сотрудник с 01.01.2018 по настоящее время
Видное, г. Москва и Московская область, Россия
УДК 343.98 Криминалистика. Криминалистическая техника и тактика
В статье исследуются современные направления развития трасологических исследований в условиях цифровизации судебно-экспертной деятельности. Особое внимание уделяется переходу от традиционной описательной модели анализа следов к количественно-вероятностному подходу, основанному на применении 3D-моделирования, статистической обработки данных, байесовского вывода и технологий искусственного интеллекта. Рассматривается эволюция трасологии как криминалистического учения о следах, выявляются основные методологические пробелы, связанные с отсутствием унифицированных критериев валидации цифровых методов, недостаточной разработанностью правового статуса 3D-моделей и ограниченным применением количественных показателей в экспертной практике. На основе контролируемого исследования с участием трасологов сопоставляются традиционный, 2D-цифровой и 3D-гибридный методы анализа следов обуви. Обосновывается преимущество 3D/LR-подхода по показателям точности, чувствительности, специфичности и межэкспертной согласованности. Предлагается модель количественной трасологической оценки, включающая цифровую фиксацию следа, сравнительный анализ признаков, расчет отношения правдоподобия и вероятностную интерпретацию экспертного вывода. Отдельное внимание уделяется правовой природе 3D-модели следа как средства фиксации доказательственной информации, требованиям к ее хранению, передаче и защите. Делается вывод о необходимости гармоничного сочетания классических положений отечественной криминалистики с современными цифровыми и международными экспертными стандартами
трасология, криминалистика, судебная экспертиза, след, 3D-моделирование, искусственный интеллект, количественная оценка, отношение правдоподобия, цифровая криминалистика, экспертная методика
Внедрение цифровых инструментов в работу правоохранительных структур уже перешло стадию эксперимента и стало системным явлением. Особенно заметны изменения в экспертно-криминалистической сфере, где обработка визуальной информации превратилась из вспомогательной процедуры в самостоятельный аналитический инструмент. Яркий пример – автоматизированная система «Папилон», позволяющая оперировать дактилоскопическими данными в едином электронном пространстве, сравнивать папиллярные узоры с карточек и следов, обнаруженных на объектах преступлений, без промежуточного перевода в аналоговый формат. Однако технологический прогресс не должен восприниматься как завершенный этап. Потенциал современных информационных комплексов, экспертных баз и идентификационных платформ еще не раскрыт полностью, их дальнейшее развитие способно укрепить научно-методическую базу экспертной деятельности МВД России и повысить результативность раскрытия преступлений. особенно перспективны программные решения, выстроенные на фундаменте теории криминалистической идентификации: они снижают субъективность экспертных выводов и повышают их воспроизводимость [1, с. 230; 2, с. 86; 6, с. 78; 9, с. 44].
Эволюция трасологии: три вектора развития
Становление трасологии как научной дисциплины происходило через постепенный отказ от эмпирического описания следов в пользу системного анализа. Этот процесс развивался одновременно в трех плоскостях: концептуальной (уточнение базовых понятий), методической (разработка процедур исследования) и технологической (внедрение инструментов фиксации и анализа). Сопоставление этих векторов позволяет увидеть не только преемственность идей, но и точки напряжения, где возникают новые научные задачи.
- на раннем этапе (до середины ХХ века) след рассматривался преимущественно как информационный маркер, указывающий на присутствие и действия человека. четкого определения понятия «след» не существовало, механизмы его образования описывались поверхностно, а классификация строилась по признаку происхождения. И. Н. Якимов, например, разделил все следы на две группы – человеческие и нечеловеческие – и предложил первое определение следа как «оттиска, позволяющего судить о форме или функции оставившего его объекта». Термины «учение о следах» (1935) и «трасология» (1936) вошли в научный обиход, но их содержательное наполнение долгое время оставалось размытым.
