ДЕТЕКТИРОВАНИЕ СИНТЕЗИРОВАННЫХ МЕДИАДАННЫХ (DEEPFAKES) КАК ВЫЗОВ ДЛЯ СОВРЕМЕННОЙ КРИМИНАЛИСТИКИ: МЕТОДЫ, ПРОБЛЕМЫ И ПРАВОВЫЕ АСПЕКТЫ

АННОТАЦИЯ

Возникновение искусственного интеллекта привело к тому, что появилась новая возможность создания мультимедийного контента. Даже человек, который владеет навыками работы с компьютерными технологиями, способен создать фото и видеоизображения, которые могут не соответствовать действительности, искажать её и формировать ложное представление о происходящих событиях. Порой, это делается в преступных целях, чтобы фальсифицировать обстоятельство реального времени и ввести в заблуждение не только простых граждан, но и правоохранительные органы. Часто можно столкнуться с ситуацией, когда синтезированные медиаданные используются как средство шантажа и оказания давления на электорат. Всё это определяет актуальность темы данной статьи, поскольку, в современных условиях основная задача, которая стоит перед правоохранительными органами – это формирование действенного правового, технического и организационного инструментария, который направлен на противодействие синтезированным медиаданным (Deepfakes).

ABSTRACT

The advent of artificial intelligence has opened up new possibilities for creating multimedia content. Even someone who has computer skills can create photos and videos that may not be accurate, distort reality, and create a false perception of events. Sometimes, this is done for criminal purposes, to falsify real-time circumstances and mislead not only ordinary citizens but also law enforcement agencies. It is often the case that synthesized media data is used as a means of blackmail and exerting pressure on the electorate. All of this determines the relevance of the topic of this scientific article, since, in the current conditions, the main task that law enforcement agencies face is to form an effective legal, technical, and organizational toolkit aimed at countering synthesized media data (Deepfakes).

Ключевые слова: цифровизация, синтезированные медиаданные, deepfakes, мультимедийный контент, искусственный интеллект, виртуальная технология, противоправная деятельность, информационно-телекоммуникационные технологии.

Keywords: digitalization, synthesized media data, deepfakes, multimedia content, artificial intelligence, virtual technology, illegal activity, information and telecommunication technologies.

Введение

Переход мирового сообщества к цифровизации способствовал не только развитию научно-технического потенциала, но и появлению новых видов противоправных действий, которые связаны с использованием информационно-телекоммуникационных технологий.

Чаще всего в незаконных целях стали применять технологию синтезированных медиаданных (Deepfakes), которая стала эффективным инструментарием в руках мошенников. Например, все чаще с помощью так называемого целевого фишинга происходит воздействие на сотрудников кредитно-финансовой организации с целью совершить операцию по оплате подложного платежного документа. Примером может служить инцидент, который произошел в 2019 году, когда менеджер одной энергетической компании в Европе получил на корпоративную электронную почту письмо руководителя с указанием перевести на счет другой компании в Венгрии денежные средства в сумме 200 000 евро. Кроме того, указание было подтверждено и голосовым сообщением. После того, как операция была выполнена, выяснилось, что это был результат использования технологии синтезированных медиаданных (Deepfakes) [1].

Целью данной статьи является анализ основных подходов, методов, проблематики и правовых особенностей к пониманию синтезированных медиаданных (Deepfakes).

Для решения поставленной цели были определены следующие задачи:

– проанализировать понятие синтезированных медиаданных (Deepfakes);

– дать правовую оценку технологии синтезированных медиаданных (Deepfakes);

– определить и проанализировать основные способы установления достоверности медиаданных;

– проанализировать основные формы и методы противодействия использования технологии синтезированных медиаданных (Deepfakes) в противоправной деятельности.

Материалы и методы.

При подготовке данной статьи использовались следующие материалы:

– законодательство Российской Федерации, в котором реализованы понятия, связанные с использованием технологии синтезирования медиаданных (Deepfakes);

– научно-практическая литература, научные статьи и публикации, посвященные технологии синтезирования медиаданных;

– практика деятельности правоохранительных органов, связанная с выявлением, предупреждением и пресечением противоправной деятельности с использованием технологии deepfakes.

