Masarykova univerzita Právnická fakulta Ústav práva a technologií

Masarykova univerzita Právnická fakulta Ústav práva a technologií

Diplomová práce Použití pokročilých informačních technologií v justici Petr Navrátil

Akademický rok 2014/2015

"Prohlašuji, že jsem diplomovou práci na téma: Použití pokročilých informačních technologií v justici zpracoval sám. Veškeré prameny a zdroje informací, které jsem použil/a k sepsání této práce, byly citovány v poznámkách pod čarou a jsou uvedeny v seznamu použitých pramenů a literatury." _________________________

1

Rád bych poděkoval vedoucímu práce panu doc. JUDr. Radimu Polčákovi Ph.D. za pomoc a cenné rady při zpracování diplomové práce. Dále bych chtěl poděkovat rodičům za podporu při studiu.

2

ABSTRAKT Diplomová práce na téma Použití pokročilých informačních technologií v justici se zabývá možnostmi, které nejmodernější technologie mohou justici přinést. Zároveň je v práci pojednáváno o právních problémech spojených s reálným nasazením těchto technologií v justici. Konkrétními technologiemi, jejichž možnost nasazení v justici je popisována, jsou technologie neuronových sítí, technologie Big data, technologie pro podporu rozhodování a argumentace a technologie pro získávání dat z informačních systémů. ABSTRACT The subject of this thesis "The use of advanced information technologies in the judicial system" is to determine the possibilities that can arise from using modern technologies in judicial system. The thesis focuses on legal problems connected with modern technologies application. Specific technologies and its use, described in the thesis, are neural networks technology, Big data technology, technology to support decision-making and reasoning and technology for extracting data from information systems. KLÍČOVÁ SLOVA Justice, Technologie neuronových sítí, technologie Big data, technologie pro podporu rozhodování a argumentace, informační systém, právo na soukromí KEY WORDS Justice, neural netwoks technology, Big data technology, technology to support decision-making and reasoning, information system

3

OBSAH 1

VÝČET TECHNOLOGIÍ POUŢITELNÝCH V JUSTICI

2

NEURONOVÉ SÍTĚ

9 10

2.1 Technický základ

10

2.2 Praktické uţití

10

2.3 Vyuţití neuronových sítí v justici

11

2.4 Technologie neuronových sítí předpovídající trestnou činnost obecně 12 2.5 Neuronové sítě jako nástroj pro odhalování trestné činnosti

15

2.6 Neuronové sítě jako nástroj při hodnocení důkazů

16

2.7 Technologie pro vyhledávání judikatury

17

3

VYUŢITÍ TECHNOLOGIÍ PRO ZPRACOVÁNÍ VELKÝCH

OBJEMŮ DAT V JUSTICI

18

3.1 Technologie pro zpracování velkých objemů dat

18

3.2 Úloţiště dat jako zdroj informací v trestním řízení

20

3.3 Vyhodnocování chování uţivatelů sociálních sítí

22

3.4 Crowd control

26

4

TECHNOLOGIE PRO PODPORU ROZHODOVÁNÍ A

ARGUMENTACE

28

4.1 Uvedení do problematiky

28

4.2 Inteligent decision support system

30

4.3 Neuronové sítě jako systém pro podporu rozhodování

32

4.4 Fuzzy logika

34

4.5 Big data jako jako nástroj pro podporu rozhodnutí

35

5

37

ZÍSKÁVÁNÍ DAT Z INFORMAČNÍCH SYSTÉMŮ

4

5.1 Informační systém

37

5.2 Moţnosti získávání dat z informačních systémů

37

5.3 Komplexní informační systém

40

5.4 Dolování dat z informačních systémů.

43

6

ZVLÁŠTNÍ ČÁST – APLIKACE TECHNOLOGIE BIG DATA

V PŘÍPRAVNÉM ŘÍZENÍ TRESTNÍM

44

6.1 Výběr technologie

46

6.2 Vyhledání dat v externích zdrojích a moţnosti jejich uţití

48

6.3 Návrh legislativní úpravy

53

5

Seznam zkratek: ICT

Informační a komunikační technologie

TŘ

Zákon č.141/1961 Sb.o trestním řízení soudním

ZoEK Zákon o elektronických komunikacích a o změně některých souvisejících zákonů

6

Úvod Diplomová práce se zabývá tématem použití pokročilých informačních technologií v justici. Téma spadá z části do jednoho z nejdynamičtěji se rozvíjejících právních odvětví a to do práva informačních a komunikačních technologií. Práce je zaměřena na možné využití pokročilých informačních a komunikačních technologií justičních orgánů pro svou činnost, přičemž pozornost je zaměřena především na činnost justice v trestním řízení. Práce nemá za cíl popsat informační a komunikační technologie, které justiční orgány již užívají, ale v rámci reflexe neustálého vývoje ICT se v práci pojednává o moderních ICT, které se v rámci justice České republiky zatím používají pouze částečně nebo se nepoužívají vůbec. Jejich užívání by však mohla do justice přinést větší efektivitu práce, urychlení komunikace a lepší práci s daty. Využití informačních technologií v justici je aktuální téma zejména z důvodu zmíněného velkého pokroku ICT a změny sociální interakce a života ve společnosti v důsledku tohoto vývoje, který v oblasti ICT zažíváme. Justice jako nedílná součást státní moci se musí snažit na tento pokrok pružně reagovat a v důsledku toho se může měnit právo jako takové. Cílem práce je ukázat možnosti zařazení moderních technologií do běžné činnosti justičních orgánů, tak aby se staly přínosem po stránce funkčně technologické. Informační a komunikační technologie a jejich vývoj zmenšují oblast soukromí každé osoby více či méně, i když z velké části nejenže k tomu dáváme souhlas, ale aktivně se na narušování našeho soukromí podílíme. Dalším z cílů práce je vyhodnotit, jak velký zásah do práva na soukromí osob by užívání moderních ICT byl, jaký rámec používání ICT státem dává současná právní úprava a poté diskutovat, zda by právo na soukromí mělo či nemělo ustoupit vývoji moderních ICT. I přes vývoj ICT a práva ICT je prozatím toto konkrétní téma řešeno velmi málo. Troufám si tvrdit, že nebýt Ústavu práva a technologií na Právnické fakultě Masarykovy univerzity, je zájem o téma v České republice mizivý. V rámci Evropské unie výraznější posun zaznamenala justice v tomto ohledu zejména

7

v Holandsku. Tématem se pak již desetiletí zabývají odborníci na právních ústavech ve Spojených státech amerických. Z tohoto vyplývá i dostupnost zdrojů pro zpracování takového tématu. Zdroje jsou rozděleny do tří okruhů dle zaměření. Za prvé to jsou publikace z oboru informačních a komunikačních technologií. Užitečnými zdroji jsou samozřejmě znění zákonů. Dostupnost odborných publikací reflektuje myšlenku o velikosti zájmu o téma u nás, v EU a v USA. Užitečnými zdroji pro práci jsou zejména odborné články z USA dostupné v časopiseckých databázích. Práce je rozdělena do dvou částí. V části obecné jsou představeny čtyři druhy moderních ICT a u každé je popsán technologický základ, možná použitelnost v justici a případné právní problémy se zavedením technologie spojené. Jedná se o technologie neuronových sítí, technologie pro zpracování velkých objemů dat, technologie pro podporu rozhodování a argumentace a technologie pro získávání dat z informačních systémů. V části zvláštní je provedena simulace užití technologie pro zpracování velkých objemů dat a technologií pro dolování a analýzu dat v trestním řízení vedeného dle platných právních předpisů. Tato aplikace poukazuje na právní překážky takového užití na straně jedné a na zásah do práva na soukromí v důsledku použití technologie na straně druhé. Výsledkem je návrh úpravy trestního řádu na základě provedené simulace a následná úvaha nad střetem distributivních práv jednotlivce a nedistributivních práv společnosti. V závěru tohoto úvodu k práci považuji za nutné upozornit, že technologické aspekty jsou omezeny na nutné minimum a práce se věnuje samotné aplikaci technologií, nikoliv jejich vývoji. Jsem si vědom, že práce nepokrývá mnoho dalších možností, jak ICT v justici využít, když jedním z důvodů je ono zaměření na činnost orgánů činných v trestním řízení a také fakt, že některá témata by pokryla rozsahem celou odbornou práci, jako například technologie, které umožňují online řešení sporů. Tématem budoucnosti je pak použitelnost technologií brain-computer interfaces v justici a jejich dopad na justiční systém nebo využití dronů v justici.

8

1

Výčet technologií použitelných v justici Fungování justice bez ICT už nelze představit. Informačních technologií je

využíváno pro vnitřní správu a administrativní činnost prostřednictvím interních sítí a informačních systémů, pro elektronickou komunikaci prostřednictvím epodatelen, datových schránek, videokonferencí a dalších. Technologie využívají orgány činné v trestním řízení pro odhalování trestných činů a pro zajištění bezpečnosti. Svět informačních technologií ale nabízí mnohem více možností, kterých může justice využít a svoje portfolio využívání ICT rozšířit. Nad problémem se zamýšleli odborníci v Nizozemsku, kde dospěli k názoru, že využití, pokud by justice více využívala moderních technologií, stala by se stabilnější, rychlejší plodila by méně administrativních chyb.1 Příkladem takového komplexního zmodernizování je myšlenka o zřízení jednotného datového skladu justiční orgánů propojený s daty finanční správy a správy lidských zdrojů.2 Pro uskutečnění plánu je zapotřebí využít moderních technologií pro zpracování velkých objemů dat, společně s analytickými programy, které data třídí. Vybudování datového skladu a zajištění jednoduchého přístupu k informacím pak souvisí se systémem integrovaným procesním systémem, který zajišťuje výměnu informací mezi orgány pouze elektronicky. Toto komplexní užití technologií ve velké míře mění systém justice, což nemusí být vždy žádoucím výsledkem. Informační a komunikační technologie obecně užíváme ke komunikaci, k usnadnění práce, získávání informací, k jejich uchovávání a práci s nimi. Tyto stejné základní funkce mohou plnit moderní informační a komunikační technologie i v justici. Mezi základní výčet moderních ICT, které jsou použitelné v justici, řadím moderní technologie neuronových sítí, které dokážou predikovat a jejich struktura je síti neuronů v lidském mozku, dále technologie Big data, které jsou využitelné 1

SCHMIDT, Aernout. IT and the judiciary in the Netherlands – A state of affairs. computer law & security report [online]. 2007, s. 453-460 [cit. 6.4.2015]. Dostupné z: https://openaccess.leidenuniv.nl/bitstream/handle/1887/12424/CLSR-article+(2).pdf?sequence=3 2 tamtéž

9

jak pro zpracování a uchování velkých objemů dat, tak ve spojení s dataminingovými technologiemi pro jejich vyhledávání. S daty se pracuje také v informačních systémech, jež jsou využívány v justici již delší čas. Při kulminaci nejrůznějších informačních systému vyvstává otázka, jak nejjednodušeji z nich získat potřebná data. Neuronové sítě společně s některými dalšími technologiemi patří do skupiny technologií pro podporu rozhodování a argumentace. 2

Neuronové sítě

2.1 Technický základ Neuronové sítě vycházejí z podobnosti s biologickým nervovým systémem. Základní stavební prvky neuronové soustavy a především mozku tvoří neurony. Jsou to živé buňky, které slouží ke sběru, uchovávání, zpracování a přenosu informací. Každý neuron se skládá z těla (somy), do kterého přicházejí informace po vstupních větvích (dentritech) a ze kterého informace vystupují po jediném výstupu(axonu). 3Hlavní předností neuronové sítě je schopnost učit se, tedy zapamatovat si kombinace, které vedly k požadovanému výstupu a u nových vstupů se potom obracet na „svou“ paměť a na základě zkušeností odhadovat nový výsledek. V tomto případě mluvíme o generalizaci (zevšeobecňování), která je další velkou předností algoritmu neuronových sítí. Zjednodušeně řečeno, jde o přiměřenou dovednost správně zareagovat i na vstupy, které nebyly součástí trénovacích dat, a vyvodit z nich obecné závěry o datech. Schopnost učit se bývá někdy dokonce považována za definici umělé inteligence4.

