В настоящей работе рассматривается возможность применения сиамской сверточной нейронной сети (SNN) с интегрированным модулем сверточного внимания (CBAM) в идентификационных исследованиях рукописных подписей. Одним из факторов, тормозящих процесс внедрения искусственных нейронных сетей в процесс производства судебно-экспертных исследований, является их низкая степень интерпретируемости. Из-за этого исследователю сложно определить, какие именно закономерности были выявлены нейросетевым алгоритмом и какие из них легли в основу полученного прогноза. Кроме того, в большинстве современных работ, посвященных анализу почерка, специалисты используют «классический» подход к определению авторства рукописи, при котором эта задача рассматривается как частный случай классификации. Однако данный способ часто приводит к ошибкам II рода, из-за чего, на взгляд авторов, использование классификационных алгоритмов для решения идентификационных задач неприемлемо. Вместо этого авторы предлагают обратить внимание на архитектуру SNN. Для подтверждения этих тезисов в рамках настоящей работы были проведены эксперименты, в ходе которых удалось установить, что современные механизмы внимания, в частности модуль CBAM, способны частично интерпретировать полученные нейросетью результаты. Применение SNN, в свою очередь, позволяет минимизировать число ошибок II рода по сравнению с «классической» классификационной системой.
Идентификаторы и классификаторы
- Префикс DOI
- 10.30764/1819-2785-2025-2-65-81
Говоря о решении задачи криминалистической идентификации при помощи ИНС, отметим, что в последнее время в этом направлении чаще всего используют сиамские нейросети. Например, Дж. Бромли, И. Гийон, Я. ЛеКун, Э. Сикингер и Р. Шах, которые одними из первых предложили подобный подход, использовали SNN для идентификации исполнителя рукописи, выполненной на графическом планшете при помощи стилуса [22]. Достигнутая по итогу обучения точность составила порядка 95,5 %.
Список литературы
1. Федоренко В.А., Сорокина К.О., Гиверц П.В. Многогрупповая классификация следов бойков с помощью полносвязной нейронной сети // Информационные технологии и вычислительные системы. 2022. № 3. С. 43-57. https://doi.org/10.14357/20718632220305
2. Федоренко В.А., Сорокина К.О., Гиверц П.В. Классификация следов бойков по экземплярам оружия сверточной нейронной сетью // Информационные технологии и вычислительные системы. 2024. № 1. С. 87-96. https://doi.org/10.14357/20718632240109
3. Россинская Е.Р. Нейросети в судебной экспертологии и экспертной практике: проблемы и перспективы // Вестник Университета имени О.Е. Кутафина (МГЮА). 2024. № 3(115). С. 21-33. https://doi.org/10.17803/2311-5998.2024.115.3.021-033
4. Кокин А.В., Денисов Ю.Д. Искусственный интеллект в криминалистике и судебной экспертизе: вопросы правосубъектности и алгоритмической предвзятости // Теория и практика судебной экспертизы. 2023. Т. 18. № 2. С. 30-37. https://doi.org/10.30764/1819-2785-2023-2-30-37
5. Андреева О.И., Иванов В.В., Нестеров А.Ю., Трубникова Т.В. Технологии распознавания лиц в уголовном судопроизводстве: проблема оснований правового регулирования использования искусственного интеллекта // Вестник Томского государственного университета. 2019. № 449. С. 201-212. https://doi.org/10.17223/15617793/449/25
6. Основы судебной экспертологии: учебно-методическое пособие. М.: ФБУ РФЦСЭ при Минюсте России, 2023. 383 с. https://doi.org/10.30764/978-5-91133-267-9-2023
7. Ghorbani A., Abid A., Zou J. Interpretation of Neural Networks Is Fragile // Proceedings of the AAAI Conference on Artificial Intelligence. 2019. Т. 33. No. 1. С. 3681-3688.
8. Das A., Agrawal H., Zitnick L., Parikh D., Batra D. Human Attention in Visual Question Answering: Do Humans and Deep Networks Look at the Same Regions? // Computer Vision and Image Understanding. 2017. Vol. 163. P. 90-100.
