Использование искусственного интеллекта для выявления признаков мошеннических действий в ходе выборов

В октябре 2017 г. на заседании Международного дискуссионного клуба «Валдай» президент России В.В. Путин сказал: «Мир вступил в эпоху стремительных перемен... Обостряется конкуренция за место в мировой иерархии. При этом многие прежние рецепты глобального управления, преодоления конфликтов и естественных противоречий уже не годятся, часто не срабатывают, а новые еще пока не выработаны» ¹ . В сложившейся ситуации для России возникает возможность вырваться в мировые лидеры [Караганов 2021], и нам следует воспользоваться этим шансом, хотя ресурсов для этого не так много.

В существующих условиях одним из способов добиться лидирующих позиций в мире является использование более качественных управленческих решений. Для этого необходимо применять новые методы и цифровые технологии управления, включая искусственный интеллект и анализ больших данных ² .

Справедливости ради следует отметить, что термин «искусственный интеллект» (ИИ) – далеко не самый удачный, т.к. вводит в заблуждение читателей, которые начинают «очеловечивать» этот термин. Правильнее использовать более нейтральный термин «нейронные сети» (НС), функциональное наполнение которого то же, что и у термина «искусственный интеллект», но он не имеет такого антропоморфного оттенка. НС – это программа, которая позволяет найти оптимальное (по выбранному критерию) решение задачи, зависящей от огромного числа параметров в многомерном пространстве.

Для того чтобы задача могла быть решена с использованием нейронных сетей, она должна удовлетворять следующим требованиям: 1) задача не может быть решена алгоритмическим способом или перебором различных вариантов; 2) она уже выполняется человеком; 3) существует большая база данных, содержащих информацию о решаемой задаче с указанием правильных и неправильных решений (размеченная информация).

Одной из важных проблем, которая полностью удовлетворяет поставленным требованиям, является задача выявления признаков мошеннических действий (девиантного поведения) в процессе проведения выборов. Это следует из того, что 1) проведение выборов на избирательных участках контролируется путем видеонаблюдения; 2) процесс фиксируется в формате видеофайлов; 3) в ходе выборов и после них видеозаписи проверяются контролерами, которые выявляют признаки совершения вбросов и других мошеннических действий. Таким образом, данная задача является интеллектуальной, решаемой людьми и задокументированной в видеоматериалах. При этом, т.к. видеоконтроль за выборами осуществляется не первый год, объем данных должен быть достаточно большим.

Обсудим, каким образом можно использовать имеющуюся информацию для решения задачи выявления девиантного поведения в процессе проведения выборов с использованием нейронных сетей. Видеозаписи с избирательных участков можно рассматривать как потоковое видео, представляющее собой последовательный временной информационный ряд. Видео может быть разбито на фрагменты, содержащие информацию о происходящих событиях (см. рис. 1). Желательно, чтобы длительность фрагмента была достаточной, чтобы на нем было зафиксировано какое-либо логически завершенное действие, допустим, опускание бюллетеня в урну. Фрагменты могут содержать как нормальные события, так и девиантное поведение, содержащее признаки противоправных действий. Эти данные можно использовать для обучения НС.

Источник: Составлено авторами.

Рисунок 1. Представление видеозаписей с избирательных участков, разбитых на фрагменты, которые содержат информацию о происходящих событиях

Оценим, будет ли объем видеоинформации достаточен для обучения ней- ронной сети. На выборах в сентябре 2018 г. видеонаблюдение применялось на более чем 14,5 тыс. избирательных участках1, где голосуют примерно 80% избирателей России2. В 2021 г. выборы будут проходить в течение трех дней, причем избирательные участки будут работать каждый день по 12 ч. Таким образом, объем видеозаписи должен составить более 500 тыс. ч. Принимая во внимание, что на выборах 2021 г. объем видеотрансляции с избирательных участков планируется увеличить более чем в 15 раз по сравнению с предыду-щими3, объем видеозаписей может составить 7,5 млн ч. Если выбрать длительность фрагмента видеоинформации равным 3 мин., то получаем 150 млн обучающих фрагментов. Таким образом, размер обучающей базы данных более чем достаточен.

Для того чтобы использовать полученную информацию для обучения нейронной сети, ее необходимо разметить, т.е. указать, какие видеофрагменты содержат признаки мошеннических действий, а какие – нет. Выявление и фиксация признаков правонарушений проводятся в процессе обработки результатов выборов. Необходимо только, чтобы эта фиксация осуществлялась в соответствии с согласованным протоколом информационного обмена, который позволяет в дальнейшем использовать эту базу данных для обучения НС.

Остается открытым вопрос о сбалансированности обучающей базы данных. Как показывает история выборов в Российской Федерации, на большинстве избирательных участков они проходят без правонарушений. Таким образом, объем видеоданных без правонарушений значительно больше, чем с правонарушениями. Это приводит к несбалансированности обучающей базы. Принимая во внимание огромный объем видеозаписей (7,5 млн ч), его можно сократить за счет фрагментов, не содержащих факты правонарушений, приведя их число в соответствие с числом фрагментов, содержащих признаки мошеннических действий. Однако здесь есть опасность, что в результате можно получить маленькую базу. Будет ли эта опасность реализована или нет, можно проверить только экспериментально, работая с реальной информацией и прототипом нейронной сети.

После того, как будет сформирована обучающая база данных и разработана финальная архитектура нейронной сети, необходимо провести ее обучение. Обученную нейронную сеть можно использовать в дальнейшем для выявления признаков мошеннических действий при проведении очередных выборов.

Возможен другой способ использования имеющейся базы данных для обучения нейронной сети, при котором сеть обучается на фрагментах, содержащих обычные для выборов действия. Затем с помощью этой обученной сети анализируется информация, получаемая в ходе проведения выборов. В процессе анализа нейронная сеть выявляет видеофрагменты, содержащие девиантное поведение, т.к. они отличаются от фрагментов, на которых сеть была обучена ранее. Такие нейронные сети называются автокодировщиками. Заметим, что видеофрагменты в процессе обработки нейросетью могут быть разделены на три класса (см. рис. 2): 1) когда не происходят активные действия; 2) когда про- исходят обычные для выборов действия и 3) когда зафиксировано девиантное поведение (вброс, подделка бюллетеня и т.п.).

Источник: Составлено авторами .

Рисунок 2. Представление результатов работы автокодировщика, содержащих информацию о характере происходящих событий, в скрытом пространстве НС

Конечно, только человек может дать окончательное заключение о наличии признаков, указывающих на противоправное поведение, а суд устанавливает виновность того или иного лица. Но нейронные сети могут значительно ускорить и облегчить выявление подобных фактов, повысить эффективность работы контролеров и значительно снизить расходы Центральной избирательной комиссии на выявление противоправных действий.

Заметим, что аналогичную нейронную сеть (только обученную на других обучающих данных) можно использовать для контроля девиантного поведения выпускников при сдаче ЕГЭ.