В качестве основных методов при подготовке данной статьи были использованы общенаучный системный подход, а также общие положения философии о путях и средствах познания реальной действительности. В исследовании использовались сравнительно-правовой, социологический методы познания, статистическая обработка данных и другие методы.   

Результаты и обсуждения.     

Стратегия национальной безопасности Российской Федерации определила основные приоритетные направления обеспечения национальной безопасности страны и её устойчивое развитие [2]. Среди прочих указана и информационная безопасность. Именно формирование состояния защищенности в условиях цифровизации обеспечит не только политическую безопасность, но и безопасность корпоративного сектора. Ведь именно они являются основным объектом преступного посягательства разного рода субъектов преступных сообществ.

На это особое внимание обратил Президент Российской федерации В.В. Путин в своём докладе на расширенном заседании коллегии МВД России, которое состоялось 5 марта 2025 года. Речь шла о низкой раскрываемости преступлений, связанных с использованием IT-технологий [3]. Президент подчеркнул, что необходимо искать новые пути и новые направления противодействия преступным посягательствам в области информационно-телекоммуникационных технологий.  

Для создания deepfakes используется искусственный интеллект, то есть, программа, которая в процессе моделирования применяет так называемое «человеческое мышление», что по сути является весьма дискуссионным [4].  С технической точки зрения это значит, что он работает на основе алгоритмов машинного обучения. Каждое действие разработчиков основывается на данных, которые компьютер самостоятельно анализирует и находит пути решения. Можно отметить и так называемое машинное обучение, когда техника на основе поступающих данных сама выявляет закономерности и делает прогнозы в рамках конкретной ситуации. Применяется также более сложный вариант – это когда для обучения компьютера используются нейросети, что позволяет обобщать и анализировать ещё большие объёмы информации, обрабатывать и работать с речью, текстами, звуковыми файлами [5].

Таким образом, современные информационно-цифровые разработки используют возможность компьютерных технологий не только обобщать информационные ресурсы, но и самообучаться и саморазвиваться в рамках конкретного направления.

Важной проблемой, которую следует решить в рамках криминалистических исследований – это расследование случаев использования технологии синтезированных медиаданных (Deepfakes). Конечно, нет особых инноваций, которые позволили бы в полной мере создать технологии для выявления, предупреждения и пресечения противоправной деятельности, с использованием дипфейков. Для решения этой проблематики необходимо разработать и внедрить специальный алгоритм расследования. Рассмотрим один из возможных вариантов.

Итак, основная задача, которая стоит перед правоохранительными органами – это установление является ли информация в медиафайле подлинной или это хорошо сгенерированная подделка. Для этого можно использовать несколько возможных способов.

Во-первых, анализ метаданных. Прежде всего, необходимо выявить несоответствия, которые связаны с особенностями использования техники и цифровых технологий. Анализируя изображение, можно определить модель камеры, с помощью которой оно было получено. Она имеет отличительные черты, которые помогут индивидуализировать синтезированные медиаданные. Изображение может характеризоваться несовместимостью с конкретной камерой и её техническими характеристиками.

Во-вторых, каждый фотоаппарат имеет свою так называемую «подпись устройства». Например, шумовой паттерн, который характерен для определенной модели. Сравнивая медиаданные с оригинальной камерой, можно безошибочно определить, с помощью какого фотоаппарата производилась съёмка.

В-третьих, развитие системы геолокации упростит определение точного местоположения, где была проведена фотосъемка, а различие в координатах реальной локации и сгенерированного видео или фото поможет в установлении его подлинности.

В-четвертых, время съёмки, именно так называемая временная метка позволяет с точностью определить этот показатель. Разница во временном формате – это один из основных признаков, который также способствует выявить синтезированы медиаданные или нет.

Ещё один важный момент, который необходимо использовать в рамках формирования криминалистической системы противодействия технологии синтезированных медиаданных (Deepfakes) – это комплексное использование всех предложенных методов.

В качестве средства борьбы с преступлениями, связанных с применением технологии дипфейк, целесообразно оперировать возможностями искусственного интеллекта. Это использование так называемых детекторов. Обобщая все информационные ресурсы и медиаданные, включая реальные и поддельные, можно сгенерировать систему анализа соответствия. Можно отметить, что для противодействия продуктам искусственного интеллекта необходимо использовать его возможности.