9. Устинов В.В. О возможности объективизации почерковедческого исследования рукописных реквизитов // Вопросы экспертной практики. 2019. № S1. С. 663-668.
10. Мещеряков В.А., Бутов В.В. Оценка возможностей почерковедческой экспертизы сквозь призму современных информационных технологий // Вестник Воронежского института МВД России. 2017. № 2. С. 40-46.
11. Журавель А.А., Трошко Н.В., Эджубов Л.Г. Использование алгоритма обобщенного портрета для опознания образов в судебном почерковедении // Правовая кибернетика. 1970. С. 212-227.
12. Woo S., J. Park, Lee J.Y., Kweon I.S. CBAM: Convolutional Block Attention Module // Proceedings of the European Conference on Computer Vision (ECCV). 2018. P. 3-19.
13. Xue G., Liu S., Gong D., Ma Y. ATP-DenseNet: A Hybrid Deep Learning-based Gender Identification of Handwriting // Neural Computing and Applications. 2021. Vol. 33. P. 4611-4622.
14. Бобовкин М.В., Диденко О.А., Нестеров А.Е. Компьютерное моделирование раздельного и сравнительного исследования частных признаков почерка на основе программного комплекса «Фрося» // Судебная экспертиза. 2021. № 3 (67). С. 62-71. https://doi.org/10.25724/VAMVD.UXYZ
15. Zhang X.Y., Xie G.S., Liu C.L., Bengio Y. End-to-End Online Writer Identification with Recurrent Neural Network // IEEE Transactions on Human-Machine Systems. 2016. Vol. 47. No. 2. P. 285- 292.
16. Kao H.H., Wen C.Y. An Offline Signature Verification and Forgery Detection Method Based on a Single Known Sample and an Explainable Deep Learning Approach // Applied Sciences. 2020. Vol. 10. No. 11. 3716. https://doi.org/10.3390/app10113716
17. Simonyan K., Vedaldi A., Zisserman A. Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps // arXiv. 2013. https://doi.org/10.48550/arXiv.1312.6034
18. Selvaraju R.R., Cogswell M., Das A., Vedantam R., Parikh D., Batra D. Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization // Proceedings of the IEEE International Conference on Computer Vision. 2017. P. 618-626.
19. Droby A., Rabaev I., Shapira D.V., Kurar Barakat B., El-Sana J. Digital Hebrew Paleography: Script Types and Modes // Journal of Imaging. 2022. Vol. 8. No. 5. P. 143.
20. Marcinowski M. Top Interpretable Neural Network for Handwriting Identification // Journal of Forensic Sciences. 2022. Vol. 67. No. 3. P. 1140-1148.
21. Harralson H.H., Miller L.S. Huber and Headrick’s Handwriting Identification: Facts and Fundamentals. CRC press, 2017. 420 p.
22. Bromley J., Guyon I., LeCun Y., Säckinger E., Shah R. Signature Verification using a “Siamese” Time Delay Neural Network // Advances in Neural Information Processing Systems. 1993. Vol. 6. P. 669-686.
23. Dey S., Dutta A., Toledo J.I., Ghosh S.K., Llados J., Pal U. SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification // arXiv. 2017. https://doi.org/10.48550/arXiv.1707.02131
24. Bakhteev D.V. Criminalistic Conclusions on Signature Forgery Process During Building an Offline Signature Veriécation Intellectual System // Nowa Kodyfikacja Prawa Karnego. 2021. No. 60. P. 9-15.
25. Chopra P. Making Your Neural Network Say “I Don’t Know” - Bayesian NNs using Pyro and PyTorch // Medium. https://towardsdatascience.com/making-your-neural-network-say-i-dont-know-bayesian-nns-using-pyro-and-pytorch-b1c24e6ab8cd
26. Bahdanau D., Cho K., Bengio Y. Neural Machine Translation by Jointly Learning to Align and Translate // arXiv. 2014. https://doi.org/10.48550/arXiv.1409.0473
27. Bakhteev D.V., Sudarikov R. NSP Dataset and Offline Signature Verification // Quality of Information and Communications Technology: 13th International Conference, QUATIC 2020 (Faro, Portugal, September 9-11, 2020). Proceedings 13. Springer International Publishing, 2020. P. 41-49.
