Компьютерная
криминалистика

Натянуть балаклаву и надвинуть капюшон – излюбленный трюк дилетантов, свято верящих в собственную анонимность. Однако современная форензика вычисляет фигуранта даже с наглухо закрытым лицом благодаря неизменным анатомическим пропорциям и уникальной биомеханике движения.

Геометрия скелета против балаклавы

Лицо можно спрятать, но собственный скелет никуда не денешь. Отношение длины бедра к голени, размах плеч относительно роста и высота тазобедренного сустава формируют неизменную геометрическую матрицу. Эксперты-габитоскописты накладывают на силуэт параметрические трехмерные каркасы, вытягивая костные ориентиры из-под любого мешковатого худи.

Даже тяжелая зимняя куртка не способна обмануть фотограмметрию. При ходьбе ткань неизбежно натягивается в точках локтевых и коленных сочленений, обнажая шарнирные узлы. Отслеживание этих ориентиров на ключевых фазах движения восстанавливает костную структуру с погрешностью до миллиметров.

Кинематика походки и динамика

Человеческая походка столь же индивидуальна, как отпечаток пальца. Алгоритмы компьютерного зрения разбирают оптический поток на составляющие векторы и отслеживают маятниковые колебания центра масс. Человек способен контролировать походку первые тридцать шагов, после чего мозжечок неизбежно возвращает тело к врожденной двигательной автоматике.

Криминалистический анализ динамики опирается на ряд устойчивых параметров:

• Период и фазовый темп одиночного цикла шага.
• Динамические углы между бедром, голенью и стопой в фазе отталкивания.
• Траектория вертикального смещения плечевого пояса относительно таза.
• Индивидуальный угол разворота стоп при постановке ноги.

Сравнение методов деанонимизации

Ловушки оптики и дисторсии

Главный враг эксперта при исследовании записей наружного наблюдения – оптическая дисторсия. Бюджетные объективы купольных камер растягивают пространство по краям кадра, искажая реальные соотношения длины конечностей и визуальный рост.

Любое доказательное исследование требует обязательной пространственной калибровки. Эксперт выезжает на локацию, снимает геометрические параметры сцены лазерным дальномером и математически компенсирует кривизну линзы. Без точного воссоздания фокусного расстояния и высоты подвеса камеры выводы рассыпаются при первом же вопросе в зале суда.

Доказательная база для суда

В криминалистике антропометрия без лица редко выносится в категорический вывод в качестве единственной улики. Однако в составе комплексной портретно-видеотехнической экспертизы она образует железобетонную цепь доказательств. Совпадение комплекса скелетных индексов и кинематического профиля отсекает любые случайные совпадения.

Попытки собрать подобный анализ на коленке с помощью бесплатных скриптов из сети обычно разбиваются о неучтенный ракурс и артефакты сжатия видеопотока. Не повторяйте это дома без калибровочной аппаратуры: я серьезно, превращение пикселей в юридический факт требует беспощадной математики, а не веры в технологии.

Спутниковый снимок – это не «картинка из Гугла». Это документ с датой, разрешением, углом съёмки и тенями, и по нему можно установить факты. Если вы умеете его читать, это доказательство. Если не умеете, это красивые обои. Не повторяйте это дома в серых зонах, я серьёзно: работаем только с открытыми данными.

Зачем это нужно

GEOINT (геопространственная разведка) входит в OSINT. Он анализирует спутниковые снимки, панорамы Street View, Яндекс Карты и Mapillary, и по ним можно найти физическое расположение объектов инфраструктуры. Снимки бывают оптические, инфракрасные и радиодиапазонные, и получить их можно в один клик. Их используют в расследованиях, в проверке новостей и в анализе конфликтов. В открытых материалах о современных конфликтах спутниковые снимки названы среди источников, которые могут выдавать расположение войск.

Инструментарий

• Sentinel Hub / EO Browser. Бесплатный таймлапс между двумя датами. Есть кастомные скрипты визуализации, например подсветка пожаров и разрушений, и индекс влажности.
• Google Earth и Яндекс Карты. Исторические снимки и быстрая привязка к местности.
• SunCalc. Определяет время съёмки по положению теней.
• Wikimapia и OpenStreetMap. Подписи объектов и контекст.
• Mapillary и Street View. Наземная сверка того, что вы увидели сверху.
• Обратный поиск изображений и EXIF. Проверка сопутствующих фото и видео.

