни за что не привлекался. Тогда полицейские обратились к сервисам для создания генеалогического дерева и поиска родственных связей, в надежде выйти на преступника через его возможных родственников.

Данные проверяли на платформе GEDmatch, отправляли в FamilyTreeDNA и на MyHeritage. Именно поиски через MyHeritage позволили выявить близкого родственника, который помог раскрыть дело. 74-летнего Деанджело приговорили 26 пожизненным срокам в тюрьме.

«Убийцу из Золотого штата» Джозефа Деанджело нашли спустя 40 лет через родственную ДНК

Статистика и алгоритм

Вернемся немного назад, к сбору и систематизации данных. Профессор Майкл Аамодт из Стенфордского университета в США начал собирать большую базу данных серийных убийств около 30 лет назад. Свой каталог, где содержится более 5000 записей, профессор назвал «Рэдфордской базой данных о серийных убийцах». Там собраны биографии известных серийный убийц, общая статистика преступлений по годам, список книг и большая презентация, где по полочкам разложена вся информация о феномене серийных убийц. 

Murder Accountability Project (MAP)

Бывший корреспондент Белого дома и журналист-расследователь Томас Харгроув (США) пошел дальше. Он начал собирать большой архив всех отчетов об убийствах с 1976 года. В базе содержится более 750 000 записей. В 2010-м году Харгроув написал код для своего алгоритма. Так родился «Проект по привлечению к ответственности за убийства».

Программа призвана помочь следователям устанавливать связь между преступлениями, которую они могут упустить, а также проверять свои теории о подозреваемых. Свой код Харгроув называет детектором серийных убийц. 

Этот код помогает в огромном архиве преступлений выявить статистические аномалии среди множества убийств, совершенных, по данным в отчетах полиции, в результате любовных треугольников, бандитских разборок, грабежей или потасовок. В процессе агрегирования данных алгоритм собирает убийства, связанные по методу, месту, времени и полу жертв. MAP помогает установить личность подозреваемого по признакам серийности с большим процентом вероятности и отчасти решает проблему «слепоты к установлению связей» у полицейских.

Томас Харгроув, создатель проекта Murder Accountability Project

Это доказал случай, произошедший на заре создания MAP. В ходе тестирования алгоритма в 2010-м Харгроув заметил ряд убийств в округе Лейк, штат Индиана, в который входит город Гэри. В период с 1980 по 2008 год пятнадцать женщин были задушены. Большинство жертв были найдены в заброшенных домах. Харгроув написал в полицию Гэри, описав убийства и приложив таблицу с перечислением обстоятельств преступлений. Он отправлял письма полиции и чиновникам в течение нескольких месяцев, но его версия не получила особого внимания. 

Спустя четыре года по горячим следам после убийства в соседнем с Гэри  Хаммонде был арестован Даррен Ванн. Он сразу сознался в содеянном, а еще отвел полицию в заброшенные дома, где были найдены тела еще 6 его жертв. По версии Хагроува, Ванн начал убивать еще в 90-х, в 2009 году он попал в тюрьму за изнасилование, а после освобождения в 2013-м году продолжил.

С 2015-го года пенсионер Харгроув руководит НКО Murder Accountability Project, куда входит совет из 9 экспертов по разным аспектам убийств, база данных и сайт, которым могут пользоваться все желающие.

ViCAP

К слову, одна из первых попыток создать единую базу данных серийных убийц прогорела, опередив свое время. Лос-Анджелесский детектив Пирс Брукс еще в 50-х изучал серийность преступлений. Свои записи он фиксировал в карточках, а потом решил перенести свою базу в первые компьютеры, но управление не выделило деньги на покупку.

Брукс не бросил идею, в 1983-м году представив проект компьютерной базы данных ViCAP для отслеживания убийств Конгрессу. После этого его пригласили работать в ФБР и выделили средства на развитие ViCAP. 

Детектив Пирс Брукс, создатель компьютерной базы данных ViCAP

Но программа не получила должного внимания у полиции из-за лишней волокиты: чтобы внести данные в базу нужно было заполнить карточку со 150 вопросами. К тому же это было дело добровольным, а не обязательным. Тем не менее, в 2008-м ViCAP стала доступна всем агентствам в стране. До этого базой пользовалось только Бюро.