2.2 Praktické užití Využití neuronové sítě v analýze dat má smysl všude tam, kde selhávají „klasické“ modely jako například regrese. Neuronové sítě mají někdy až 3

BURIAN, Pavel. Internet inteligentních aktivit. 1. vyd. Brno: Nakladatelství GRADA PUBLISHING, a.s., 2014, 336 s. ISBN 978-80-247-5137-5. 4 Úvod do neuronových sítí. Statsoft.cz [online]. [13.1.2015]. Dostupné z: http://www.statsoft.cz/file1/PDF/newsletter/2013_02_05_StatSoft_Neuronove_site_linky.pdf

10

pozoruhodnou schopnost extrahovat pravidla a trendy z komplikovaných průběhů v datech. Další vlastností je, při správné aplikaci, schopnost velmi přesně předpovědět údaje, které nebyly součástí trénovacích dat, tedy schopnost zobecňovat.

5

Velmi časté je využití v marketingu, bankovnictví, v medicíně a

průmyslu.

2.3 Využití neuronových sítí v justici Technologie neuronových sítí může mít v justici využití ve více směrech. Je využitelná jako jedna z technik dolování dat při hledání faktů a důkazů při vyšetřování konkrétního trestného činu. Umíme si i představit technologie neuronových sítí coby nástroj, jenž pomáhá při odhalování trestné činnosti, dřív než by k ní došlo. Nemusí být ale nasazena pouze pro konkrétní trestnou činnost. Technologie neuronových sítí by byla schopná díky svým funkcím odhadnout zvýšení výskytu trestné činnosti v čase a místě. V neposlední řadě je to nástroj, který by mohl nejrůznějším justičním orgánům pomoci při rozhodování.6 Ve vzdálené budoucnosti si můžeme představit rozsáhlé neuronové sítě jako nástroj, který díky svým schopnostem učit se a pamatovat si předchozí vstupy a výstupy a jejich vztah, sám rozhodne např. bagatelní majetkový spor. Využívat neuronové sítě nemusí justiční orgány pouze pro objasnění skutečností, ale mohou být užity jako pomocné nástroje usnadňující práci, což vede k žádoucímu urychlení výkonu justičních orgánů. V následujících podkapitolách se uvedeným možnostem užití budeme věnovat podrobněji.

5

Úvod do neuronových sítí. Statsoft.cz [online]. [13.1.2015]. Dostupné z: http://www.statsoft.cz/file1/PDF/newsletter/2013_02_05_StatSoft_Neuronove_site_linky.pdf 6 o využití neuronových sítí jako technologie pro rozhodování viz kapitola 4.3

11

2.4 Technologie neuronových sítí předpovídající trestnou činnost obecně Tato funkce je spojena s dolováním dat a technologiemi pro zpracování velkých objemů dat. Jako vstupy do neuronových sítí budou užita data získaná při zpracovávání dat z velkých úložišť. Zpracovatel přidá dle charakteristiky datům váhy, podle cíle výzkumu. Neuronové sítě patří do oblasti umělé inteligence. Jako takové mohou pomoci při rozhodování. Neuronové sítě představují moderní prvek pro řešení problémů z mnoha vědních oborů.7 Ve zdrojích z oboru informatiky (pozn.) je popsáno dalekosáhle, jak přesně neuronové sítě pracují a jak s nimi nakládat. Cílem je přijít na způsob využití pro právo a justici. Základním termínem u neuronových sítí je predikce. Předpokládáme stav či jev a pomocí neuronových sítí se snažíme ověřit, za jakých okolností nastane nebo zda vůbec nastane. Predikce má svojí metodologii: Je nutné se seznámit se vznikem dat, která budeme pro predikci užívat. Správně vybrat vstupní údaje pro predikci a poté je matematicky ohodnotit. Pro vytvoření prediktivního modelu je důležitá volba dat. Data mohou být interního nebo externího původu. Pro justiční orgány interní zdroje znamenají data získaná jejich běžnou činností a zpracovávaná pro jejich činnost. Jak je výše popsáno, v budoucnu by i stát mohl pro tyto účely zpracovávat velké objemy dat. Externí zdroje jsou data z jiných než vlastních zdrojů justice jako internet, data zpracovaná expertními společnostmi. Obecně lze říci, že model je jen tak kvalitní a relevantní, jak kvalitní jsou jeho zdrojová data. Tato skutečnost ovlivňuje důvěryhodnost predikce. V tomto případě bude cílem výzkumu zjistit možnost předpovědi zvýšení trestné činnosti v určité oblasti a období, kdy to nastane. Prediktivní analýzy byly a jsou využívány například v medicíně při odhadech výskytů virových onemocnění a rizik epidemie. Pokud konečným výstupem z neuronové sítě má být oblast neboli určité území, ať už území některého státu nebo jinak ohraničené 7

PETRUCHA, Jindřich. Využití neuronových sítí v rozhodovacích procesech: (monografie). 1. vyd. Kunovice: Evropský polytechnický institut, 2008, 124 s. ISBN 978-80-7314-157-8.

12

území, musí data na vstupu pocházet z celého zkoumaného území. Například zjišťujeme, kde v Evropské unii je větší pravděpodobnost zvýšení trestné činnosti, data tedy musí pocházet z celé EU. Pokud si ale dáme za cíl určit zvýšení trestné činnosti kdekoliv na světě, musí tato data tedy pocházet z celého světa. Po vzoru výše zmíněné medicínské praxe, kde se dopředu odhalovala epidemie nemoci H1N1 můžeme uvažovat o užití dat zpracovaných americkou společností Google.8 Ani jeho pokrytí však není úplně celosvětové, ale není moc jiných možností jak taková data získat. Odborníci snažící se předpovědět epidemii chřipky užili jako vstupní data nejčastěji vyhledávané termíny, které mají spojitost s chřipkou jako např. lék na kašel.9 Jelikož Google zpracovává tyto informace, mohli bychom analogicky využít jeho data pro předpovídání zvýšení trestné činnosti v určitém místě a čase. Jako vstupy by byla využita data obsahující často vyhledávaná slovní spojení, která by s trestnou činností různého druhu mohla mít spojitost. Tato budou označena váhami. Jednotlivé neurony poté svým výstupům určí váhy samy. Jako data by nebyla použita pouze vyhledávaná slovní spojení, ale i různé statistické údaje, jako nezaměstnanost, kupní síla, spokojenost obyvatel. Nejprve by se provedl test neuronové sítě založený na datech z určitého období v minulosti. Pro tento test by se mohla užít data pořízená z oblasti známé vysokou kriminalitou. Neuronová síť by měla být schopna určit kombinaci údajů a dat, při které v minulosti došlo ke zvýšení trestné činnosti. Na základě toho by mohl být vytvořen program, který by uměl vyhodnotit, že tato situace nastala a že do určité doby by se v daném místě měla trestná činnost zvýšit. Potom by například stát, na jehož území toto nebezpečí hrozí, mohl efektivněji zasáhnout, případně se na situaci připravit, či jí dokonce předejít. Tato představa se ale potýká s celou řadou překážek. Program, aby uměl podat kýžené informace včas, by musel být napojen online na internetovou síť, 8

B MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big data. 1. vyd. Brno: Nakladatelství COMPUTER PRESS, a.s., 2014, 256 s. ISBN 978-80-251-44119-9. 9 MAYER-SCHÖNBERGER, 2014, op. cit., s. 256

13

čímž by byl zásobován vstupními daty, jež by vyhodnocoval. Pokud by neuronová síť podle své paměti vyhodnotila kombinaci, která byla dříve vyhodnocena jako riziková, mohlo by se v dané oblasti začít jednat. Nelze odhadovat, zda by s takovým online napojením například zrovna společnost

Google souhlasila.

Výrazně by to mohlo snížit její důvěryhodnost, hrozil by tak odliv uživatelů, zájemců o reklamu a následný pokles zisku. Pokud by držitelé moci o takovém preventivním užití neuronových sítí uvažovali, museli by provést opatření zavedením povinnosti těchto společností poskytovat součinnost při prevenci před trestnou činností. Pro oficiální využití je také nutný společný konsens mezi státy na vysoké úrovni. Jednorázový výzkum či test, zda takový program vyvinout lze, může provést kdokoliv.

14

2.5 Neuronové sítě jako nástroj pro odhalování trestné činnosti Na stejném principu jako v předchozí podkapitole by mohl fungovat program, který odhaluje nebo lépe řečeno upozorňuje orgány činné v trestním řízení na existující trestnou činnost. Samozřejmě tato schopnost by byla omezena na určitý charakter trestné činnosti. Sem by patřily hackerské útoky prostřednictvím sítě, plagiátorství, ale i výroba a jiné nakládání s dětskou pornografií a navazování nedovolených kontaktů s dítětem. Program, který by predikoval trestnou činnost při dosažení určitého výstupu z neuronové sítě. Jde o využití schopnosti sítě předpovídat. Zde by byla využita data z konkrétního úložiště. Takovým úložištěm by mohla být cloudová úložiště různých poskytovatelů. Jednou za určitý čas by přednastavený program zkontroloval cloudy všech uživatelů a pokud by byl výstup dle vzoru znepokojivý, bylo by možné do úložiště nahlédnout Samozřejmě zde narážíme na základní práva lidská práva a svobody. V článku 7 Listiny základních práv a svobod je stanoveno, že „nedotknutelnost osoby a jejího soukromí je zaručena.“10 Zásah státu do soukromého prostředí bez právního důvodu, a aniž by to bylo v souladu se zákonem, by znamenal porušení citovaného základního práva. Omezení soukromí může nastat jen v případech stanovených zákonem. Zákon upravující toto opatření by obsahoval povinnost poskytovatelů těchto internetových služeb poskytnout data k prozkoumání. Právní norma, která by zaváděla povinnost poskytovatelů služeb, jako jsou například cloudová úložiště musí být v souladu mimo jiné s LZPS. Řešením tedy je povinnost státu zaručit, že stažená data nebudou odkódována bez právního důvodu a na základě přísných procesních pravidel. Vzhledem k tomu, že velká většina těchto poskytovatelů jsou zahraniční společnosti, není prakticky možné, aby takové opatření učinil jeden stát v rámci své jurisdikce. Ke konsensu by 10

čl. 7 odst. 1 usnesení předsednictva České národní rady o vyhlášení Listiny základních práv a svobod jako součásti ústavního pořádku České republiky ve znění ústavního zákona č. 162/1998 Sb. In: CODEXIS ACADEMIA [právní informační systém]. ATLAS consulting [vid. 16.2.2015].

15

muselo dojít např. alespoň na úrovni Evropské unie. Program by ovšem obsah úložišť neukazoval. Možnost prozkoumat obsah by např. policie měla až na základě výsledku z neuronové sítě, která ho vydá na základě vstupů v podobě získaných dat a své schopnosti predikovat. Rozhodnutí o nahlédnutí do obsahu úložiště by musel učinit soudce. Je pak ale pouze na vyšetřovateli, jak výsledek zhodnotí. Sama technologie toto zhodnotit nedokáže, pouze nám předloží doporučení určitá data hodnotit. Pokud by obsah byl nevhodný a například obsahoval fotografie s dětskou pornografií, mohl by to být důvod k zahájení trestního stíhání a to na základě upozornění programu na bázi neuronových sítí. Je nepochybné, že nasazení technologie neuronových sítí k takové průběžné kontrole by vyvolalo velké diskuse. V cloudech se nacházejí citlivá data a osobní údaje fyzických osob a mnohdy zde můžeme nalézt i důležitá data společností. Z tohoto důvodu by musel být program vytvořený a nastavený způsobem, který by znemožnil komukoliv obsah osobních úložišť zjistit. Na druhé straně stojí veřejný zájem a ochrana společnosti. Tato technologie by mohla být schopná pomoci překazit chystající se trestnou činnost nebo již probíhající odhalit. I když tušíme, že tajné služby ve světě v boji proti terorismu podobné technologie nasazují, bude popsaná opatření prosadit do oficiální podoby velmi obtížné.

2.6 Neuronové sítě jako nástroj při hodnocení důkazů Odlišná situace by nastala v případě, kdy kriminalisté vyšetřují konkrétní čin a k uvažování nad získanými stopami užijí technologie neuronových sítí. Neuronová síť by pracovala se stopami, s daty získanými policií, jako přepisy odposlechů, data z cloudových úložišť, ale i přepsanými výslechy, komunikací na sociálních sítích, u právnických osob by to mohla být i data získaná z interních informačních systémů. Souvislosti, které člověk nemůže mít v paměti a jejich analýza mu tedy zabere velké množství času, dokáže neuronová síť vyhodnotit mnohem rychleji. Dovedeme si představit situaci, kdy v zajištěné komunikaci nalezne velké množství, jež užívá teroristická nebo jiná zločinecká

16

organizace. Vyšetřovatele tedy navede k prošetření takové skutečnosti. Zde se jedná spíše o kriminalistickou techniku.