- вторая фаза (1930-1960-е гг.) ознаменовалась работами С. М. Потапова, Б. И. Шевченко и А. И. Винберга, которые обосновали необходимость выделения следов в особую категорию доказательств. Б. И. Шевченко заложил основы трасологической идентификации как самостоятельного метода, а Г. Л. Грановский в монографиях «Основы трасологии. Общая часть» (1965) и «Основы трасологии. Особенная часть» (1974), а также Д. А. Турчин в работе «Теоретические основы криминалистического учения о материальных следах» (1989) существенно углубили методологический аппарат дисциплины [7, с. 44]. Вместе с тем классические исследования того периода имели ограничения: преобладал качественный анализ без количественной оценки признаков, механизмы следообразования описывались вербально, отсутствовали критерии воспроизводимости методик, а влияние внешних условий (влажность, давление, временной фактор) учитывалось фрагментарно.
- после 1991 года начался этап интеграции отечественной криминалистики в международное научное пространство. внимание исследователей сместилось в сторону новых типов следов – цифровых и электронных. В диссертации В. Б. Вехова «Криминалистическое учение о компьютерной информации и средствах ее обработки» (2008) были обобщены подходы к работе с электронно-цифровыми следами. значительный вклад внесли А. Ф. Волынский («Концептуальные основы технико-криминалистического обеспечения…», 1999), Н. П. Майлис («Криминалистическая трасология как теория и система методов…», 1992) и С. С. Самищенко («Современная дактилоскопия…», 2003) [7, с. 46]. Несмотря на появление современного оборудования – 3D-сканеров, цифровых микроскопов – методологическое сопровождение технологий отставало: не были разработаны стандарты валидации цифровых методов, отсутствовали программы обучения и алгоритмы интерпретации количественных данных. Большинство публикаций 2010-2015 гг. носили описательный характер без статистической обработки или оценки погрешностей.
Лишь к концу 2010-х годов в отечественной литературе начали появляться работы, посвященные количественной оценке трасологических признаков. Среди ключевых исследований – докторская диссертация Д. В. Бахтеева (2022) об использовании искусственного интеллекта в расследованиях, кандидатская работа Ю. А. Донцовой (2022) о следах рук в сложных условиях, а также монография В. В. Козлова «Трасологическая экспертиза: новые подходы к идентификации следов» (2023), где введены понятия «идеального» и «цифрового» следа. Н. П. Майлис развивает идеи применения 3D-сканирования для реконструкции объемных следов, микроскопии высокого разрешения и спектроскопии при анализе микроследов. В 2023-2025 гг. появились первые эксперименты с машинным обучением в трасологии. Однако такие исследования пока ограничены небольшими выборками (менее 50 образцов), не проходят независимой верификации и не учитывают когнитивные искажения, возникающие при взаимодействии эксперта с ИИ (эффект автоматизации automation bias).
Анализ литературы выявил четыре ключевых пробела:
1) отсутствие методики расчета коэффициента правдоподобия (lr) для следов обуви и орудий, адаптированной к российским базам и нормативной среде;
2) недостаточная проработка правового статуса цифрового следа – хранения, передачи и защиты 3d-моделей (включая аспекты Федерального закона № 152-фз «О персональных данных»);
3) отсутствие контролируемых исследований влияния гибридных методов на межэкспертную надежность;
4) пробел в учебной литературе: современные пособия не охватывают количественные методы, ИИ и вопросы кибербезопасности экспертных данных.
Перспективные направления исследований должны быть направлены на устранение этих пробелов: проведение контролируемых сравнений методов анализа следов обуви с оценкой не только точности, но и межэкспертной согласованности; разработка и валидация модели количественной трасологической оценки (МКТО), объединяющей 3d-реконструкцию, конгруэнтное картирование и расчет LR в рамках Федерального закона № 73-ФЗ «О государственной экспертной деятельности»; создание алгоритма оценки трассовой устойчивости (коэффициент t<sub>s</sub>), прогнозирующего сохранность идентификационных признаков в зависимости от условий среды. Такой подход обеспечит синтез классических достижений отечественной криминалистики с современными международными стандартами, формируя основу для цифровой трансформации трасологии в РФ.
