КРИМИНАЛИСТИЧЕСКИЕ АСПЕКТЫ ИСПОЛЬЗОВАНИЯ ДАННЫХ СИСТЕМ «УМНОГО ГОРОДА» ДЛЯ РАСКРЫТИЯ ПРЕСТУПЛЕНИЙ

CRIMINALISTIC ASPECTS OF USING THESE SMART CITY SYSTEMS TO SOLVE CRIMES

Yukha Daniil Sergeevich

Student, North Caucasus Federal University,

Russia, Stavropol

Musaeva Liana Azizovna

Student, North Caucasus Federal University,

Russia, Stavropol

Ovcharenko Igor Anatolyevich

Scientific supervisor, Candidate of Law, Associate Professor of the Department of Criminal Law and Procedure, North Caucasus Federal University,

Russia, Stavropol

АННОТАЦИЯ

В статье анализируются криминалистические возможности и уголовно-процессуальные ограничения использования данных интегрированных систем «умный город» при расследовании преступлений. На основе нормативно-правовой базы, следственной практики предлагается классификация цифровых источников, вырабатывается следственная тактика работы с данными, выявляются проблемы допустимости доказательств. Обосновывается необходимость разработки методических рекомендаций и внедрения криптографических протоколов фиксации цифровых артефактов.

ABSTRACT

The article analyzes the criminalistic possibilities and criminal procedural limitations of using data from integrated smart city systems in the investigation of crimes. Based on the regulatory framework and investigative practice, a classification of digital sources is proposed, investigative tactics for working with data are developed, and problems with the admissibility of evidence are identified. The necessity of developing methodological recommendations and implementing cryptographic protocols for fixing digital artifacts is substantiated.

Ключевые слова: умный город, криминалистика, цифровые следы, расследование преступлений, следственная тактика.

Keywords: smart city, criminology, digital footprints, crime investigation, investigative tactics.

Актуальность настоящего исследования обусловлена внедрением в городах России цифровых инфраструктур, объединяющих системы видеонаблюдения, умного транспорта, диспетчеризации ЖКХ и датчиковых сетей Интернета. Данные массивы данных обладают высоким доказательственным потенциалом, так как позволяют практически точно выстраивать хронологию событий преступлений, идентифицировать участников и проверять алиби.

«Умный город» есть зафиксированная в электронной форме информация, генерируемая интегрированными цифровыми платформами, которая отражает пространственные, временные параметры и взаимодействия лиц в городской среде [1].

В соответствии со ст. 74 УПК РФ, данные, полученные с такой среды, могут выступать в качестве иных документов (ст. 84 УПК РФ), вещественных доказательств (ст. 81 УПК РФ) или заключений эксперта [2]. Основным ограничением является требование, устанавливаемое ст. 75 УПК РФ о недопустимости доказательств, которые получены с нарушением закона. Запрос данных, которые содержат персональные сведения требует соблюдения огромного количества процедур, предусмотренных Федеральным законом "О персональных данных" от 27.07.2006 N 152-ФЗ (последняя редакция) [3].

Системы «умный город» формируют гетерогенную цифровую среду. В криминалистических целях будет целесообразным классифицировать источники по функциональному признаку. Это визуально-акустические системы, к которым относятся камеры наблюдения с применением ИИ-аналитики, распознавание лиц, акустические данные. Они обеспечивают идентификацию лиц и транспортных средств, фиксацию действий и установление маршрутов. Транспортно-навигационные системы, самые распространённые из них интеллектуальные транспортные системы, ГЛОНАСС, GPS, которые позволяют реконструировать перемещения и устанавливать временные интервалы прибытия и убытия лиц. Инфраструктурные и IoT-датчики, к ним относятся умные счетчики, системы доступа, которые подтверждают присутствие, фиксируют технические сбои системы как индикатор вмешательства. Коммуникативно-сетевые источники, публичные Wi-Fi позволяют локализировать устройства и цифровую активность с физическим присутствием. Каждый из вышеперечисленных источников обладает своим комплексом метаданных (hash-суммы, журналы доступа, и т.д.), которые с точки зрения криминалистики выступают критериями проверки достоверности информации [4].

