Особенности распознавания подлога подписи человеком как первичные критерии для разработки системы искусственного интеллекта

Современные возможности компьютеров вернули интерес к технологиям искусственного интеллекта. Частным направлением применения этих технологий является распознавание образов, которое может быть применено к традиционной криминалистической задаче – определению признаков подлога (имитации) подписи. Результаты такой имитации бывают трех типов: автоподлог, простые и квалифицированные подлоги. В рамках данного исследования рассматриваются именно квалифицированные подлоги. Описываются онлайновый и офлайновый подходы к исследованию подписей и иного почеркового материала. Разрабатываемая система искусственного интеллекта на основе искусственной нейронной сети относится к офлайновому типу распознавания подписей, т. е. она ориентирована на работу исключительно с последствиями выполнения подписи – ее графическим изображением. Излагаются содержание и принципы формирования гипотезы для разработки системы искусственного интеллекта при сочетании гуманитарного (юридического) знания с естественно-техническим. На первоначальном этапе исследования для создания экспериментально-прикладной системы искусственного интеллекта на основе искусственной нейронной сети, ориентированной на определение подлога подписи, было проведено анкетирование 127 человек в целях выявления способности человека обнаруживать подложные подписи. Было установлено, что в экспериментальных условиях вероятность корректного определения оригинальности или подложности подписи для респондента составляет в среднем 69,29 %. Это значение может использоваться как пороговое для выявления эффективности разрабатываемой системы искусственного интеллекта. В процессе подготовки датасета (массива для обучения и верификации его результатов) системы в части подложных подписей, были установлены некоторые криминалистически значимые особенности, проявляющиеся при имитации подписи, связанные с психологическими и анатомическими особенностями лица, выполняющего подлог, как уже известные криминалистической науке, так и новые. Подчеркивается, что совместная разработка систем искусственного интеллекта методами компьютерных наук и криминалистики способна генерировать дополнительные результаты, которые могут оказаться полезными за рамками поставленных задач исследования.

1. Козочкин В. М., Рыбалкин Н. А. Судебно-почерковедческая экспертиза подписей, выполненных с подражанием подписям другого лица // Известия Тульского государственного университета. Экономические и юридические науки. 2016. № 4-2. С. 125–130.

2. Криминалистическое исследование подписи : учеб. пособие / В. Ю. Федорович [и др.] ; под общ. ред. В. Ю. Федоровича. М. : Юрайт, 2020. 142 с.

3. Охлупина А. Н. Теоретические, методические и организационно-тактические основы применения интеллектуальных систем в судебно-почерковедческом исследовании подписей : дис. … канд. юрид. наук. М., 2019. 192 с.

4. Регулирование робототехники: введение в «робоправо». Правовые аспекты развития робототехники и технологий искусственного интеллекта / В. В. Архипов [и др.] ; под ред. А. В. Незнамова. М. : Инфотропик Медиа, 2018. 232 с.

5. Тимофеев А. В. Роботы и искусственный интеллект. М. : Гл. ред. физико-мат. лит. изд-ва «Наука», 1978. 192 с.

6. Федотов А. Ю. Проблемы надежности в рамках различных типов научной рациональности // Психопедагогика в правоохранительных органах. 2017. № 4 (71). С. 24–28.

7. Hafemann L. G., Sabourin R., Oliveira L. S. Offline Handwritten Signature Verification – Literature Review // 2017 Seventh International Conference on Image Processing Theory, Tools and Applications (IPTA). IEEE, 2017. P. 1–8. DOI: 10.1109/IPTA.2017.8310112.

8. MCYT Baseline Corpus: A Bimodal Biometric Database / J. Ortega-Garcia [et al.] // IEE Proceedings – Vision, Image and Signal Processing. 2003. Vol. 150, iss. 6. P. 395–401. DOI: 10.1049/ip-vis:20031078.

9. Vargas F., Ferrer M., Travieso C., Alonso J. Off-line Handwritten Signature GPDS-960 Corpus // Proceedings of the International Conference on Document Analysis and Recognition (ICDAR 2007). Parana, 2007. P. 764–768. DOI: 10.1109/ICDAR.2007.4377018.

10. Radhika K. S., Gopika S. Online and Offline Signature Verification: A Combined Approach // Procedia Computer Science. 2015. Vol. 46. P. 1593–1600. DOI: 10.1016/j.procs.2015.02.089.

11. SigNet: Convolutional Siamese Network for Writer Independent Offline Signature Verification / S. Dey [et al.]. URL: https://arxiv.org/abs/1707.02131