Методологические основы современной трасологии
Трасология предоставляет системный инструментарий для анализа материальных изменений, возникающих при взаимодействии объектов. След здесь понимается как устойчивая модификация свойств или структуры материала под внешним воздействием [3, с. 226]. По происхождению выделяют механические (отпечатки, следы обуви), биологические (кровь, волосы), химические (остатки взрывчатых веществ) и термические (следы горения, выстрела) следы.
Классификация следов определяет дальнейшую тактику исследования: механические следы требуют визуальных и фотограмметрических методов, биологические – генетических и микроскопических. Ошибка на этом этапе снижает не только качество анализа, но и доказательственную силу материала.
Цифровизация изменила не только скорость обработки данных, но и саму логику экспертного вывода: субъективные оценки постепенно заменяются количественными метриками. Одновременно возникла необходимость пересмотра традиционных протоколов и создания алгоритмов для обработки больших данных, особенно в условиях применения ИИ.
Поиск следов – критически важный этап, от которого зависит успех всего расследования. механические следы выявляют визуально, с помощью оптических приборов (лупы, микроскопа) или химических реагентов: нитрата серебра (реакция с хлоридами пота), цианоакрилата (полимеризация паров «суперклея»), флуоресцентных красителей (родамин, ардин) и специальных порошков на основе углерода или металлов [3, с. 226].
Стандартные следственные действия включают осмотр места происшествия, фотофиксацию и экспертное исследование. при осмотре используют базовые средства визуализации, при документировании – фото- и видеотехнику. изъятие следов требует строгого соблюдения протоколов: следы рук могут фиксироваться сканированием, фотографированием или изъятием носителя целиком. Несмотря на технологический прогресс, папиллярные узоры остаются одним из самых надежных биометрических идентификаторов.
Биологические следы обнаруживают иными способами: люминол (хемилюминесценция при контакте с гемоглобином), УФ-освещение (флуоресценция биожидкостей), хроматография (анализ химического состава). Их изъятие проводят стерильными тампонами или пинцетами с последующим помещением в герметичные контейнеры для сохранения ДНК.
Практические примеры подтверждают эффективность цифровых подходов. В одном из дел 2019 года частичный отпечаток пальца на металлической ручке был восстановлен алгоритмами машинного обучения, что позволило установить личность подозреваемого. В другом случае уникальный рисунок подошвы, оставленный при серии краж, помог определить конкретную модель обуви ограниченной серии [10, с. 15].
Для объективной оценки методов анализа следов обуви проведено контролируемое исследование с участием шести трасологов (стаж 7-15 лет) и выборкой из 60 следов, полученных на четырех типах поверхностей (глина, пыль, линолеум, снег). Следы формировались 30 моделями обуви; для каждой модели готовились совпадающие и несовпадающие пары. Эксперты последовательно применяли три метода в рандомизированном порядке:
- метод А: традиционный (визуально-измерительный с лупой ×10 и калькой);
- метод Б: 2d-цифровой (фотофиксация + наложение в программе sicar 8.2);
- метод В: 3d-гибридный (сканирование на artec leo → обработка в geomagic control x → расчет lr по методике enfsi v2.1).
Результаты оценивались по точности, чувствительности, специфичности и межэкспертной согласованности (коэффициент Коэна каппа). Статистическая обработка выполнена в r 4.5.0 (тест Макнемара, 95% доверительные интервалы).
Таблица 1. Сравнительные показатели эффективности методов анализа следов обуви (n = 180)
|
Показатель |
Метод А (традиционный) |
Метод Б (2D-цифровой) |
Метод В (3D-гибридный) |
|
Точность (Accuracy), % |
72,8 |
86,4 |
94,1 |
|
Чувствительность (Sensitivity), % |
71,2 |
85,0 |
93,0 |
|
Специфичность (Specificity), % |
74,3 |
87,8 |
95,2 |
|
Cohen’s kappa (межэкспертный) |
0,41 |
0,63 |
0,87 |
|
AUC ROC |
0,76 |
0,85 |
0,93 |
Все различия между методом В и остальными статистически значимы (p < 0,001). Коэффициент каппа 0,87 свидетельствует о почти полной согласованности мнений экспертов при использовании 3D/LR-подхода, что подтверждает его высокую воспроизводимость и объективность.