Можно также обращаться к системе криптографических учетных данных контента, которые позволяют выявить малейшие изменения и корректировку аутентичности. Все правки реализуются с помощью кадрирования или фильтров. Любое вмешательство будет связано с нарушением аутентичности, что приводит к несоблюдению единства медиафайла. Именно возможности искусственного интеллекта, возможностей анализировать, синтезировать информационные ресурсы позволят проверить соответствует или нет фото или видео достоверности.

Ещё одна важная составляющая общей системы выявления, предупреждения и пресечения противоправного использования технологии синтезированных медиаданных (Deepfakes) – это подготовка высококвалифицированных кадров для структуры правоохранительных органов. Прежде всего, необходимо провести корректировку учебной программы в рамках подготовки специалистов в области юриспруденции. Трансформация права в цифровую плоскость является новым вектором обучения, это, прежде всего, связано с тем, что необходимо ввести подготовку по направлению «цифровое право». Юрист должен не только уметь использовать информационные базы правовых данных, но и представлять, что из себя представляют современные информационно-телекоммуникационные технологии. Кроме того, особое место в системе обучения юристов в области цифровизации необходимо уделить изучению организации и работы компьютерных и информационных систем. Конечно, найдутся противники данной точки зрения. Основным доводом может служить тот факт, что появление автомобиля потребовало модернизации практически всей правовой системы, включая необходимость сначала правового регулирования безопасности дорожного движения, а затем и юристов, специализирующихся на изучении особенностей транспортных систем и технологий.

Несмотря на большое количество научной и методической литературы, в практической деятельности отмечается недостаток современных практик, ориентированных методических рекомендаций и методик расследования преступлений, совершаемых с использованием технологии синтезированных медиаданных (Deepfakes), в том числе экономической направленности.

Заключение

В заключение следует, что самыми перспективными криминалистическими методами будут являться:

– разработка, апробация и внедрение современных методов и методик расследования преступлений с использованием технологии синтезированных медиаданных (Deepfakes);

– обобщение и анализ имеющегося положительного опыта расследования преступлений определенного вида, направленных на противодействие преступным действиям;

– использование высокоэффективных программных и аппаратных комплексов расследования преступлений с использованием технологии синтезированных медиаданных (Deepfakes);

– совершенствование оперативно-розыскного законодательства в области расширения возможностей использования в оперативно-розыскной деятельности института содействия граждан, обладающих специальными знаниями и имеющих возможность эффективно добывать сведения, представляющих оперативный интерес в области использования технологии синтезированных медиаданных (Deepfakes).     

Список литературы:

1. Владимиров В.Ю, Ермолова Е.И., Данилов И. А. Внутрикадровый монтаж фото- и видеоизображений с применением искусственного интеллекта как способ фальсификации доказательств // Развитие учения о противодействии расследованию преступлений и мерах по его преодолению в условиях цифровой трансформации: материалы Междунар. науч.-практ. конф. /под ред. Ю.В. Гаврилина, Ю.В. Шпагиной. М., –  2021. – С. 127-136.
2. О Стратегии национальной безопасности Российской Федерации : Указ Президента РФ от 2 июля 2021 г.  № 400 // Собрание законодательства Российской Федерации. – 2021. – № 27 (часть II), – ст. 5351.
3. Владимир Путин выступил на ежегодном расширенном заседании коллегии Министерства внутренних дел России (Москва, 5 марта 2025 г.) // [Электронный ресурс]. – Режим доступа: URL: http://www.kremlin.ru/events/president/transcripts/deliberations%20/ (дата обращения: 27.11.2025).
4. Менжега, М. М. Искусственный интеллект: по обе стороны закона / М. М. Менжега // Российская правовая система: в поисках национальной идентичности : Сборник докладов XIV Московской юридической недели. В 6-ти частях, Москва, 26–29 ноября 2024 года. – Москва: Издательский центр Университета имени О.Е. Кутафина (МГЮА), –  2025. – С. 105-109. – EDN QORIWC.
5. Бодров Н.Ф., Лебедева А.К. Понятие дипфейка (deepfake) в российском праве, его классификация и проблемы правового регулирования // Юридический вестник ДГУ. – 2023. Т. 48, – № 4 (68). – С. 173-181.