Статья
Использование искусственных нейронных сетей для решения задач судебно-почерковедческой экспертизы: анализ зарубежного опыта
В работе исследуется зарубежный опыт применения искусственных нейронных сетей (ИНС) в судебно-почерковедческой экспертизе. На фоне активного внедрения ИНС в различные сферы общественной жизни наблюдается повышенное внимание к теме интеграции этой технологии в судебно-экспертную деятельность. Особенно остро стоит вопрос применения нейросетей в судебно-почерковедческой экспертизе, поскольку, по мнению некоторых ученых и юристов, их использование может значительно повысить объективность почерковедческих исследований.В статье приведен краткий обзор истории и современных тенденций применения компьютерных технологий в исследовании почерка, рассмотрена связь криминалистики и биометрии в этой области, а также их взаимное влияние, особенно в зарубежной практике экспертизы почерка. Приведены примеры современных успешных проектов и экспериментов, демонстрирующих эффективное использование нейронных сетей для идентификации и верификации человека по его почерку. Обсуждены перспективы развития этого направления и выявлены ключевые проблемы, которые, по мнению автора, в настоящее время препятствуют интеграции нейросетей в судебнопочерковедческую экспертизу.
1. Hicklin R.A., Eisenhart L., Richetelli N., Miller M.D., Belcastro P. et al. Accuracy and Reliability of Forensic Handwriting Comparisons // Proceedings of the National Academy of Sciences. 2022. Vol. 119. No. 32. https://doi.org/10.1073/pnas.2119944119
2. Охлупина А.Н. Проблема однозначности выделения признаков подписей и ее влияние на процесс автоматизации экспертных исследований // Алтайский юридический вестник. 2019. № 1 (25). С. 115–120.
3. Scientific Working Group for Forensic Document Examination (SWGDOC). https://swgdoc.org
4. Taylor M., Bishop B., Burkes T., Caligiuri M., Found B. et al. Forensic Handwriting Examination and Human Factors: Improving the Practice Through a Systems Approach // NIST Interagency/Internal Report (NISTIR). 2021. https://doi.org/10.6028/NIST.IR.8282r1
5. Best Practice Manual for the Forensic Handwriting Examination. 4th ed. // ENFSI. 2022. https://enfsi.eu/wp-content/uploads/2023/02/BPM-Handwriting-Ed.-4.pdf
6. ГОСТ Р 54412–2019. Информационные технологии. Биометрия. Общие положения и примеры применения. https://files.stroyinf.ru/Data2/1/4293725/4293725565.pdf?ysclid=m82sulc6uq418677385
7. Кошманов М.П., Кошманов П.М. Этапы и основные направления внедрения компьютерных технологий в судебное почерковедение и почерковедческую экспертизу // Эксперткриминалист. 2008. № 3. С. 35–40.
8. Минаев Ю., Мамаев В. Итоги и перспективы развития биометрических технологий // Системы безопасности. 01.02.2021. https://www.secuteck.ru/articles/itogi-i-perspektivyrazvitiya-biometricheskih-tekhnologij
9. Ferguson R.W. Presentation to a Workshop on Promoting the Use of Electronic Payments, Held at the Federal Reserve Bank of Chicago. Chicago, 2000.
10. Potter E.J. Customer Authentication: The Evolution of Signature Verification in Financial Institutions // Journal of Economic Crime Management. 2002. Vol. 1. No. 1. P. 1–19.
11. Dormehl L. Tracing the History and Evolution of the Stylus // Digital Trends. 04.05.2021. https://www.digitaltrends.com/mobile/evolutionhistory-of-the-stylus/#dt-heading-as-we-may-think
12. Yoshimura M., Kimura F., Yoshimura I. Experimental Comparison of Two Types of Methods of Writer Identification // IEICE Transactions (1976–1990). 1982. Vol. 65. No. 6. P. 345–352.
13. Nagel R.N., Rosenfeld A. Computer Detection of Freehand Forgeries // IEEE Transactions on Computers. 1977. Vol. C-26. No. 9. P. 895–905. https://doi.org/10.1109/tc.1977.1674937
14. Plamondon R., Lorette G. Automatic Signature Verification and Writer Identification – the State of the Art // Pattern Recognition. 1989. Vol. 22. No. 2. P. 107–131. https://doi.org/10.1016/0031-3203(89)90059-9
15. Leclerc F., Plamondon R. Automatic Signature Verification: The State of the Art – 1989–1993 // International Journal of Pattern Recognition and Artificial Intelligence. 1994. Vol. 8. No. 3. P. 643–660. https://doi.org/10.1142/S0218001494000346
16. Srihari S., Leedham G. Survey of Computer Methods in Forensic Handwritten Document Examination // Proceedings Eleventh International Graphonomics Society Conference. Sccottsdale, 2003. P. 278–281.