Модель количественной трасологической оценки (МКТО) прошла пилотную апробацию в период с сентября по декабрь 2025 года. В рамках апробации по МКТО было произведено 5 трасологических исследований. Так, на месте происшествия были обнаружены частичные следы обуви на снегу. С использованием портативного 3D-сканера Artec Leo была создана цифровая модель следа. По МКТО был рассчитан LR = 1 240, что позволило сформулировать вывод: «Полученные данные в 1 240 раз более вероятны при условии, что след оставлен подозреваемым, чем при условии его происхождения от неизвестного лица». В настоящее время планируется апробация МКТО в 2026 году в нескольких ВУЗах РФ, ожидается участие не менее 12 специалистов и анализ 120 исследований. Результаты апробации будут использованы при подготовке методики судебной экспертизы «Исследование следов обуви и орудий».
Для анализа следов обуви применяют фотограмметрию (3D-реконструкция по серии снимков), ФТИР-спектроскопию (определение химического состава материалов), а также традиционные методы – слепки (гипс, силикон) и цифровое сканирование.
Фиксация следов включает протоколирование, фотографирование с масштабной шкалой, многоугольную съемку и использование ИК/УФ-диапазонов. Цифровые модели позволяют проводить точное сравнение с образцами, а системы типа AFIS автоматизируют поиск совпадений в базах [9, с. 153].
Несмотря на технологический прогресс, ключевую роль сохраняет квалификация эксперта. даже самые совершенные методы не компенсируют нарушения протоколов изъятия или фиксации.
Современные достижения – 3D-сканирование (например, ARTEC SPIDER с точностью 0,1 мм), биометрические технологии (ДНК-анализ, MINISTR для деградированных образцов), ИИ (нейросети в AFIS) – расширяют экспертные возможности [8, с. 3]. Одновременно сохраняются вызовы: риск ложноположительных совпадений (особенно для массовых моделей обуви), деградация биоматериалов, этические и правовые риски обработки биометрических данных. Эти вопросы регулируются профессиональной этикой и стандартами ISO/IEC 17025:2017.
Правовой статус 3D-модели следа требует особого внимания. Согласно ст. 77 УПК РФ, доказательствами являются любые сведения, на основе которых устанавливаются обстоятельства дела. 3D-модель, созданная при производстве следственного действия, является фиксацией вещественного доказательства и оформляется как приложение к протоколу, а не как самостоятельный объект доказывания. При представлении в суд она может использоваться как наглядное средство (ч. 2 ст. 271 УПК РФ). В контексте ФЗ № 152-ФЗ «О персональных данных» 3D-модель следа обуви, орудия или транспортного средства не содержит биометрических персональных данных, поскольку не позволяет идентифицировать личность без дополнительной информации. исключение – 3D-модели следов рук, для которых требуется соблюдение требований ФЗ № 152-ФЗ (включая согласие и защиту данных, где применимо).
Для обеспечения юридической силы 3D-модель должна:
- создаваться с фиксацией метаданных (время, место, оборудование, эксперт);
- сопровождаться протоколом следственного действия;
- храниться в защищенной системе с электронной подписью и криптографической защитой;
- передаваться через защищенные каналы связи.
При соблюдении этих требований 3D-модель обладает признаками допустимого и достоверного доказательства.
Заключение
Современная трасология переживает переход от описательной парадигмы к количественно-вероятностной модели, основанной на байесовском выводе и международных стандартах оценки доказательств. Интеграция численного моделирования, экспериментальных методов и технологий искусственного интеллекта позволяет получать объективные, воспроизводимые данные о механизмах следообразования.
На основе анализа литературы и экспериментальных данных теоретически обоснована и валидирована модель количественной трасологической оценки (МКТО), объединяющая 3D-реконструкцию, конгруэнтное картирование и расчет коэффициента правдоподобия. Контролируемый эксперимент с 180 следами обуви и шестью сертифицированными экспертами подтвердил статистически значимое превосходство гибридного 3D/LR-метода по всем ключевым метрикам: точности, чувствительности, специфичности и межэкспертной надежности. Впервые в отечественной литературе дано обоснование правовой природы 3D-модели как средства доказывания, соответствующего требованиям ФЗ № 73-ФЗ и не подпадающего под действие ФЗ № 152-ФЗ при условии анонимизации. Разработаны рекомендации по хранению, передаче и защите цифровых моделей.