2.7 Technologie pro vyhledávání judikatury Judikatura nabývá v soudní praxi stále většího významu. Je přirozené, že rozhodnutí soudů a soubor všech rozhodnutí je značně rozsáhlé. Je dokonce tak rozsáhlé, že je pro osobu hledající pro svůj problém relevantní soudní rozhodnutí mnohdy velmi obtížné ho vyhledat. Má možnost se podívat do sbírky soudních rozhodnutí a stanovisek, hledat v právních informačních systémech jako ASPI, CODEXIS a dalších nebo hledat na internetu.11,12Pokud ale právník, ať už řeší právní problém v jakékoli právní profesi a chce pomoci judikaturou, neví, zda už nějaké takové rozhodnutí bylo vydáno a ani se mu nejedná o výklad konkrétního ustanovení, musí si vyhradit někdy i pár hodin a hledat ve změti soudních rozhodnutí publikovaných ve výše uvedených zdrojích. Tento problém by zčásti mohla vyřešit technologie, jež na základě podkladů, které má hledající k dispozici, nabídne soudní rozhodnutí, která by mohla být relevantní. Předpokladem je datový sklad, jenž by obsahoval veškerá vydaná soudní rozhodnutí. Soudy by tedy měly povinnost a zároveň i starost navíc svoje rozhodnutí elektronicky ukládat za účelem možnosti vyhledání rozhodnutí. Technologie na bázi neuronových sítí by hodnotila informace uložené v takovém skladu a hledala možnou shodu mezi podklady a texty rozhodnutí. Technologie by se sama zdokonalovala díky schopnosti se učit. To znamená, že při každém novém obdobném hledání by relevantní judikát našla mnohem rychleji. Využitelná by tato technologie mohla být opět zejména v soudnictví. Výhodou také je, že na rozdíl od výše zmiňovaných využití, by se v tomto případě nemuselo překonávat tolik zásadních právních problémů. Pro aplikaci tohoto nápadu by nejtěžší překážkou bylo zavedení povinnosti ukládat soudní 11

Např. www.nsoud.cz relativně jednoduchá je záležitost, pokud hledáme konkrétní rozhodnutí dle spisové značky nebo ve zmíněných právních systémech rozhodnutí ke konkrétnímu ustanovení zákona 12

17

rozhodnutí. Problém by zde byl i technologický, jelikož samotný charakter funkce této technologie předpokládá, že výsledný program by musel být na vysoké technické úrovni. 3

Využití technologií pro zpracování velkých objemů dat v justici

3.1 Technologie pro zpracování velkých objemů dat Technologie pro zpracování velkých objemů dat neboli Big data budou v justici velmi užitečná. Každý den se kypí obrovské množství dat, ať už v počítačových sítích nebo na internetu. Například Twitter během roku 2011 zaznamenal v průměru více jak 200 milionů uživatelských příspěvků na den. Ve stejném časovém období Facebook generoval denně přes 130 terabajtů.13 Osoby napříč justicí mohou naleznout v těchto datech své důležité informace. Mohou to být orgány činné v trestním řízení, soudy v civilním soudnictví, soudní exekutoři, ale také advokáti i jiní právníci. Problém spočívá ve faktu, že většina z těchto osob zpracovat velké objemy dat a následně s nimi pracovat neumí. Technologie Big data jsou poměrně složité a vyžadují vysokou IT odbornost. Řešením tedy může být propojení světů práva a informačních a komunikačních technologií. Odborníci na informační technologie by pomáhali justičním orgánům, což se již určitou dobu v nepatrném množství děje. Je však žádoucí, aby se tato spolupráce posunula na vyšší úroveň, která by reflektovala vývoj informačních technologií. Je několik okruhů využití Big data v justici. Za prvé by se jednalo o využití v procesech trestního práva. V objemech dat by se daly nalézt poznatky, fakta důležitá pro trestní řízení a vyšetřování. Umíme si představit i vyhledávání elektronických důkazů.

13

Big data: na velké objemy dat musíme jinak. zive.cz [online]. Mladá fronta, publikováno 18. 2. 2013 2013 [cit. 25. 6. 2013]. Dostupné z: http://www.zive.cz/clanky/big-data-na-velke-objemy-dat-musime-jinak/sc-3-a167624/default.aspx#utm_medium=selfpromo&utm_source=zive&utm_campaign=copylink

18

Podobný způsob využití technologie Big data je preventivní. Zpracovaná data poskytnou pomocí systému důležité informace o nebezpečí. Jako příklad poslouží technologie crowdcontrol, kdy technologie zjišťuje údaje o lidech z různých zdrojů dat a příslušné osoby nebo dokonce sám systém vyhodnotí, zda je dav nebezpečný jako celek nebo naopak nehrozí nebezpečí shromážděnému davu zevnitř. V některých jurisdikcích v USA zkoumána možnost využití prediktivní analýzy s ohledem na správné nasazení síly na základě předpovědi kdo spáchá trestný čin a kde14 Toto využití je prozatím zkoumáno v malém měřítku zejména ve zmíněných Spojených státech amerických, ale i v Austrálii, kde věří, že pokud bude výzkum úspěšný, mohou technologie Big data snížit národní bezpečnostní hrozby.15 V soukromém právu, civilním a obchodním soudnictví musí strany svá tvrzení podložit důkazy. Za určitých okolností by i soudu pomohlo, kdyby sám dokázal údaje získávat. Strany i soud by mohly čerpat z velkých objemů dat. Komunikace se dnes už z velké většiny odehrává na síti a právě komunikace je v soukromých sporech mnohdy důležitá, ale těžko dohledatelná. A právě data zpracovaná ze sítí a dolování v nich by mohla poskytnout tyto důležité informace důkazy. Exekutoři, aby mohli efektivně vykonávat svojí práci, potřebují o povinných a jejich majetku velké množství informací. Dnes existují postupy, jak zjistit bankovní účty, movité a nemovité věci. Vyspělá technologie, která by na povinného dokázala zjistit více informací a hlavně rychleji by jim jistě pomohla. Sama justice vyprodukuje denně velké množství dat. Děje se to v podobě komunikace orgánů, vydávání rozhodnutí a zaznamenávání údajů do interních informačních systémů. Tato data se dají nazvat jako velké množství dat vyprodukovaných justicí. Využití technologie Big data by v tomto případě

14

CHAN, Janet, MOSES, Lyria Bennet. Using Big data for legal and law enforcement decisions. UNSW Law Journal [online]. Oct 2014, vol. 37, iss. 2 [cit. 20. 2. 2015]. ISSN 0313-0096. Dostupné z Heinonline.org 15 tamtéž

19

pomohlo tato data zpracovávat, aby se s nimi následně lépe pracovalo. Cílem by bylo justiční systém zrychlit a zefektivnit.

3.2 Úložiště dat jako zdroj informací v trestním řízení V současné době, mříž technologií zprostředkovává naše interakce se světem, nahrává se automaticky to, co kupujeme, kam jdeme, podrobnosti o našem zdraví a co říkáme.16 Zatímco se tyto informace čile využívají pro komerční a obchodní účely, dále také v medicíně, v justici takové rozsáhle využití zatím neevidujeme a v justičním systému v České republice jsme teprve na počátku. Pro příklad nevyspělosti ve znalosti technologií zpracování velkých objemů dat nemusíme pátrat dlouho. Společnost Google

v roce 2007 zahájil v USA

vylepšení svých map a takzvané Street View. Street View je další funkcí na Mapách Google a uživatelům poskytuje možnost detailního prohlížení 3D prostředí v podobě panoramatických fotek pořízených na úrovni ulice. Díky tomu mají uživatelé možnost se mnohem lépe a důkladněji seznámit s určitým místem nebo oblastí.17 Google byl podezírán, že při sběru dat pro Street View získával i jiná data než pouze fotografie a mapy. V letech 2008 až 2010, Google tajně shromažďoval data z lokálních Wi-fi z obytných a obchodních přístupových bodů v celém světě. Sbíral také podrobnosti o osobní komunikaci. Následoval počet regulačních vyšetřování tohoto globálního skandálu v oblasti ochrany soukromí. Některé úřady na ochranu soukromí, včetně australského komisaře pro ochranu soukromí, uvalil sankce na Google pro sběr dat pomocí přístrojů v autech, které snímaly okolí. Tyto orgány, které zkoumaly sběr dat z Wi-fi došly k závěru, že Google porušil příslušné zákony o ochraně osobních údajů. Výsledkem je, že

16

MATTIOLI, Michael. Disclosing Big data. Minnestotta law review [online]. Feb 2014, vol. 99, [cit. 24. 2. 2015]. Dostupné z Heinonline.org 17

Stránka o Street View pro média: sites.google.com [online]. Google.com [cit. 23.2.2015]. Dostupné z: https://sites.google.com/a/pressatgoogle.com/streetviewcz/faq

20

některé jurisdikce nyní třídí data z wi-fi a osobních údajů, zatímco jiné ne.18 Google byl tedy podezřelý ze sběru dat z wi-fi přípojek. Výrazně by tím porušil právo na ochranu soukromí. Vyšetřovatelé chtěli po Google data, aby podezření vyšetřila, jenže auta snímající ulice po celém světě by takovou činností posbírala obrovské množství dat. Pokud by vyšetřovatelé chtěli v těchto datech vyhledat důkazy o porušení zákona, museli by je umět zpracovat pomocí technologií, tak jako to například umí sám Google. Potenciál získávání důkazů o trestném činu pomocí technologií big data zřejmě existuje. Za prvé by se jednalo o odhalování nedovoleného porušování osobní svobody a soukromí při sběru dat, za druhé o odhalování různých druhů trestné činnosti, přičemž by byla data zpracovávána do datových skladů a následně byly dolovány potřebné informace. Pokud má policie podezření, že dochází k porušování soukromí a práva na informační sebeurčení, tím že se mohl někdo například dopustit trestného činu porušování tajemství doručovaných zpráv dle § 182 zákona č. 40/2009 Sb. Technologie big data a programy pro dolování dat by v tomto případě byly použity k tomu, aby se zjistilo, zda podezřelá osoba skutečně prohlížela a stahovala soukromá úložiště, data z profilů na sociálních sítích nebo soukromou komunikaci jiných osob. Možný technologický postup a procesně právní problémy s tímto spojené jsou popsány ve zvláštní části této práce. Při odhalování trestného činu by se většinou postupovalo jinak. Policie by si vyžádala u poskytovatele internetu přístup k datům a za pomoci technologií by se snažila získat potřebná data a informace. Otázkou je poté opět možnost užití případného takto získaného důkazu. Další možnost je myšlenkou už hodně teoretickou, když by stát zpracovával data za pomoci technologií big data sám. Nikdo jiný by k nim neměl přístup než 18

BURDON, Mark, MCKILLOP, Alissa. The Google Street View Wi-Fi scandal and its repercussions for privacy regulation. Monash University Law Review [online]. Mar 2014, vol. 9, iss: 3 [cit. 3. 3. 2015]. ISSN 0311-3140 1839-3837 Dostupné z Heinonline.org

21

státem určení zpracovatelé a pouze za určitých podmínek by v nich mohla vyhledávat policie a soudy. Toto by značně justičním orgánům pomohlo v jejich práci i v odhalování trestné činnosti, civilním soudům při rozhodování. Ale jak již bylo zmíněno, taková myšlenka je teoretická a nerealizovatelná. Jakkoliv by účel zavedení užívání technologií mohl být uveden jako prospěšný pro zeefiktivnění činnosti justičních orgánů, společnost by oprávněně namítala nemožnost kontrolovat jakákoliv soukromá data státem. Navíc riziko zneužitelnosti by bylo obrovské a datové sklady státu by se stávaly terčem častých kybernetických útoků.