Опыт существующей следственной практики позволяет разработать алгоритм действий, обеспечивающих сохранение доказательственного значения цифровых материалов:

1. Планирование и формулирование запроса. Запрос должен быть адресным, содержать конкретный временной период, географические координаты и правовое основание (ст. 164.1, 165 УПК РФ).
2. Фиксация и изъятие. При получении необходимых данных обязательно нужно зафиксировать хеш-сумму файлов, журналов передачи, информации об использованном оборудовании и программным обеспечением, сертификатов калибровки. Вполне целесообразно использование сертифицированных средств криптографической защиты (ГОСТ Р 34.10-2018, ГОСТ Р 34.11-2018).
3. Верификация и анализ. Проводится с привлечением специалиста и включает в себя проверку данных, сопоставление с альтернативными источниками, выявление ошибок алгоритмов распознавания.
4. Процессуальное закрепление. Результаты следственных действий оформляются протоколом осмотра электронных носителей или заключением специалиста с последующим отражением способа и условий получения данных, использованного ПО и хеш-сумм.

Использование данных «умного города» сопряжено с системными рисками. Достоверность: алгоритмы компьютерного зрения подвержены ошибкам; криминалист должен проводить независимую верификацию и указывать на погрешность системы. Защита персональных данных: массовый сбор информации создаёт риски профилирования; необходимо соблюдение принципов законности, соразмерности и анонимизации. Кадровый дефицит: следователи часто не обладают навыками работы с метаданными и не умеют формулировать технические задания для экспертов.

Предлагаемые меры: разработка МВД России методических рекомендаций; внедрение стандартизированных электронных шаблонов запросов; создание региональных центров цифровой криминалистики; включение в программы повышения квалификации модулей по цифровой грамотности; выработка судебной практикой единых критериев оценки допустимости ИИ-сгенерированных материалов.

Данные систем «умного города» представляют собой качественно новый класс цифровых следов, способных повысить эффективность раскрытия преступлений. Однако их потенциал реализуется недостаточно ввиду отсутствия систематизированной методики и процессуальной неопределённости.

В ходе исследования раскрыто понятие и доказательственное значение городских цифровых источников, предложена их классификация, сформулирован тактический алгоритм, выявлены ключевые проблемы допустимости и обоснованы практические рекомендации. Перспективы дальнейших исследований видятся в разработке алгоритмов автоматизированной верификации и создании федеральной базы стандартов взаимодействия следственных органов с операторами городской инфраструктуры.

Список литературы:

1. Хомяков Эдуард Геннадьевич УСТРОЙСТВА УМНОГО ДОМА И ИХ ЗНАЧЕНИЕ ПРИ РАССЛЕДОВАНИИ ПРЕСТУПЛЕНИЙ // Вестник Удмуртского университета. Серия «Экономика и право». 2025. №1. URL: https://cyberleninka.ru/article/n/ustroystva-umnogo-doma-i-ih-znachenie-pri-rassledovanii-prestupleniy (дата обращения: 02.04.2026).
2. "Уголовно-процессуальный кодекс Российской Федерации" от 18.12.2001 N 174-ФЗ (ред. от 08.03.2026) // КонсультантПлюс. – URL: https://www.consultant.ru/document/cons_doc_LAW_34481/ (дата обращения 02.04.2026)
3. "Федеральный закон "О персональных данных" от 27.07.2006 N 152-ФЗ (последняя редакция) // КонсультантПлюс. – URL: https://www.consultant.ru/document/cons_doc_LAW_61801/ (дата обращения 02.04.2026)
4. Волохова Ольга Викторовна Технико-криминалистическое исследование IoT-устройств: цифровые следы и новые возможности // Правовой альманах. 2025. №8 (48). URL: https://cyberleninka.ru/article/n/tehniko-kriminalisticheskoe-issledovanie-iot-ustroystv-tsifrovye-sledy-i-novye-vozmozhnosti (дата обращения: 02.04.2026).