Результаты исследования легли в основу проекта методических рекомендаций по актуализации методики экспертизы следов ног человека. Работа формирует научно-практическую основу для цифровой трансформации трасологии в РФ, обеспечивая синтез классических положений отечественной криминалистики с передовыми международными подходами.
Максимальная эффективность достигается при постоянном совершенствовании методик, их адаптации к конкретным следственным условиям и строгом соблюдении этических и правовых норм. Будущее трасологии – в гармоничном сочетании цифровых решений с фундаментальными принципами криминалистической науки, что повысит раскрываемость преступлений и укрепит правовые гарантии участников уголовного судопроизводства.
1. Биктимирова Ю. В. Перспективы использования технологий 3D моделирования в криминалистических исследованиях //Актуальные вопросы эксплуатации систем охраны и защищенных телекоммуникационных систем. Сборник материалов Всероссийской научно-практической конференции. Воронеж, 2021. С. 229-231. EDN: https://elibrary.ru/RLKHSG.
2. Владимиров В. Ю., Данилов И. А. Обеспечение достоверности результатов судебной экспертизы в условиях ее виртуализации // Труды Академии управления МВД России. 2024. № 2 (70). С. 82-90. DOI:https://doi.org/10.24412/2072-9391-2024-270-82-90.
3. Зиганшин М. Н. Перспективы развития технико-криминалистических средств и методов в классической трасологии // Государственная научно-техническая политика в сфере криминалистического обеспечения правоохранительной деятельности. Сборник научных статей по материалам международной научно-практической конференции. Москва: Академия управления МВД России, 2023. С. 225-230. EDN: https://elibrary.ru/GYLBAV.
4. Несмиянова И. О. 3D сканирование в экспертной деятельности: понятие, сущность и возможности применения // Systems and Management. 2020. Т. 2. № 2. С. 50-67. DOI:https://doi.org/10.47351/2658-7874_2020_2_2_50.
5. Писарев С. А., Чирков Д. В., Федорова Е. А. Анализ аберраций и способов минимизации их влияния на результаты исследований быстропротекающих динамических процессов с использованием видеокамеры высокоскоростной съемки // Вестник ИжГТУ имени М. Т. Калашникова. 2020. Т. 23. № 4. С. 6-15. DOI:https://doi.org/10.22213/2413-1172-2020-4-6-15.
6. Полякова А. В. Формирование и развитие 3D-технологий в судебно- экспертной деятельности: методологические и организационные аспекты: дисс. … канд. юрид. наук. Уфа, 2024. 244 с. EDN: https://elibrary.ru/LXASOA.
7. Филиппов М. Н. Прошлое, настоящее и будущее криминалистических научных исследований // Союз криминалистов и криминологов. 2023. № 3. С. 39-51. DOI:https://doi.org/10.31085/2310-8681-2023-3-212-39-51.
8. Филь Д. С. Современные технологии дактилоскопии и их роль в раскрытии и расследовании преступлений // Молодой ученый. 2024. № 21 (520). С. 609-611. EDN: https://elibrary.ru/SFBSYV.
9. Холевчук А. Г. Основные тенденции и перспективы развития дактилоскопии в США: монография. Москва: Проспект, 2021. 480 с. EDN: https://elibrary.ru/KUNNWW.
10. Юмшанова В. А., Возженникова О. С. Актуальные проблемы криминалистической трасологии // Моя профессиональная карьера. 2023. Т. 1. № 55. С. 44-50. EDN: https://elibrary.ru/LJVYYC.
11. Ristenbatt, M P., Hietpas, J & Fores, P R De Trace Evidence Methodology and Its Role in Modern Forensic Science. Journal of Forensic Sciences. 2022, 67-3, pp. 28-32. DOI: 10 1111/1556-4029 14860.