Информации о существовании подобных программ в России я не нашла. Буду признательна, если поделитесь.

Искусственный интеллект

Логично предположить, что в ближайшем будущем выявлением связей и поиском серийных преступников должен заняться искусственный интеллект. В России на него большие планы.

Министерство внутренних дел России планирует полную цифровую трансформацию в ближайшем будущем. На воображаемые плечи искусственного интеллекта в ведомстве возлагают большие надежды. Планируется, что ИИ научится определять цвет глаз, кожи, особенностей телосложения и наличие или отсутствие болезней по ДНК, оставленной на месте преступления. Также ИИ должен будет определять местожительство преступника вплоть до километра от мест преступления и работать с текстом: выделять ключевые данные из уголовных дел для выявления серийности.

Зарубежные коллеги говорят, что все может быть благодаря применению нейронной архитектуры глубокого обучения ИИ для быстрого и ультраточного определения генетических мутаций в ДНК, выявляющих особенности организма и наследственные болезни. Слова подтверждают научными работами, например, в статье DeepMetabolism: A Deep Learning System to Predict Phenotype from Genome Sequencing.

Сейчас в России для поиска серийных преступников используют такие программы: 

Crimeserieslinkage  ПО на базе машинного обучения для выявления серийных преступлений и преступников, разработанное НИИ Криминалистики на основе схожести приемов заметания следов серийными убийцами. Система использует базу с данными почерка серийных убийц, в общей сложности совершивших более 1000 преступлений.

Porsero  программа для формирования портрета серийного преступника, совершающего преступления на сексуальной почве. Программа обеспечивает: прогнозирование наиболее вероятного возраста серийного преступника, наличия или отсутствия у него психического заболевания и судимости, факта совершения преступления с использованием автотранспортного средства либо без него, семейного статуса преступника и наличия связи между преступником и потерпевшим до совершения преступного деяния.

Вместо заключения

Тут композиция возвращает нас в начало: к проблеме в виде человеческого фактора, мешающей крупным ведомствам масштабно внедрять автоматизированные подходы к поиску серийных маньяков. Это острая нехватка времени, пренебрежение обязанностями или просто лень возиться с лишними отчетами. Иногда, как в случае с Харгроувом или Бруксом, эту проблему начинает решать частное лицо. Но в целом, это задача каждого, кто работает на месте преступления и ведет следствие, собирать и систематизировать информацию. Кажется, здесь все как в корпоративном мире с ведением базы знаний компании, только масштабы в разы больше и цена ошибки выше. 

Новая концепция управления знаниями в компании

Записывайтесь на онлайн-презентацию! Продемонстрируем интерфейс и все возможности платформы

 

Хотите первыми узнавать о современных практиках в управлении знаниями?

Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь с политикой конфиденциальности.

Другие статьи

Ко всем статьям
Что такое реорганизация предприятия и как ее провести
Опыт компании

Что такое реорганизация предприятия и как ее провести

Рассказываем, как, для чего и почему юрилица проводят реорганизацию и как повысить эффективность работы компании в процессе и после проведения преобразования
29.02.2024
KPI – что это такое, зачем нужны и как их считать
Инструменты

KPI – что это такое, зачем нужны и как их считать

Рассказываем, зачем компании внедрять в свои процессы систему показателей эффективности работы сотрудников и как правильно рассчитать KPI
28.02.2024

Другие статьи

Ко всем статьям
Что такое реорганизация предприятия и как ее провести
Опыт компании

Что такое реорганизация предприятия и как ее провести

Рассказываем, как, для чего и почему юрилица проводят реорганизацию и как повысить эффективность работы компании в процессе и после проведения преобразования
29.02.2024
KPI – что это такое, зачем нужны и как их считать
Инструменты

KPI – что это такое, зачем нужны и как их считать

Рассказываем, зачем компании внедрять в свои процессы систему показателей эффективности работы сотрудников и как правильно рассчитать KPI
28.02.2024

Обсудим ваш проект?

Оставьте свои контакты, и мы свяжемся с вами. Задайте все вопросы эксперту

Оставьте свои контактные данные, и мы с удовольствием организуем для вас персональную демонстрацию нашего сервиса.

Читайте нас в социальных сетях

Актуальные новости, интересные события, полезные материалы про эффективное управление корпоративными знаниями и командную работу.