17. Sreeraj M., Idicula S.M. A Survey on Writer Identification Schemes // International Journal of Computer Applications. 2011. Vol. 26. No. 2. P. 23–33. https://doi.org/10.5120/3075-4205
18. Harralson H.H., Miller L.S. Huber and Headrick’s Handwriting Identification: Facts and Fundamentals. 2nd ed. CRC Press, 2017. 442 p. https://doi.org/10.4324/9781315152462
19. Deviterne-Lapeyre M., Ibrahim S. Interpol Questioned Documents Review 2019–2022 // Forensic Science International: Synergy. 2023. Vol. 6. https://doi.org/10.1016/j.fsisyn.2022.100300
20. Иванов А.И. Биометрическая идентификация личности по динамике подсознательных движений. Пенза: Изд-во Пенз. гос. ун-та, 2000. 187 с.
21. Risinger D.M., Denbeaux M.P., Saks M.J. Exorcism of Ignorance as a Proxy for Rational Knowledge: The Lessons of Handwriting Identification “Expertise” // The University of Pennsylvania Law Review. 1989. Vol. 137. No. 3. P. 731–792. https://doi.org/10.2307/3312276
22. Crawford M.A. Daubert Standard. Walden University, 2014. 8 p. https://doi.org/10.13140/2.1.2002.2560
23. United States v. Starzecpyzel, 880 F. Supp. 1027. (S.D.N.Y. 1995) // Justia. U.S. Law. https://law.justia.com/cases/federal/districtcourts/FSupp/880/1027/1408539
24. Strengthening Forensic Science in the United States: a Path Forward. The National Academies Press, 2009. 328 p.
25. Robert E. Pettus, Appellant, v. United States, Appellee // FindLaw. https://caselaw.findlaw.com/court/dc-court-of-appeals/1593870.html
26. Koehler J.J. Intuitive Error Rate Estimates for the Forensic Sciences // Jurimetrics. 2017. Vol. 57. P. 153–168. http://doi.org/10.2139/ssrn.2817443
27. Report to the President: Forensic Science in Criminal Courts: Ensuring Scientific Validity of Feature-Comparison Methods. CreateSpace Independent Publishing Platform, 2016. 132 p.
28. Li B., Li N. Handwriting Expertise Reliability: a Review // Journal of Forensic Science and Medicine. 2019. Vol. 5. No. 4. P. 181–186. https://doi.org/10.4103/jfsm.jfsm_44_19
29. Kang T.-Y., Kim H., Yook S., Lee J. A Study on Factors that Affect Error Rates in Handwriting Examinations of Korean Characters by Forensic Document Examiners and Non-Experts // Forensic Science International. 2022. Vol. 334. https://doi.org/10.1016/j.forsciint.2022.111266
30. Crot S., Marquis R. A comparative Review of Error Rates in Forensic Handwriting Examination // Journal of Forensic Sciences. 2024. Vol. 69. No. 6. P. 2127–2138. https://doi.org/10.1111/1556-4029.15589
31. Huber R.A. Handwriting Identification: Facts and Fundamentals. CRC Press, 1999. 456 p.
32. Fairhurst M.C. Signature Verification Revisited: Promoting Practical Exploitation of Biometric Technology // Electronics & Communication Engineering Journal. 1997. Vol. 9. No. 6. P. 273–280.
33. Kaur R., Rani R., Pahuja R. Text-Dependent and Text-Independent Writer Identification Approaches: Challenges and Future Directions // International Journal of Software Innovation. 2022. Vol. 10. No. 1. P. 1–23.
34. Mitchell T.M. Machine Learning. McGraw-Hill, 1997. 414 p.
35. Zhang X.-Y., Xie G.S., Liu Ch.-L., Bengio Y. EndTo-End Online Writer Identification with Recurrent Neural Network // IEEE Transactions on Human-Machine Systems. 2016. Vol. 47. No. 2. P. 285–292. https://doi.org/10.1109/THMS.2016.2634921
36. Vaswani A., Shazeer N., Parmar N., Uszkoreit J., Jones L. et al. Attention is All You Need // Advances in Neural Information Processing Systems. 2017. Vol. 30.