3.3 Vyhodnocování chování uživatelů sociálních sítí O praktické využití technologií big data se starají zejména společnosti pro marketingové a reklamní účely. Růst zájmu o big data můžeme vysledovat zpět do let 2011-2012. Je spojen s nárůstem uživatelů sociálních sítí jako Facebook a Twitter a určitým přelomem ve změně jejich využívání. Zatímco před tímto obdobím byly velké sociální sítě používány spíše jednotlivci ke komunikaci mezi skupinami osob, nejčastěji mezi známými a přáteli, po roce 2010 dochází k velkému rozšíření firemní komunikace skrze tato media. O big datech bychom měli hovořit, pokud například chceme analyzovat pohyb mobilních telefonů po silnicích a v případě vytvoření dopravní zácpy budeme v reálném čase hledat odpověď na to, o jakých tématech si lidé v této situaci vyměňují informace na sociálních sítích. S velkými daty pracujeme tedy dle definice v těch případech, pokud se jedná o data nestrukturovaná, obtížně definovatelná a rychle se měnící v čase. Jaké jsou v současnosti nejčastější big data projekty? Typicky se jedná o analýzy sociálních sítí a dopad na preferenci nákupů jednotlivých značek, práci s daty při sportovních utkáních, od Formule 1 po golf či tenis, identifikaci chování vedoucí ke změně operátora – od aktivity na sociálních sítích přes data o provozu, práce s hovory na různé helpdesky, analýza textů, hledání trendů a naopak propojování informací o potřebách uživatelů z

22

různých prodejních kanálů – poboček, call center, webových stránek firmy. Výčet určitě není úplný. Spíše jde o ilustraci témat, se kterými se v současnosti setkáváme nejčastěji. Je patrné, že se jedná o projekty velkých firem. To je spojeno i s aktuálními nároky na technologii potřebnou ke zpracování takových objemů a typů dat. Pokud se totiž neomezíme jen na pokusy a malé vzorky a chceme pracovat s celou zákaznickou bází, je architektura potřebná k těmto úkolům finančně dost náročná. Nicméně lze očekávat, že se v dalších letech tyto technologie stanou více dostupné i pro menší firmy.19 Výše uvedené způsoby využití by se mohly analogicky přenést do justičního systému. Analytičtí pracovníci by podobně jako zpracovatelé soukromých firem analyzovali

data

a

vyhodnocovali

možné

chování

lidí.

Množství

nestrukturovaných dat by bylo obrovské. Je tedy nezbytné užít takovou technologii, která bude pro takové opatření vhodná. Při zavádění opatření by výběr technologie byl jistě předmětem odborného výzkumu a testování. Pro inspiraci by se dal využít přístup velkých společností zpracovávajících velké objemy dat. Nástrojem pro práci s velkými daty se postupem času stal Hadoop a jeho různé formy.20 Hadoop zvládne všechny typy dat z různých systémů: strukturované, nestrukturované, log soubory, obrázky, zvukové soubory, komunikační záznamy, e-mail – cokoliv na co si vzpomenete, bez ohledu na jeho nativní formát. I když byly skladovány různé typy dat v systémech, které nejsou ve spojení, můžete vše vypsat do Hadoop clusteru bez předchozí nutnosti schématu. Jinými slovy, nemusíte vědět, jaké máte v úmyslu dotazování dříve, než je uložíte.21 Technologie Hadoop má jednu rozhodující výhodu pro naše využití a to pružné skladování. Na rozdíl od tradičních relačních databází, nemusíte se zdržovat předzpracováním 19

SKOKAN, Petr. Big data: Od velkých očekávání k praktickému využití. IT SYSTEMS [online]. CCB spol. s.r.o., 2014 [cit. 15. 1. 2015]. ISSN 1802-615X. Dostupné z: http://www.systemonline.cz/business-intelligence/big-data-od-velkych-ocekavani-k-praktickemuvyuziti.htm 20 tamtéž 21 Hadoop and Big Data. Cloudera.com [online]. Cloudera, Inc. [cit.16. 1. 2015]. Dostupné z: http://www.cloudera.com/content/cloudera/en/about/hadoop-and-big-data.html

23

dat před uložením. A to zahrnuje nestrukturovaná data, jako jsou text, obrázky a videa. Můžete uložit tolik dat, kolik chcete a rozhodnout, jak ji použít později.22 Hadoop se jeví jako vhodný nástroj pro zpracovávání kýžených dat státem. Zůstává však na uvážení odborníků, zda by jeho nepřesnost nebyla velkou závadou. Systém Hadoop neposkytuje stejně přesné výstupy jako relační databáze: nemůžeme mu svěřit vypuštění kosmické lodi ani generování výpisů z bankovních účtů. U mnoha méně kritických úkolů, kde zcela přesnou odpověď nepotřebujeme, však splní svou roli mnohem rychleji než jeho alternativy. Jako příklad můžeme uvést úkoly jako rozdělení zákazníků do segmentů, aby bylo možné některé z nich oslovit ve speciální marketingové kampani. Pomocí systému Hadoop dokázala kartová společnost Visa snížit čas zpracování dvouleté historie testovacích záznamů, která obsahovala přibližně 73 miliard transakcí, z jednoho měsíce za pouhých 13 minut.23 Bylo by tedy otázkou, zda užít rychlý, ale méně přesný Hadoop než například open source konkurent systému MapReduce od společnosti Google. MapReduce je model pro programování a související implementace při zpracování a generování velkých datových souborů. Mnohá témata reálného světa jsou vyjádřitelné v tomto modelu.24 Úlohy prováděné na základě modelu MapReduce jsou prováděny v Googlu každý den.25 Využitelnost pro justici není v tomto případě konkrétní. Tak jako marketingové společnosti za pomoci technologií big data vyhodnocují například, která cílová skupina by mohla mít zájem o koupi produktu nově uvedeného na trh, justice by mohla mít přehled o kriminalitě, o příčinách kriminality, ale také úspěšnost zavedení nějaké zákonné úpravy nebo naopak nutnost nějakou úpravu zákona připravit. Toto samozřejmě není práce justičních, nýbrž zákonodárných orgánů. Justiční orgány ale fungují na základě norem produkovaných 22

Hadoop What i tis and why it matters. sas.com [online]. SAS Institute, Inc. [cit.16. 1. 2015]. Dostupné z: http://www.sas.com/en_us/insights/big-data/hadoop.html 23 MAYER-SCHÖNBERGER, 2014, op. cit., s. 55. 24 DEAN, Jeffrey, GHEMAWAT, Sanjay. MapReduce: Simpli ed Data Processing on Large Clusters. Google.com [online]. [cit. 16. 1. 2015]. Dostupné z : http://static.googleusercontent.com/media/research.google.com/cs//archive/mapreduce-osdi04.pdf 25 tamtéž

24

zákonodárnou mocí, tudíž by takové využití big data mělo vliv na práci justičních orgánů. Do škály preventivní funkce technologie můžeme zařadit i technologii, kterou vyvinul profesor Shigeomi Koshimizu, který pracuje na institutu pokročilých průmyslových technologií v japonském Tokiu a svou kariéru založil na hodnocení lidských pozadí. Jen málokoho by napadlo, že způsob jakým člověk sedí, nese nějakou informaci, ale skutečně tomu tak je. Když se člověk posadí, lze kvantifikovat a analyzovat obrysy těla, postoj a rozložení hmotnosti. Koshimizu se svým týmem techniků získává data o lidském pozadí tak, že pomocí senzorů měří tlak na 360 místech automobilové sedačky a každý bod indexuje na stupnici od nuly do 256. Výsledkem je digitální kód, který je pro každého jednotlivce jedinečný. Při testech dokázal systém rozlišovat osoby s přesností 98 procent.26 Význam pro justiční orgány je takový, že pokud senzory rozpoznají určitou osobu podle pozadí nebo posazení mohou být na určitých veřejných místech senzory umístěny a pokud si sedne osoba, kterou program na základě informací z veledat vyhodnotí jako nebezpečnou, dá znamení ochrance. Velkou překážkou tohoto využití je, že by všem lidem musela být jejich pozadí nahrána a přiřazena osobně do systému. Bez většího zamýšlení je jasné, že tato skutečnost je nereálná. Technologie je ale využitelná pro ochranu soukromých věcí osob. Na vyvíjené technologii má být založen systém ochrany automobilů proti krádežím. Vozidlo vybavené tímto systémem by mohlo rozpoznat, že za volantem sedí někdo jiný než obvyklý řidič, a požádat o zadání hesla, případně vypnout motor.27 Již trestaná osoba by mohla být i identifikována. V případě, že by se jednalo o člověka, který se podílel na více krádežích a uniká spravedlnosti, každé jeho rozpoznané posazení by systém poslal do databáze, snáze by se poté určovala jeho poloha. Další možností je využití za účelem bezpečnosti na pozemních komunikacích. Agregovaná data mohou pomoci odhalit poznatky o vztazích mezi pozicí řidiče a bezpečností jízdy – třeba v případě charakteristických změn polohy před 26 27

MAYER-SCHÖNBERGER, 2014, op. cit., s. 55. MAYER-SCHÖNBERGER, 2014, op. cit., s. 55.

25

nehodami. Systém by také mohl detekovat, že se řidič z únavy poněkud sesunul, a vydat varovný signál či automaticky aktivovat brzdy.28 Veřejné využití by bylo v současné době a blízké budoucnosti velmi drahé, ale není vyloučena využitelnost v budoucnosti vzdálenější, kdy budou takové technologie dostupnější a snáze aplikovatelné. Poté by se mohlo více uvažovat nad užíváním technologie v reálné praxi.

3.4 Crowd control Možnost rozpoznat osobu dle senzorů a za pomocí big data vyhodnotit situaci a provést opatření využívá obdobná technologie jako Koshimizuova. Je nazývána Crowdcontrol. Představa je taková, že v zájmu zajištění bezpečnosti při větších shromážděních nebo stále na frekventovaných místech budou aplikovány senzory, které dokážou rozpoznat osoby, a program vyhledá v datech informace o sobě. Informace jsou nejen o trestní minulosti, ale i o jeho postavení, chování na sociálních sítích. Kontrolní osoba nebo později sám systém vyhodnotí nebezpečí. Systém na této myšlence založený zkoušeli již v nizozemském regionu Twente. Byly užity tři různé nástroje pro sledování, co se děje v reálném čase přímo v centru města Enschede. Twitcident: Program byl vyvinut ve spolupráci s Delft University of Technology, Twitcident je nástroj, který může přes obrovské množství místních tweetů najít informace o mimořádné události, které se dějí. Nástroj zjišťuje, filtruje a analyzuje tweety při masivních veřejných akcích a prezentuje je ve strukturované podobě, takže zasahující jednotky je v případě nouze mohou použít. Twitcident přináší, rychlé a spolehlivé informace o reálné situaci v centru města. Během události Twitcident zpracoval seznam 533 hledaných výrazů, které vyústily v 113,000 různých kombinací, které byly sledovány systémem. Celkem bylo naskenováno kolem 1,1 miliardy tweetů. To mělo za následek 12,000 tweetů, které byly označeny jako podezřelé a ty byly kontrolovány ručně v kontrolní místnosti. Dalším nástrojem byl UrbanShield 28

MAYER-SCHÖNBERGER, 2014, op. cit., s. 55.

26

systém: Tento systém poskytuje v reálném čase přehled o situační povědomí o kompletní ploše ve městě. Tento systém je založen na geografickém informačním systému a používá GPS pro zobrazení v reálném čase polohu všech záchranářů v oblasti. Všichni policisté, hasiči, bezpečnostní město a soukromé bezpečnostní služby, kteří jsou součástí systému, jsou zobrazeni na mapě. Na základě situace, které je zaznamenána pomocí kamery na ulici nebo přes Twitciden, může nejbližší být nejbližší člen upozorněn, a on nebo ona můžou přijmout okamžitá opatření. Nejzajímavějším nástrojem je Bluemark: nástroj, který může počítat dav. Při velkých veřejných akcích, je nutné znát množství lidí na určitém místě, aby zajistily, že není příliš mnoho lidí, na náměstí uprostřed města. Blue Mark umožňuje, pomocí senzorů, sledovat množství lidí, a jak se pohybují po městě pomocí jejich chytrých telefonů. Každý smartphone vysílá digitální podpis v pravidelných intervalech a pomocí Bluetooth nebo WiFi to lze spočítat. Žádné osobní údaje, jako je ID účtu nebo telefonní číslo nebylo odebráno, takže soukromí bylo chráněno. Možné tedy je konkrétní využití, kdy přišla ze systému informace o aktivních kapsářích, kamery je zaměřili, UrbanSheild system upozornil nejbližší hlídku, která zasáhla a vyvedla pachatele ven z davu, aniž by ostatní osoby něco tušili.29 Kontrola a ochrana osob ve shromáždění může být pomocí big data ve spojení se senzory a programy efektivní, rychlá ale i elegantní. Jedná se tedy o kombinované využití dat a technologií.