Методика в пять шагов

1. Цель. Сформулируйте гипотезу: «здесь построили объект между июлем и октябрём», а не «посмотрю, что там».
2. Сбор. Возьмите снимки за несколько дат из разных источников. Один источник ничего не доказывает.
3. Анализ изменений. Сравнивайте до и после. Ищите новые дороги, техника, котлованы, выгоревшие участки, изменение береговой линии.
4. Хронолокация. Тени, состояние растительности, снег и уровень воды дают время съёмки. Проверяйте это в SunCalc.
5. Верификация и документирование. Перекрёстно проверяйте данные и фиксируйте источник, время сбора и методы, чтобы результат можно было воспроизвести. Одна находка – ещё не истина.

Типичные ошибки

• Снимок старее, чем вы думаете. На картографических сервисах он может быть многомесячным. Всегда смотрите дату.
• Тени и дата. Не совпали с заявленным временем – разбирайтесь, а не подгоняйте.
• Облака, ракурс и разрешение. Из-за них «техника» легко превращается в кучу камней.
• Предвзятость подтверждения. Вы ищете доказательства своей версии и видите их даже там, где их нет.
• Пропущенный контекст. Один снимок без наземных подтверждений (фото, видео, документы) слаб.

Этика и закон

OSINT законен, пока вы не нарушаете границы Уголовного кодекса РФ и не получаете несанкционированный доступ к закрытым системам. Разглядывать чужой забор можно. Использовать результат для слежки за конкретным человеком или для навредивших действий нельзя. Публикуя расследование, взвешивайте риски для людей на снимке и не выдавайте точные координаты объектов, где это может кому-то навредить.

Пример кейса: в материале на Хабре разбирают Мьянму. Таймлапс в EO Browser показывает, как населённые пункты уничтожались, а на их месте возводились новые объекты. Достаточно бесплатной регистрации и двух дат.

Пока новички тратят часы на вычитывание постов и поиск компромата в комментариях, профессионалы смотрят на топологию сети. Контент профиля можно подделать, вычистить или заполнить дезинформацией, но топологическую структуру связей скрыть практически невозможно.

Геометрия связей и скрытые кластеры

Социальный граф представляет собой математическую модель, где аккаунты выступают вершинами (nodes), а любые взаимодействия – ребрами (edges). Взаимные подписки, репосты, реакции и совместные отметки создают устойчивые кластеры, отражающие реальное социальное окружение человека.

Даже если объект расследования ведет абсолютно пустой профиль с вымышленным именем, его окружение работает как распределенный маяк. Анализ пересечений общих друзей и алгоритмы кластеризации мгновенно вычисляют место работы, географическую локацию и сферу интересов анонима.

Математические метрики сетевого влияния

В форензике и OSINT анализ графов строится на вычислении центральности узлов (centrality metrics), а не на субъективных догадках.

• Степень узла (Degree Centrality) отражает базовое количество прямых связей и позволяет выявить ключевых координаторов сети.
• Посредничество (Betweenness Centrality) определяет «мосты» между изолированными сообществами – именно эти узлы чаще всего оказываются связными или дропами.
• Близость (Closeness Centrality) показывает, насколько быстро информация или команда распространяется от конкретного аккаунта по всей структуре.

Косвенные следы и темные ребра

Аналитики обращают внимание не только на явные подписки, но и на скрытые или косвенные взаимодействия. Совместное нахождение в закрытых чатах, синхронная активность в ночное время и паттерны финансовых переводов в P2P-каналах создают устойчивый поведенческий отпечаток.

Специфический тайминг реакций позволяет выявить фермы ботов и координированные сетки влияния. Когда сотня аккаунтов репостит сообщение с дельтой в пару секунд или синхронно комментирует заданные целевые страницы, граф демонстрирует аномальную плотность, не свойственную живому органическому общению.

Практические правила для исследователя

Не стройте гипотезы на основе одного изолированного профиля, пока не выгрузили граф связей второго и третьего порядка, я серьезно. Настоящие улики лежат не на витрине аккаунта, а в узлах, через которые циркулирует трафик.

• Используйте специализированные инструменты визуализации графов вроде Gephi или Maltego для фильтрации информационного шума.
• Исключайте из анализа «селебрити-узлы» с миллионным охватом, которые лишь размывают кластеры и искажают метрику расстояния.
• Сопоставляйте срезы графа во времени (temporal graphs), чтобы отследить момент появления новых контактов накануне инцидента.