37. Tolosana R., Vera-Rodriguez R., Fierrez J., Ortega-Garcia J. Biometric Signature Verification Using Recurrent Neural Networks // 14th IAPR International Conference on Document Analysis and Recognition (ICDAR). IEEE, 2017. P. 652–657. https://doi.org/10.1109/icdar.2017.112
38. Dhieb T., Njah S., Boubaker H., Ouarda W., Ayed M.B. et al. Towards a Novel Biometric System for Forensic Document Examination // Computers & Security. 2020. Vol. 97. https://doi.org/10.1016/j.cose.2020.101973
39. Yang W., Jin L., Liu M. DeepWriterID: An End-toEnd Online Text-Independent Writer Identification System // IEEE Intelligent Systems. 2016. Vol. 31. No. 2. P. 45–53. https://doi.org/10.1109/MIS.2016.22
40. Chen Z., Yu H.-X., Wu A., Zheng W.-Sh. LetterLevel Online Writer Identification // International Journal of Computer Vision. 2021. Vol. 129. P. 1394–1409. https://doi.org/10.1007/s11263-020-01414-y
41. Hameed M.M., Ahmad R., Kiah M.L.M., Murtaza G. Machine Learning-Based Offline Signature Verification Systems: A Systematic Review // Signal Processing: Image Communication. 2021. Vol. 93. https://doi.org/10.1016/j.image.2021.116139
42. Khosroshahi S.N.M., Razavi S.N., Sangar A.B., Majidzadeh K. Deep Neural Networks-Based Offline Writer Identification Using Heterogeneous Handwriting Data: an Evaluation via a Novel Standard Dataset // Journal of Ambient Intelligence and Humanized Computing. 2022. Vol. 13. P. 2685–2704. https://doi.org/10.1007/s12652-021-03253-2
43. Nguyen H.T., Nguyen C.T., Ino T., Indurkhya B., Nakagawa M. Text-Independent Writer Identification Using Convolutional Neural Network // Pattern Recognition Letters. 2019. Vol. 121. P. 104–112. https://doi.org/10.1016/j.patrec.2018.07.022
44. Chahi A., El merabet Y., Ruichek Y., Touahni R. WriterINet: a Multi-Path Deep CNN for Offline Text-Independent Writer Identification // International Journal on Document Analysis and Recognition (IJDAR). 2023. Vol. 26. P. 89–107. https://doi.org/10.1007/s10032-022-00418-3
45. Kumar P., Sharma A. Segmentation-free Writer Identification Based on Convolutional Neural Network // Computers & Electrical Engineering. 2020. Vol. 85. https://doi.org/10.1016/j.compeleceng.2020.106707
46. He Sh., Schomaker L. GR-RNN: Global-context Residual Recurrent Neural Networks for Writer Identification // Pattern Recognition. 2021. Vol. 117. https://doi.org/10.1016/j.patcog.2021.107975
47. Dey S., Dutta A., Toledo J.I., Ghosh S.K., Llados J. et al. SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification // Pattern Recognition Letters. 2017. https://doi.org/10.48550/arXiv.1707.02131
48. Kumar V., Sundaram S. Siamese Based Neural Network for Offline Writer Identification on Word Level Data // arXiv. 2022. https://doi.org/10.48550/arXiv.2211.14443
49. Wang S., Jia S. Signature Handwriting Identification Based on Generative Adversarial Networks // Journal of Physics: Conference Series. 2019. Vol. 1187. No. 4. P. 42–47. https://doi.org/10.1088/1742-6596/1187/4/042047
50. Kao H.-H., Wen Ch.-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. https://doi.org/10.3390/app10113716
51. Simonyan K., Vedaldi A., Zisserman A. Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps // arXiv. 2014. https://doi.org/10.48550/arXiv.1312.6034
52. Marcinowski M. Top Interpretable Neural Network for Handwriting Identification // Journal of Forensic Sciences. 2022. Vol. 67. No. 3. P. 1140–1148. https://doi.org/10.1111/1556-4029.14978
53. Россинская Е.Р., Бодров Н.Ф. Современное состояние и перспективы исследования образов цифровых следов в судебной почерковедческой экспертизе // Криминалистика: вчера, сегодня, завтра. 2022. Т. 21. № 1. С. 121–135. https://doi.org/10.55001/2587-9820.2022.44.98.011
54. Журавель А.А., Трошко Н.В., Эджубов Л.Г. Использование алгоритма обобщенного портрета для опознавания образов в судебном почерковедении // Правовая кибернетика. 1970. С. 212–227.
55. Garrett B.L., Rudin C. Interpretable Algorithmic Forensics // Proceedings of the National Academy of Sciences. 2023. Vol. 120. No. 41. https://doi.org/10.1073/pnas.2301842120
56. Хазиев Ш.Н., Штохов А.Н. Судебные экспертизы по делам об ошибочной биометрической идентификации // Теория и практика судебной экспертизы. 2024. Т. 19. № 3. С. 88–102. https://doi.org/10.30764/1819-2785-2024-3-88-102
57. Хазиев Ш.Н. Криминалистические и судебно-экспертные основы современных биометрических технологий // Теория и практика судебной экспертизы. 2023. Т. 18. № 1. С. 16–21. https://doi.org/10.30764/1819-2785-2023-1-16-21