29

RIJMENAM, Mark;. Crowd Control Management in the Twente Region. Datafloq.com [online]. [cit. 18.1.2015]. Dostupné z: http://db.dk/ pi/iri/files/Ingwarsen_IRI.pdf

27

4

Technologie pro podporu rozhodování a argumentace

4.1 Uvedení do problematiky Justiční orgány a pověřené osoby při výkonu své funkce musí velmi často v různých situacích rozhodovat. Může se jednat přímo o rozhodování o právech a povinnostech osob, tedy o aplikaci práva, jejímž výsledkem bývají různé formy individuálních právních aktů. Orgány se ale nemusejí rozhodovat jen na této vysoké úrovni, ale provádějí i dílčí rozhodnutí, která spadají do postupů vedoucím právě k finálnímu rozhodnutí. U autoritativní aplikace práva musí pověřená osoba postupovat dle norem práva procesního a rozhodnout na základě skutečností dle práva hmotného. Jedná se o proces často velmi zdlouhavý, ale nelze se tomu divit. Justice je zahlcená a logicky pracuje pomaleji než by bylo potřeba. Prvním důvodem proč využít při rozhodování technologie je rychlost a následně šetření času. Často ale také rozhodování na základě určitých skutečností není jednoduché a osoba se nemůže dopátrat jednoznačného výsledku. Technologie by v tomto případě měly být pomocníkem a rádcem. Konečné rozhodnutí samozřejmě musí učinit a řádně odůvodnit pověřená osoba. Technologie pro podporu rozhodování hojně využívají obchodní společnosti ve svých interních procesech. Využívají je pro zrychlení a zeefektivnění své práce, protože ve větších společnostech se děje za den tolik událostí, že je dnes nemyslitelné se bez technologií obejít. Technologie pro podporu rozhodování se mohou užít například pro rozhodnutí kdy uvést produkt na trh, zda konkrétní osobě schválit úvěr nebo zda konkrétní osobu přijmout jako zaměstnance. Velký vliv pak mají technologie na chod managementu. Tyto technologie jsou také využívány v medicíně30. Lze říci, že systémy pro podporu rozhodování označují interaktivní nástroje, které jsou schopny podpořit, nebo naopak odmítnout určité varianty rozhodnutí podle zadaných kritérií. Tyto systémy se staly běžnou 30

Viz. např. CDSS

http://searchhealthit.techtarget.com/definition/clinical-decision-support-system-

28

součástí rozhodovací praxe a uživatelé o nich už ani nepřemýšlejí jako o systémech Decision support systems, ale berou je jako nedílnou součást používaného software ve firmách, odděleních nebo v nejvyšších orgánech různých institucí.31 Mezi využitelné technologie patří technologie neuronových sítí, genetické algoritmy, fuzzy logika, klasifikační stromy, regresní stromy. Vznikly i různé škály technik používané v různém odvětví, které hledají vztahy mezi daty a snaží se odkrývat skryté zákonitosti mezi daty tak, aby mohly podporovat rozhodovací procesy. Těmto technikám se říká v praxi datamining nebo dolování dat. Jejich cílem bylo vytvořit různé modely pro nejrůznější oblasti financí, obchodu, zábavy, cestovního ruchu a mnohých dalších, které dovolují minimalizovat rizika nesprávného rozhodnutí a zdokonalovat řídící procesy firem. 32 Společnosti zabývající se vývojem technologií se již snaží vyvíjet technologie, které zdokonalí dílčí postupy v justici a kriminologii. Společnost Agt International mimo jiné vyvíjí systémy, které zdokonalí práci policistů a rozšíří jejich činnost o schopnosti, které sám člověk nezvládne. Společnost například uvedla systém CityMIND. „Při použití výkonných analytických algoritmů, které automaticky převedou data do inteligentních rozhodovacích systémů a vloží operační odborné znalosti, CityMIND poskytuje užitečné informace, které dává celé organizaci - včetně méně zkušenému personálu – k okamžitému využítí osvědčených postupů. CityMIND je efektivnější a účinnější než lidi tím, že pomáhá nastartovat vyšetřování a případně zamezit trestné činnosti, než se stane díky včasné identifikaci podezřelých aktivit. Také automatizuje kontinuální sběr a analýzu dat, upozorňování personálu, aby se zaměřil tam, kde je v daný čas potřeba.“33 Orgány činné v trestním řízení se potýkají s byrokracií, nízkým rozpočtem a neefektivními zdlouhavými postupy. Od nich je očekávána ochrana 31

PETRUCHA, Jindřich. Využití neuronových sítí v rozhodovacích procesech: (monografie). 1. vyd. Kunovice: Evropský polytechnický institut, 2008, 124 s. ISBN 978-80-7314-157-8. 32 PETRUCHA, 2008, op. cit. 33 Connected City Law Enforcement. agtinternational.com [online]. [cit. 15.2.2015]. Dostupné z: https://www.agtinternational.com/areas-of-business-2/connected-city/lawenforcement-agencies/

29

veřejnosti a zajištění bezpečnosti. Tento paradox nejspíše musí vyřešit hodně faktorů, ale jedním z nich mohou být technologie. Policisté, kteří střeží naše ulice, pracují ve fyzickém a náročném prostředí, mají omezený přístup k informacím. Zejména k informacím shromážděným důstojníky a analytiky, jako je obličej či otisk prstů a jejich párování. Může se vytvořit značná prodleva mezi tím, co se stane během hlídky policisty, a než se tato informace sdílí s ostatními.34

4.2 Inteligent decision support system Při prověřování možných trestných činů během každého vyšetřování je důležité hledat přesvědčivé důkazy, a tím minimalizovat pravděpodobnost justičních omylů. Stejně tak je důležité, aby vyšetřovatelé trestné činnosti mohli použít účinné a efektivní strategie při sbírání důkazů, které by mohly produkovat nejvíce přesvědčivé informace, na základě omezených dostupných zdrojů. Inteligentní systém pro podporu rozhodování, který může pomoci lidským vyšetřovatelům automatickým konstruováním věrohodných scénářů, a uvažování se pravděpodobně nejlépe vyšetřujících akcí bude zřejmě velmi užitečné při řešení těchto náročných problémů.35 4.2.1 Baysean sítě pro zkoumání důkazů Za účelem vytváření účinných vyšetřovacích strategií, je zapotřebí vymyslet způsob, jak vyhodnotit informativní hodnotu důkazu.36 Tyto sítě byly vyvíjeny jako expertní systémy, které vyhodnocují pravděpodobnost přínosnosti některých forenzních důkazů. Decision support systém poskytuje vyšetřovatelům informace o pravděpodobnosti možných scénářích, jak k trestnému činu došlo. Systém nemá poskytovat vyšetřovatelům trestné činnosti informaci, zda získaný důkaz je 34

StreetSmart Solution, Maximizing visible policing. agtinternational.com [online]. [cit. 15. 2. 2015]. Dostupné z: https://www.agtinternational.com/areas-of-business-2/connected-city/lawenforcement-agencies/streetsmart/ 35 SHENT, Quiang, KEPPENS, Jeroen, AITKEN, Colin, SCHAFER, Burkhard, LEE, Mark. A scenario-driven decision support system for serious crime investigation. Law, Probability and Risk [online]. May 2006, vol. 5, s. 8-17. [cit. 24. 2. 2015]. Doi: 10.1093 Dostupné z Heinonline.org 36 tamtéž

30

dostatečný k prokázání viny. Poskytuje mu informace, jak snadněji důkaz nalézt. Pokud dojde k líčení u soudu, provádí se zjištěné důkazy dle příslušných norem trestního řádu. Informace poskytované systémem nemohou sloužit jako samostatné důkazy sloužící k usvědčení, na základě kterých by bylo rozhodnuto. Jendou z funkcí systému je schopnost vypočítat pravděpodobnost dedukcí vycházejících z nalezených skutečností a známých informací. Při vyšetřování vraždy to mohou být otisky prstů, nalezené DNA, určitou váhu má i možné alibi. Může nastat situace, kdy vyšetřovatel nalezne čtyři odlišné důkazy na místě činu, má několik podezřelých. Je jeho povinností prověřit vše. Systém ale může pomoci určit váhu těchto důkazů a pomoci mu se rozhodnout, který důkaz vzhledem k ostatním skutečnostem může mít větší váhu. Základní důvodem pro užití technologie je pomoci vyšetřovatelům rozhodnout se za nejistoty efektivně a rychle Má pomoci omezit nejistotu a optimalizovat informace při vyšetřovací strategii. Systém má generovat různé scénáře o trestném činu na základě údajů, s kterými pracuje. Scénáře jsou také označené pravděpodobností. Program má matematický základ. Získává se pravděpodobnost P (prosecution), což je pravděpodobnost hodnoty důkazu získaného vyšetřovatelem a hodnota spočívá v potvrzení pravdivosti možného scénáře. Získává se také P (defence) kdy advokát obviněného může při vytváření obhajoby důkazy a skutečnosti porovnávat také. Poté je možné vytvořit model poměru pravděpodobností kdy LR (likehood ratio) =e / P(prosecution) I e/P(defence). (e) jsou skutečnosti, události, jejichž pravděpodobnost je hledána a P jsou skutečnosti, události považovány za známé. Bayseanovy sítě jsou jedním z možných modelů získání těchto pravděpodobností. Skutečnostem jsou přidávány různé váhy a pravděpodobnosti, zda se jedná o lež či pravdu. Vstupy jsou označené jako X1, X2,X3…X7 a sítě určují, které proměnné a faktory jsou na sobě nezávislé.

37

Vyšetřování je na

počátku. Policie shromažďuje důkazy a informace, které vkládá do systému. 37

Matematické znázornění algoritmů a model systému viz: TERRETT, Andrew. Neural Networks -Towards Predictive Law Machines, Oxfordjournals [online]. 1995, s. 94-111 [cit. 20. 2. 2015]. Dostupné z Heinonline.org

31

Systém k vytváření modelů užije tyto vložené informace a znalosti z tzv. základny znalostí, což by mohl být například informační systém policie. Vytváří tzv. scénář a ukládá ho do základny scénářů. Scénář je možné řešení případu. Dále provede analýzu a následují již výstupy programu. Výstupem může být popis možných scénářů. Informace, jaké důkazy získat k naplnění jiného scénáře. Navržení dalších kroků, dalších vyšetřovacích akcí a získání dalších důkazů. Toto můžou vyšetřovatelé opakovat několikrát.

4.3 Neuronové sítě jako systém pro podporu rozhodování Neuronové sítě jsou využívány jako prediktivní nástroje. Rozhodování v různých oblastech může být učiněno na základě výstupů neuronových sítí. Vhodným příkladem užití je aplikace technologie neuronových sítí při oceňování nemovitostí. Případů, kdy je třeba ocenit nemovitost znalcem je v právní praxi celá řada, za všechny budu jmenovat případ ocenění nemovitosti znalcem za účelem nuceného prodeje při výkonu rozhodnutí prodejem nemovitosti v exekučním řízení. Pokud se o totéž pokusíme pomocí neuronových sítí, začneme s procesem učení umělé neuronové sítě, kdy síti poskytneme reálné vstupní i výstupní údaje o konkrétních nemovitostech. Takto naučenou síť můžeme následně využít k ohodnocení zkoumané nemovitosti, kdy na základě znalosti vstupních parametrů konkrétní nemovitosti je poskytnuto výstupní řešení, které je založeno na principu analogie s naučenými případy. Umělá neuronová síť pracuje tedy obdobně jako člověk. Výhoda spočívá v tom, že při velkém množství případů člověk nemusí toto kvantum informací pojmout a správně interpretovat, popř. dojde k opomenutí nějakého kritéria nebo lidskému omylu. Vstupem pro program je matice hodnot, která charakterizuje jednotlivé parametry konkrétní nemovitosti.38

Je zřejmé, že při ověření určité neomylnosti či dokonalosti

systému, by mohla síť v krátkém časovém úseku vyhodnocovat ceny nemovitostí, ale i movitých věcí. To předpokládá legislativní zavedení přesného postupu a 38

DOSTÁL, Petr a Jindřich PETRUCHA. Optimalizační metody v informačním managementu. Vyd. 1. Brno: Akademické nakladatelství CERM, 2013, 111 s. ISBN 978-80-7204-852-6.