Выпуск
Другие статьи выпуска
В статье обобщен опыт, накопленный в судебно-экспертных учреждениях Минюста России при проведении научно-исследовательской работы по оценке точности определения расстояний с использованием ортофотопланов географических информационных систем [1] (далее – ГИС) «Яндекс Карты» и «Google Earth». На этой основе предложен методический подход к решению экспертной задачи по определению расстояний по видеозаписям с использованием различных ГИС, в том числе при установлении обстоятельств дорожно-транспортных происшествий. В рамках этого подхода изложены способы верификации получаемых из ГИС данных.
В настоящей статье предпринята попытка отдать должное вкладу криминалистов в теорию и практику использования криптографии. Рассмотрены публикации основоположников криминалистической науки – Антонио Коспи, Ганса Гросса, Эдмона Локара, ряда отечественных криминалистов, посвященные вопросам криптографии. Показано значение этих публикаций для развития криминалистики и судебно-экспертной деятельности, а также представлена взаимосвязь криминалистики и судебной экспертизы с криптографией в современных условиях.
Работа посвящена проблеме классификации документов на современном этапе. Проведен ретроспективный анализ наиболее обстоятельных документоведческих, уголовно-процессуальных и криминалистических подходов к градации данных объектов. Отмечены их преимущества и упущения в соответствии с запросами определенного периода.
На основе изучения специальной литературы и экспертно-криминалистической практики предложен авторский подход к классификации документов, соответствующий современному уровню развития информационных технологий и документооборота. Предполагается, что использование данного подхода позволит удовлетворить актуальные потребности правоохранительных органов в области исследования, оценки и использования различных видов документов, способствуя повышению эффективности раскрытия, расследования и предупреждения преступлений.
В условиях стремительного технологического прогресса современные методы анализа трехмерных моделей приобретают все большую важность в сфере портретной идентификации. Данный подход интегрирует достижения в области машинного обучения, 3D-моделирования и биометрической аналитики, открывая новые горизонты для установления личности на основе антропологических признаков внешности.
Настоящая статья посвящена историческому анализу и перспективам совершенствования методов портретной экспертизы на базе трехмерных моделей, выявлению их сильных сторон и ограничений, обсуждению потенциальных сфер практического применения.
Среди специалистов государственных и частных экспертных учреждений наблюдается значительный интерес к использованию указанной технологии для формирования сравнительных образцов в процессе портретной экспертизы, что способствует повышению объективности и визуальной доступности результатов экспертиз.
Рассмотрены теоретические основания деления класса судебных экономических экспертиз на роды и виды в различных экспертных учреждениях. Предложена классификация рода судебных финансово-экономических экспертиз по видам в зависимости от подлежащих исследованию финансовых отношений между субъектами хозяйственной деятельности.
Предмет финансово-кредитной экспертизы определен как финансовые отношения кредитора и заемщика. Разобраны задачи данного вида экономических экспертиз. Проанализированы экспертные подходы к решению одной из часто встречающихся задач судебной финансово-кредитной экспертизы – установлению направлений расходования кредитных средств. Перечислены основные нормативные документы, регулирующие деятельность кредитных организаций и правила ведения учета в них, разобраны некоторые профессиональные термины из области финансов и кредита, подробно описана структура номера банковского счета клиента.
На примере из экспертной практики показана логика действий эксперта-экономиста при решении типовых вопросов о получении и расходовании банковского кредита. Приведены толкования ключевых профессиональных терминов, необходимых для понимания текста заключения эксперта- экономиста лицами, не обладающими специальными знаниями в области финансов и кредита.