32

podmínek. Ustanovení by obsahovalo, jaké vstupy by bylo nutné pro vyhodnocení zjistit a jak by se s výsledkem pracovalo. Výhodou je, jak je výše zmíněno, že čím více nemovitostí by neuronové sítě vyhodnotily, tím přesněji by mohly reagovat na sebemenší rozlišnosti mez nemovitostmi a poskytovat velmi přesné návrhy cen. Další příklad se týká dopravního značení na dálnicích a rychlostních silnicích v Nizozemsku. Zatímco v České republice a zřejmě i ve většině států světa je dopravní značení pevně dané, to znamená, že jsou určeny pevná pravidla různými značkami nebo světelnými signály bez ohledu na dopravní situaci a čas. V Nizozemsku se pokusili vytvořit systém poněkud flexibilnější. Pomocí senzorů, kamer, dat z informačních systémů je mapována situace v dopravě a neuronové sítě na základě naučených modelů rozhoduje o dopravním značení, o povolené rychlosti a tom, kdy je zelená a kdy červená. Řidič je přitom dostatečně informován světelným značením. Pokud by byl systém zaveden v České republice, neuronové sítě by sami vydávaly právní normy ve formě obecně závazné vyhlášky. Jedná se tedy o technologii, která již sama rozhoduje o právech a povinnostech osob. Otázkou je, zda se v budoucnosti můžeme dočkat technologií, které výše uvedeným způsobem rozhodnou bagatelní občanskoprávní spor, když strany nahrají předem stanovené okruhy informací, systém jim přidělí váhy a rozhodne. Proč se v tomto případě jedná spíše o futurologii a sciencefiction je fakt, že výklad a aplikaci hmotného práva zatím zřejmě žádná technologie sama nezvládne. Spíše tedy prozatím dají technologie podklad pro další rozhodnutí, které poté učiní pověřená osoba. Ve Spojených státech amerických se zabývali odborníci myšlenkou využití neuronových sítí při rozhodování o opakujících se případech. Neuronová síť, která byla testováním naučena rozlišovat jednotlivé případy na základě mnoha charakteristik, vyhledá pro rozhodnutí nejbližší případ, o kterém bylo rozhodováno v minulosti. Soudce nebo jiná osoba, která má učinit rozhodnutí případy porovná a může rozhodnout. Taková technologie zdá se být užitečnější v anglosaském právním systému. V české justici není možné rozhodovat na

33

základě jiného případu v žádném případě. V úvahu pouze připadá nasazení v bagatelních případech často se opakujících, kdy by rychlost vyhodnocení programu jistě byla oceňována.

4.4 Fuzzy logika Fuzzy logika je formou softwaru umělé inteligence, a proto by se dala považovat za podmnožinu umělé inteligence. Protože provádí určitou formu rozhodování, lze ji volně zařadit do softwarové nástrojové sady umělé inteligence. Systém fuzzy logiky lze vlastně použít téměř v jakémkoli systému, který má vstupy a výstupy. Systémy fuzzy logiky se dobře hodí pro nelineární systémy a systémy s více vstupy a výstupy. Mohou pracovat s jakýmkoli přiměřeným počtem vstupů a výstupů. Fuzzy logika se rovněž osvědčuje v případech, kdy systém nelze snadno modelovat tradičními prostředky.39 Jde o jednu z mála technologií, kterou mohou zdárně uplatňovat i osoby, které nejsou na vysoké matematické úrovni. V případě fuzzy logiky se určuje, jak moc prvek do množiny patří nebo ne.40 Typické je pro aplikaci fuzzy logiky užití při rozhodování o úvěrech či investicích (pozn.) Důležité charakteristiky pro rozhodnutí se označí váhou vyjádřenou číslem podle důležitosti. Poté se vyhodnotí hranice, kdy například výsledná hodnota nad je ne a výsledná pod je ano. Toto je samozřejmě ten nejjednodušší model. Fuzzy logika by měla justičním orgánům ulehčit práci při jednoduchých rozhodováních, kdy by systém mohl být automatizovaný a váhy u jednotlivých charakteristik pevné. Jednalo by se například o systém, který automaticky vyhodnotí, zda v dané chvíli uložit trest ve společensky méně nebezpečných případech. Jednou z charakteristik by například byl čistý trestní rejstřík, za což by byla váha nula a za zápis váha 5. Dalším předpokladem je tedy propojení systému veřejnými registry nebo ve vzdálenější budoucnosti i na datové sklady, které 39

DINGLE, Norm Objasnění pojmu fuzzy logika. Controlcesko.com [online]. CFE Media, Publikováno 8.3.2012, [cit. 15. 1. 2015]. Dostupné z: http://www.controlengcesko.com/hlavni-menu/artykuly/artykul/article/objasneni-pojmu-fuzzylogika/ 40 DOSTÁL, 2013, op. cit., s. 5.

34

poskytnou více charakteristik. Na obdobné bázi zkoušeli v brazilském městě Rio de Janeiro uplatnit systém, který byl postavený na technologii neuronových sítí. Brazilský policista, pokud přišel k autu, které dle jeho názoru parkovalo na nepovoleném místě, použil technologii, jež mu na základě GPS určila polohu, na základě času časovou zónu a minulost majitele auta na základě připojení k veřejným registrům. Na základě těchto charakteristik určí neuronové sítě výši pokuty. Učiní tak na principu analogie s naučenými případy, stejně jako u oceňování nemovitostí výše. Jako velmi efektivní se jeví komplexní systém, který je tvořen technologiemi vybavenými schopností vytvořit výsledek užitelný k rozhodnutí a technologiemi pro zpracování velkých objemů dat a pro dolování dat. Technologie, která užívá ke svému výstupu vstupní data, pak tato data čerpá z dat získaných například z datových skladů. V praxi by potom bylo možné, aby o přestupku rozhodl systém sám na základě kamerových záznamů, dat z chytrého telefonu osoby nebo jeho minulosti. Za účelem zrychlení a zvýšení efektivity je také možné užít fuzzy technologii při domovní prohlídce a zabavování počítače pro prohlídku. Aby policista nemusel počítač bezúčelně odnášet sebou a poté ho předat k prozkoumání, je možné užít program, který načte data z příslušného počítače a na základě fuzzy logiky vyhodnotí, zda obsahuje data, která jsou pro vyšetřovatele relevantní, a on se na základě výsledku rozhodne, jak dále bude s počítačem nakládat. Program musí být nastaven vždy na daný případ a je možné ho mít nahraný třeba na flashdisku. Zde se tedy jedná o výše zmíněné dílčí rozhodnutí.

4.5 Big data jako nástroj pro podporu rozhodnutí Technologie napomáhající lépe odhadovat či předvídat založených na Big data jsou již užívány například v USA ve státě v některých státech41, jak ve 41

NEWELL, Bryce. Local law enforcement jumps on the big data bandwagon: automated license plate recognitions systems, information provacy, and acces to government information, Maine Law Review [online]. Oct 2013, vol. 66, s. 398-435 [cit. 24. 2. 2015]. Dostupné z Heinonline.org

35

veřejnoprávním

tak

soukromoprávním

rozhodování,

policií

i

soudci.

V soukromém právu jsou rozvíjeny k předpovídání výsledku soudních sporů. Ve veřejném právu jsou užívány při rozhodování o kauci, když technologie dovedou vyhodnotit riziko. Některé státy jako například Virginia v USA rozhodují o podmíněném propuštění na základě analýz. Systém vyhodnotí, zda jsou v daném případě faktory, které v minulosti vedly k opakování trestné činnosti.

36

5

Získávání dat z informačních systémů

5.1 Informační systém Zjednodušeně se jedná o systém pro sběr, zpracování, ukládání, vyhledávání a šíření informací.42 Dle §4 již zrušeného zákona č. 256/1992 Sb., o ochraně osobních údajů v informačních systémech je informačním systémem se rozumí funkční

celek

zabezpečující

cílevědomé

a

systematické

shromažďování,

zpracovávání, uchovávání a zpřístupňování informací. Každý informační systém zahrnuje informační základnu, technické a programové prostředky, technologie a procedury a pracovníky a dle §5 provozováním informačního systému se rozumí provádění činností směřujících ke shromažďování (sběru) informací, jejich vstupnímu zpracování, ukládání informací do údajové základny, zpracování informací pro vnitřní potřeby systému nebo pro poskytování informační služby. Provozování zahrnuje všechny nebo jen některé z uvedených činností.43 Jeho prvky jsou informační a komunikační technologie, data a lidé. Cílem informačního systému je efektivní podpora informačních a rozhodovacích procesů na všech úrovních řízení organizace,44 což může být například obchodní společnost, orgán státní správy

5.2 Možnosti získávání dat z informačních systémů Triviální způsob získat data z informačního systému je pomocí přístupu oprávněnou osobou. Osoba má přístup na základě určitého oprávnění, které bývá důsledkem splnění podmínek. Pro účely justice jsou rozhodující dva přístupy. Může se jednat o přístup do informačních systémů vytvořených za účelem práce justičních orgánů. Informační 42

KNAPP, Viktor. Právo a informace. 1. vyd. Praha: Academia, 1988, 289 s. § 4 zákona č. 256/1992 Sb., o ochraně osobních údajů v informačních systémech, ve znění pozdějších předpisů. In: CODEXIS ACADEMIA [právní informační systém]. ATLAS consulting [vid. 29.2.2015]. 44 SMEJKAL, Vladimír. Právo informačních a telekomunikačních systémů. 2. vyd. Praha: C.H. Beck, 2004, 770 s. ISBN 80-7179-765-0. 43

37

systémy již neodmyslitelně patří k práci Policie České republiky, státních zastupitelství, soudu a jejich spolupráci. Systémy existují taktické a statistické. Státní zastupitelství a soudy využívají informačního systému NSIS. Policie při své práci sbírá data do elektronického spisu, který je součástí interního informačního systému ETŘ (evidence trestního řízení). Tento systém v současné době využívá každé krajské ředitelství Policie ČR. O celorepublikový systém se nejedná, protože se zpracovává velké množství dat, což by technologie v současné chvíli využívané Policií České republiky nezvládly. Zde je tedy prostor pro inovaci, protože technologie ke zpracování velkých objemů dat jsou již na vysoké úrovni. Databáze trestního spisu obsahuje údaje o osobách, lokalitách i informace o stopách. Jedná se o elektronický spis, v němž se vede protokol o trestním spisu. Aktivní přístup má příslušník, který spis vede. Náhled do něj má dozorující státní zástupce. Tím je spolupráce policie a státních zástupců velmi urychlena. Náhled státního zástupce ale není například formou doručení státnímu zástupci. Pokud například policisté sdělí podezřelé osobě obvinění, státnímu zastupitelství se dokumenty stále posílají datovou schránkou nebo v papírové formě. Naopak online lze předat spis při rozhodnutí o nepříslušnosti. Tato určitá zastaralost se projevuje i při verifikaci. Dle § 56 odst. 1zákona č. 161/1961 Sb. Trestní řád, jiné protokoly podepíše ten, kdo úkon vykonal, a osoba, které se úkon týká, popřípadě zapisovatel, tlumočník, znalec nebo jiná osoba přivzatá k úkonu. Je-li úkon prováděn prostřednictvím videokonferenčního zařízení, osoba, jíž se úkon týká, protokol nepodepisuje. Má-li protokol o výslechu více stránek, musí vyslýchaná osoba podepsat každou stránku protokolu. Odmítne-li vyslýchaný nebo jiná osoba přivzatá k úkonu protokol podepsat, uvede se to v protokolu s poznamenáním důvodu odmítnutí.45 Z tohoto důvodu, i když se vede trestní spis elektronicky, se protokol musí vytisknout k podpisu. Zdá se to být velice nepraktické. Do budoucna by mohla být řešením verifikace pomocí otisku prstu skrze technologii, která umí rozpoznat otisk prstu a přiřadit ho ke konkrétní osobě. Přínosem by byla 45

§ 56 odst. 1 zákona č. 141/2014 Sb., o trestním řízení soudním, ve znění pozdějších předpisů. In: CODEXIS ACADEMIA [právní informační systém]. ATLAS consulting [vid. 29.2.2015].

38

z dlouhodobého hlediska úspora a zrychlení práce. Technologickou pomůckou při pořizování protokolu by mohla být i technologie pro převod řeči na psaný text. Takto vedený trestní spis je upravován dle interních předpisů a to z důvodu zachování jednotnosti formy. Takto je upraven i přístup do samotného informačního systému. Každá osoba má přístup jen k modulům a informacím, které potřebují k výkonu své funkce. Zde jde o ochranu dat na informačním systému uchovávaných, aby se co nejvíce zamezilo jejich úniku. Dalšími ochrannými prvky jsou podrobné logování a zachovávání stopy práce s dokumenty v informačním systému. V případě nutnosti lze dohledat kdo, a kdy s dokumentem v informačním systému nakládal. Jde o triviální přístup, kdy tyto informační systémy jsou součástí justičního systému. Dále se využívá informační systém SIS. SIS je informační systém, který slouží zejména pro pátrání po osobách (hledaných, pohřešovaných, nežádoucích) a věcech (vozidla, registrační značky, cestovní a osobní doklady, registrační doklady k vozidlům, bankovky, zbraně a další). Do systému přispívají všechny členské státy, zásadně přímo, ze svých národních pátracích databází. Záznamy v SIS jsou po vložení členským státem dostupné příslušníkům bezpečnostních složek ostatních států dostupné do 120 sekund. Záznamy jsou dostupné ve všech jazycích – tudíž srozumitelné pro všechny. Doplňující informace nad rámec záznamů (to, co nejde automatizovaně přeložit a není potřeba pro prvotní zásah policisty) zprostředkovávají právě SIRENE. Členské státy mají povinnost kontrolovat osoby nebo věci v SIS kdykoliv tak činí vůči národním databázím. Příslušníci bezpečnostních složek členských států (policie, četníci, celníci, pohraničníci apod.) mají povinnost neprodleně konat na základě záznamu v SIS (záznam v SIS se mimo jiné rovná evropskému zatýkacímu rozkazu). Přístup do SIS mají i orgány provádějící registraci motorových vozidel, orgány zabývající se pobytem cizinců a justiční orgány pro řízení v trestních věcech (zpravidla nepřímý).46

46

Útvary Policie ČR: Schengenský informační systém [online]. policie.cz [cit. 23.3.2015]. Dostupné z: http://www.policie.cz/clanek/schengensky-informacni-system.aspx

39

Dále jde o případ, kdy justiční orgány a jiné zákonem stanovené osoby mají přístup do informačních systémů, které přímo součástí justičního systému nejsou, ale zákon zmíněným osobám přesto přístup dovoluje. Může se jednat o různé databáze nebo přímo informační systémy například státních orgánů jako registry vozidel, informační systém finanční správy a podobně. Výše zmíněné možnosti nejsou nikterak inovativní. Jako netriviální získávání dat z informačních systémů pomocí informačních technologií můžeme zmínit dolování dat z informačních systémů a to i soukromých společností nebo možnost získat informaci z informačního systému, aniž bychom věděli, který z několika systémů ji obsahuje.

5.3 Komplexní informační systém Myšlenka je v zásadě prostá. Uživatel potřebuje získat více informací a musí tedy aktivně prohledat více zdrojů. Právník hledá zákonná ustanovení pomocí komerčních zdrojů jako Úplné znění nebo některý z právních informačních systémů, tamtéž může také hledat judikaturu. Sbírka zákonů je paradoxně nejméně užívaným zdrojem. Využije i odborné publikace, popřípadě internet. Důležité informace se nacházejí v různých informačních systémech. Informace o probíhajícím vyšetřování a trestním stíhání se nacházejí v informačním systému Evidence trestního řízení, soudní rozhodnutí jsou uložená v interním informačním systému soudu. Nalogovat se do všech informačních systémů a postupně si takové informace vyhledat znamená hodně práce a ztrátu času. Zjevně lepší by bylo, aby informace byly dohledatelné pomocí jediného zdroje. Informační systém ale funguje na základě informací a datech záměrně přidaných a není reálné vytvořit jeden velký informační systém, který bude obsahovat všechny potřebné informace. S řešením přišli odborníci v Nizozemsku. V roce 2000 se holandská justice rozhodla postavit Porta iuris – intranetový portál s integrovaným vyhledávacím rozhraním pro vnitřní i komerční využití právních databází. Za prvé, protože soudní orgány chtěly mít větší kontrolu nad

40

výběrem a přístup k vlastnímu judikatuře, místo závislosti na komerčních dodavatelích. A za druhé proto, že vyvstala potřeba po jediném integrovaném uživatelském rozhraní s přístupem ke zdroji s materiálem, který nahrazuje všechny různé databáze, webové stránky, CD a papírová periodika.47 Architekti Porta Iuris čelili velkému problému: protože mnoho rozhodnutí existovalo ve více než v jedné databázi, uživatel by při zadání charakteristiky mohl najít 20 rozhodnutí, z nichž dvanáct by bylo jedněch a těch samých. A také když uživatel najde, zajímavý judikát neví, zda se jedná o zkrácenou verzi a neví, zda plná verze práce je dostupná v jiné databázi nebo je judikát rozebrán v některém z odborných periodik. Z tohoto důvodu bylo rozhodnuto o vytvoření rejstříku všech rozhodnutí, které byly integrovány do Porta iuris. Tento rejstřík je postaven odděleně od databází, které obsahují vlastní případy a obsahuje pouze charakteristiky jako číslo spisu, místo soudu, datum vydání rozhodnutí a případně informaci o existenci publikovaných referencích. Příklad vyhledaného rozhodnutí můžeme vidět na obrázku v příloze č. 1.48 Kromě soudních rozhodnutí obsahuje informační systém soudní rozhodnutí Evropského soudního dvora a Evropského soudu pro lidská práva. Skrze systém mají mít soudci mnohem online přístup k judikatuře nejen zmíněných soudů, ale i k primárním a sekundárním pramenům práva Evropské unie. Pokud bychom se v justici České republiky inspirovali, soudci by měli okamžitý přístup k nejaktuálnějším rozhodnutím evropských soudů. V rámci evropské integrace by podobný systém jako Porta iuris mohl fungovat ve všech členských státech Evropské unie a státech spadajících do jurisdikce Evropského soudního dvoru pro lidská práva. Jako efekt zavedení takového systému, můžeme očekávat, že se soudci budou na taková rozhodnutí mnohem více odvolávat. Porta iuris je součástí projektu Eurinfra. Eurinfra projekt byl součástí širší snahy rozšířit digitální dostupnosti pro členy justice, stejně jako 47

OPIJNEN, Marc. Identifiers, Metadata and Document Structures: Essential Ingredients for InterEuropean Case Law Search. European Legal Access Conference, Paris, 10-12 december 2008 Dostupné z: http://www.legalaccess.eu/IMG/pdf/223_Marc_van_Opijnen_Paris_2008.pdf 48 tamtéž

41

veřejné databáze soudních rozhodnutí pro širokou veřejnost. Portál Porta Iuris poskytuje soudnictví intranetový systém se speciální částí s evropským právem, který byl vytvořen, aby sloužil jako zdroj pro profesionální a organizační informace (jako jsou jména soudních koordinátorů a jejich specializace). 49 5.3.1 Salvia Informační systém založený na obdobném principu vyvíjený v českém prostředí se jmenuje Salvia. Salvia je informační systém pro výkon advokacie. Portál Salvia slouží pro usnadnění úkonů spojených s výkonem obecné advokacie. Obsahuje jak funkce pro širokou veřejnost nevyžadující přihlášení, tak funkce spravující data uživatele jsou dostupné až po registraci (která je zdarma) a některé funkce jako např. vyhledávání v judikatuře či pravidelně aktualizovaný kalkulátor odměn advokáta jsou zpoplatněny symbolickou částkou.50 Modulem Salvia je tedy katalog judikatury. Katalog Judikatury obsahuje rozhodnutí Ústavního soudu, Nejvyššího soudu, Nejvyššího správního soudu, vybraná rozhodnutí vrchních a krajských soudů, rozhodnutí převzatá z insolvenčního rejstříku a rozhodnutí Úřadu pro ochranu hospodářské soutěže. V těchto zdrojích umožňuje efektivně vyhledávat dle citovaných ustanovení právních norem.51 Sbírku předpisů, jenž je rozcestník na veškeré právní předpisy ČR a SK. Předpis lze vyhledat zadáním jeho čísla, zadáním názvu předpisu nebo i textu, který se v předpisu vyskytuje.

52

Dalším jsou rejstříky. Funkce Rejstříky umožňuje rychlý

náhled na výpis podrobností o fyzické či právnické osobě v různých rejstřících, jako např. výpis z Obchodního rejstříku, Registru živnostenských oprávnění, ARESu, insolvenčního rejstříku ISIR, seznamu dlužníků VZP a dalších. Není tak potřeba ručně procházet weby jednotlivých rejstříků. Stránka rovněž slouží jako

49

Workshop on Judicial Training, Policy Department [online]. [cit. 24. 2. 2015] ISBN: 978-92823-4882-6. Dostupné z: http://www.europarl.europa.eu/RegData/etudes/workshop/join/2013/493022/IPOLJURI_AT%282013%29493022_EN.pdf 50 Dokumentace Salvia [online]. Salvia [cit. 20.3.2015]. Dostupné z: http://salvia.gurkol.net/ 51 tamtéž 52 tamtéž

42

rozcestník obsahující odkazy na často používané seznamy či databáze (seznam soudů, exekutorů a mnohé mnohé další).53 Funkce Hlídač navazuje na funkci Rejstříky a umožňuje automaticky na pozadí hlídat změny zadaných osob v různých rejstřících. Především je hlídáno, zda je vůči subjektu vedeno insolvenční řízení, ale je možno sledovat rovněž průběh soudního řízení či nově vydaná rozhodnutí týkající se konkrétních ustanovení právního předpisu. V případě změny služba zasílá e-mail obsahující hypertextové odkazy na podrobné informace.54 Dva představené informační systémy významně pomáhají při vyhledávání zejména judikatury a právních norem, které jsou jinak uložené v externích zdrojích. Na podobném principu může fungovat informační systém, který umí vyhledat i jiné informace. Tyto informace získá z různých informačních systémů po zadání požadavku uživatelem, jak je zmíněno výše. Uživatel má nepřímo do informačních systémů přístup, ačkoliv není osobou, která splňuje podmínky – není členem společenství, která informační systém využívá nebo nesplňuje přístupové podmínky. Uživatel systému, který získává informace, může být tedy osoba, která k tomu má zákonné zmocnění. Obecně příslušník Policie ČR, osoba pověřená státem. Od osoby, která by tak činila za soukromými účely, by se jednalo o neoprávněný přístup do soukromého informačního systému jiné osoby a mohli bychom hovořit o kybernetickém útoku. Takový systém by musel sloužit veřejnému zájmu a jeho napojení na soukromé informační systémy by probíhal ve spolupráci s vlastníky a správci dotčených systémů. Pro orgány činné v trestním řízení by šlo o zjednodušení výkonu vyšetřování trestných činů.