Вопросы повышения качества судебно-экспертной деятельности (СЭД), надлежащего и эффективного управления ею, в последнее время все чаще являются предметом научного исследования, поскольку необдуманный подход к организации СЭД способен привести к негативным последствиям. Автор обозначает организационные основы судебно-экспертной деятельности как часть судебной экспертологии, анализирует соотношение теории управления и судебной экспертологии, определяет специфику СЭД как объекта управления. Рассматривая основные современные доктринальные разработки и выделив аспекты, оказывающие существенное влияние на генезис судебно-экспертной деятельности, автор приходит к выводу о фактическом формировании частной теории управления СЭД. В статье предложены основные элементы теории управления судебно-экспертной деятельностью, в частности даны определения предмета и объекта, обозначена примерная структура теории управления.
Статья посвящена методологии определения стоимости товарного знака, принадлежащего компании, как нематериального актива.
Цель исследования – основываясь на балансовых показателях, а также показателях ликвидности и чистой прибыли компании, предложить новый методологический подход, с помощью которого можно наиболее корректно оценить стоимость товарного знака, принадлежащего компании.
Задача исследования – в рамках финансово-экономических экспертных исследований внедрить новые расчетно-аналитические системы в методологию определения стоимости товарного знака, принадлежащего компании.
Актуальность исследования обусловлена необходимостью внедрения взаимосвязанных аналитических механизмов для определения размера роялти и ставки дисконтирования, а также оценки критериев их практического применения. Показано, что в расчетно-аналитической системе, построенной для определения стоимости товарного знака, размер роялти можно получить из стоимости операционной маржи, соотнеся среднюю арифметическую величину прироста стоимости за предыдущие годы показателя «Чистая прибыль» со средней арифметической величиной стоимости за предыдущие годы показателя «Выручка от реализации». Предложено определять ставку дисконтирования в рамках кумулятивной модели суммированием надбавок по факторам риска и формированием новой расчетно-аналитической системы распределения премии за риск с предварительно выбранным максимальным процентным пунктом. Данный подход позволяет предположить, какой уровень риска будет в этой системе с точки зрения обеспечения показателя «Среднее арифметическое прироста» по чистой прибыли.
В статье рассматривается профессиональный путь и научные достижения профессора Надежды Павловны Майлис, выдающегося ученого в области криминалистики и судебной экспертизы. Автор анализирует основные вехи становления Н. П. Майлис как эксперта и ученого, начиная с получения образования и заканчивая созданием собственной научной школы. Особое внимание уделяется вкладу Н. П. Майлис в развитие криминалистической трасологии: она предложила принципиально новое понимание трасологии как фундаментальной теории, применимой в различных видах экспертиз. В статье также освещается ее значительный вклад в развитие общей теории судебной экспертизы, включая методологические основы, классификацию экспертиз и диагностические исследования. Значительная часть работы посвящена анализу педагогической деятельности Н. П. Майлис, созданию первого учебника по судебной экспертизе и формированию научной школы. Автор подчеркивает роль Надежды Павловны как в популяризации профессии судебного эксперта, так и в наставлении молодых ученых и практиков. Статья представляет интерес для криминалистов, судебных экспертов, преподавателей и студентов юридических вузов, а также всех, кто интересуется историей развития криминалистической науки в России. Работа демонстрирует не только профессиональные достижения ученого, но и раскрывает ее человеческие качества как мудрого наставника и отзывчивого коллеги. Исследование основано на документальных материалах, научных публикациях и личном опыте многолетнего сотрудничества автора с Н. П. Майлис.
В 80 годовщину Великой Победы ветераны ФБУ РФЦСЭ имени профессора А. Р. Шляхова при Минюсте России вспоминают об уникальных исследованиях объектов, связанных как с трагическими, так и героическими событиями тех огненных лет. В данном очерке автор уделяет внимание установлению личности командира, запечатленного Максом Альпертом на знаменитом фотоснимке, который лег в основу скульптуры «Комбат».
Издательство
- Регион
- Россия, Москва
- Почтовый адрес
- 109044, г. Москва, 4-й Крутицкий переулок, д.10, стр.1.
- Юр. адрес
- 101000, г Москва, Басманный р-н, Большой Спасоглинищевский пер, д 4
- ФИО
- Витушкин Вячеслав Александрович (ДИРЕКТОР)
- Контактный телефон
- +7 (___) _______