5.4 Dolování dat z informačních systémů. Velké informační systémy, pokud ještě fungují online, obsahují velké objemy dat. Nemusí to být ve smyslu velkých objemů dat, o jakých je řeč výše i přesto se v nich data dolují podobnými technikami. 53 54

Dokumentace Salvia [online]. Salvia [cit. 20.3.2015]. Dostupné z: http://salvia.gurkol.net/ tamtéž

43

Rozdíl spočívá v charakteru informačních systémů. Jedná se o jakýsi uzavřený soubor dat. Není možné, aby do takového souboru kdokoli bez povolení zasahoval nebo v něm dokonce doloval. Jedinou legální možností je v současné době postup dle trestního řádu a zákona o Policii České republiky. Snapshot je technologie, která provádí ochranu dat, užívá se také k dolování data a ke klonování dat. Snapshot je běžný termín průmyslu označující schopnost zaznamenat stav paměťového zařízení v daném okamžiku a zachování tohoto snímku jako vodítko pro obnovení paměťového zařízení v případě, že selže. Snapshot vytváří kopii point-in-time dat.55 Typicky se kopie dat užívají k jejich ochraně. Využití technologie pro dolování dat z informačních systémů je pro případ, kdy vyšetřovatel trestného činu má na příkaz soudce k soukromému informačnímu systému. Soudce může přikázat zajištění dat, které souvisí vyšetřováním trestného činu nebo stíhanou osobou. Možnost aplikace je taková, že pověřený orgán justice nebo přímo soudce bude mít k dispozici kopii pořízenou technologií snapshot nebo na podobném systému založenou a zjišťovaná data vydá policejnímu orgánu. Je to způsob, jak ve značné míře zamezit zneužití dat. 6

Zvláštní část – Aplikace technologie Big data v přípravném řízení trestním V následující části bude proveden možný postup při aplikaci technologie

Big data v přípravném řízení a dopady takové aplikace v řízení před soudem. Procesní postup bude jednoduchý a nebude do důsledků pohlíženo na možné procesněprávní problémy, kterých může v trestním řízení nastat celá řada. Pozornost bude upřena především na aplikaci technologie a právní okolnosti této aplikace. V případové studii bude simulováno zjištění skutku, který může naplňovat skutkovou podstatu trestného činu. Po základních procesních úkonech bude 55

Understanding and exploiting snapshot technology for data protection, Part 1: Snapshot technology overview. Ibm.com: [online]. IBM developer works, © [cit.30.3.2015]. Dostupné z: https://www.ibm.com/developerworks/tivoli/library/t-snaptsm1/

44

nasazena technologie. Bude zkoumáno, zda technologie vyšetřovatelům může pomoci získat stopy, informace popřípadě důkazy. V případě, že pomocí technologie policie důkazní materiál zajistí, bude zkoumáno, zda bylo důkazu dosaženo legálně, zda by soud ve svém rozhodnutí o vině a trestu mohl k takovému důkazu přihlížet a co by případě mohl obžalovaný či později odsouzený namítat. Zároveň by se nahlíželo, jaké by byly jeho procesní prostředky obrany proti získání důkazů pomocí technologie, která zajistí soukromá data uložená na síti. Následně bude hodnocena a diskutována vůbec možnost užití technologie a vhodnost a potřebnost užití v kontextu nepochybného zásahu do distributivních práv osob na straně jedné a důsledného naplňování nedistributivního práva společnosti na straně druhé. Základním východiskem je, že Policie ČR zjistila skutečnost, že se stal trestný čin. Dle ustanovení trestního řádu jej začala prověřovat a shromažďovat skutečnosti a důkazy vedoucí k zahájení trestního stíhání a následně k podání obžaloby.

45

6.1 Výběr technologie V obecné části práce byla diskutována využitelnost čtyř druhů informačních technologií. Odborníci na bázi těchto technologií vytváří konkrétní nástroje a programy, která mají svá označení a liší se většinou různými charakteristikami, vybaveností a také podle účelu, za kterým byly vytvořeny. Takové konkrétní nástroje je třeba vybrat i pro výzkum uplatnění technologií Big data a k dolování dat v trestním řízení. Jako vhodné se jeví nástroje společnosti TOVEK, spol. s r.o.56 a Snapshot od společnosti IBM. 6.1.1 Technologie Tovek Tovek Tools jsou desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních zdrojů.57 Umožňují prohledávat a analyzovat lokální informační zdroje – souborový systém, elektronickou poštu nebo ODBC databáze, stejně jako i různá speciální data jako např. přepisy hlasových záznamů nebo data z mobilních telefonů. Tovek Tools se nejčastěji využívají ve zpravodajství, ve výzkumu a vývoji, při vyšetřování a odhalování podvodů nebo mapování konkurenčního prostředí. V komerčním sektoru se využívají zejména v mediálních agenturách, u poskytovatelů informací nebo ve finančním sektoru v bankách a pojišťovnách. Ve veřejné správě se využívají hlavně ve vládních a veřejných institucích, na ministerstvech, v policejních složkách a v bezpečnostní a zpravodajské komunitě.58 Nástroje Tovek jsou policií a bezpečnostními složkami již využívány.59 Předmětem 56

Kontakt. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/o-nas-kontakt 57 Tovek tools. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/produkty-tovek-tovek-tools 58 Tovek tools. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/upload/produkty/tovek/tovek-tools/tt_info_2014.pdf 59 Seznam dalších organizací přistupujících k Memorandu o spolupráci. mvcr.cz: [online]. Ministerstvo vnitra ČR [cit.30.3.2015]. Dostupné z: http://www.mvcr.cz/clanek/seznam-dalsichorganizaci-pristupujicich-k-memorandu-o-spolupraci-535629.aspx

46

spolupráce je zabezpečení souboru odborných služeb k softwarovým licencím IBM i2 a TOVEK, které tvoří jednotlivá pracoviště systému Analytického, rešeršního a monitorovacího systému ARMS.60 ARMS nabízí možnosti, jak jednotným způsobem prohledávat a monitorovat široké spektrum informačních zdrojů. Monitorovací část systému umožňuje indexovat různorodé zdroje jak lokální (osobní dokumenty a e-maily), tak síťové (dokumenty na serveru, informace v interních databázích podnikového informačního systému). Stejně tak je možné napojit se na externí databáze.61 Vyhledávání probíhá ve vybraných zdrojích na základě položeného dotazu, ve kterém lze pomocí sofistikovaného dotazovacího jazyka přesně specifikovat hledané. Z textu mohou být extrahovány různé entity, např. osoby, města, telefony apod.62 Produkty společnosti Tovek jsou využívány, pro vnitřní zpracování dat Policíí ČR do svých datových souborů a informačních systémů. Policie také využívá produkt Analysťs Notebook.

63

Tento nástroj

pomáhá vytěžit z velkého objemu různorodých dat relevantní informace a užitečné poznatky. Díky snadné identifikaci vazeb, trendů a vzorců chování ve zdánlivě neuspořádaných datech mohou analytici ve správný čas poskytovat správné informace, které umožňující překazit či narušit teroristické, kriminální a podvodné aktivity.

64

Specifikovat přesné využití nástrojů není možné. Jedním

z důvodů je zachování utajení. Autor diplomové práce na téma Kriminální zpravodajská analýza v prostředí Policie České republiky ve své práci uvádí, že písemně kontaktoval ředitele Služby kriminální policie a vyšetřování s dotazem, zda je možné zveřejnit detaily o zjišťování informací o trestné činnosti za pomoci 60

Přehled veřejných zakázek. mvcr.cz: [online]. Ministerstvo vnitra ČR [cit.30.3.2015]. Dostupné z: https://www.zakazky.mvcr.cz/contract_index.html?type=all&state=all 61 STRAKA, Lubomír, TRNKA, Dan. ARMS – Investigativní zbraň pro konkurenční boj. cssi.cz [online]. Česká společnost pro systémovou integraci, © 2008. Dostupné z: http://webcache.googleusercontent.com/search?q=cache:fx7VrSFFsB4J:www.cssi.cz/cssi/system/f iles/all/straka.pdf+&cd=1&hl=cs&ct=clnk&gl=cz. 62 Tovek tools. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/upload/produkty/tovek/tovek-tools/tt_info_2014.pdf 63 VEPŘEK, Lubomír. Kriminální zpravodajská analýza v prostředí Policie České republiky. Olomouc, 2012. 68 s.Diplomová práce. Univerzita Palackého v Olomouci. , Pedagogická fakulta.Vedoucí práce PaedDr. Bronislava Štěpánková, Ph.D. 64 IBM i2 Analysts Notebook. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/upload/produkty/i2/anb/anb8_info_cz.pdf

47

zmiňovaných nástrojů. Odpověď zněla, že není v zájmu Policie České republiky šířit tyto informace mimo pověřené osoby.65

6.2 Vyhledání dat v externích zdrojích a možnosti jejich užití Trestní řád dává několik způsobů, jak získávat různá dat z různých externích zdrojů. I přes zastaralou právní úpravu, která nereflektuje technologický pokrok, orgány činné v trestním řízení užívají jednotlivá ustanovení, i když na technologii a způsob získání dat nesedí. Nejčastěji se využívá § 88, §88a TŘ a to nařízení odposlechu, dobývaní dat ze SIM karet, zjišťování uživatele IP adresy, další možností je užit § 8 TŘ odst. 1 například při zjišťování registračních údajů emailu. Diskutabilním pak je nařízení zajištění obsahu emailů z nepřipojené emailové schránky na základě § 158d odst. TŘ. Praxe získávání elektronických důkazů není jednotná.66 Předmětem je situace v tomto odstavci nezmíněná a to možnost zajištění dat z velkých datových úložišť soukromých společností. Předpokládejme podezření Policie ČR o spáchání trestného činu, úvodní informace, získaná například na základě podání vysvětlení osob, je vede k prověření informací a rozhodne o zahájení trestního stíhání určité osoby.67 V rámci vyšetřování rozhodne o způsobu zajištění dat, pomocí kterých chce zjistit, kdy a co hledal podezřelý na internetu, jaké operace na síti prováděl. Ano tyto informace se dají dohledat i expertní analýzou osobního počítače v rámci domovní prohlídky dle § 85 TŘ. Naše aktivita na internetu a práce s informačními technologie se velmi rozšířila. Jsme připojeni online skrze informační a komunikační technologie prakticky neustále, na síti máme vytvořen osobní profil, který zde vytváří naši identitu. Takovou komplexní službu nabízí například Google. Lze tedy například zjistit kdy, a kam jsme se nechali svézt taxi

65

VEPŘEK, Lubomír. Kriminální zpravodajská analýza v prostředí Policie České republiky. Olomouc, 2012. 68 s.Diplomová práce. Univerzita Palackého v Olomouci. , Pedagogická fakulta.Vedoucí práce PaedDr. Bronislava Štěpánková, Ph.D. 66 Informace získána na základě dotazu položeného státnímu zástupci 67 § 160 odst. 1 zákona č. 141/2014 Sb., o trestním řízení soudním, ve znění pozdějších předpisů. In: CODEXIS ACADEMIA [právní informační systém]. ATLAS consulting [vid. 30.3.2015].

48

společnosti Uber. Prohlídka samotných přístrojů, zajištěných při domovní prohlídce nebo prohlídce nebytových prostor nemusí stačit. Dle zjištěných informací, předpokládá, že kýžené údaje získá v určitém úložišti dat. Tímto úložištěm by mohl být datový sklad s nestrukturovanými velkými objemy dat. Big data zpracovávají většinou obchodní společnosti pro své účely nebo specializovaní odborníci pro někoho jiného. Cílem vyšetřovatelů je tato data analyzovat a vyhledat informace. Na základě §8 odst. 1 TŘ jsou právnické osoby povinny vyhovovat dožádáním orgánů činných v trestním řízení. Možností tedy je přikázat takové společnosti, aby byl Policii ČR poskytnut přístup k objemu dat a analytici pomocí nástroje výše uvedené technologie Tovek by data zanalyzovali. S tímto postupem je spojeno několik problémů. Obdobným a do jisté míry příbuzným je problém řešený nedávno i ústavním soudem a to v souvislosti uchovávání provozních a lokalizačních údajů a jejich vydávání orgánům činným v trestním řízení. Tento problém s tzv. data retention v České republice má za sebou určitý vývoj.68 V souvislosti s dožadováním údajů o soukromé komunikaci Policií České republiky byla otevřena otázka ochrany soukromí osob a nedostatku záruk nezneužití dožádaných dat. Jak je uvedeno v Ústavním nálezu Pl.ÚS 24/10 ze dne 22. 3. 2011, N 52/60 Sb. NU 625 Ústavní soud za dostatečně jasné, podrobné a adekvátní záruky v žádném případě nepovažuje pouhé zakotvení

68

EU vydala směrnici o data retention, kterou ČR implementovala mimo jiné v § 97 odst. 3 Zákon č. 127/2005 Sb., o elektronických komunikacích, dle něhož mimo jiné, měly právnická a fyzická osoba zajišťující veřejnou komunikační síť nebo poskytující veřejně dostupnou službu elektronických komunikací je povinna uchovávat provozní a lokalizační údaje, které jsou vytvářeny nebo zpracovávány při zajišťování jejích veřejných komunikačních sítí a při poskytovávání jejích veřejně dostupných služeb elektronických komunikací a je na požádání povinna je bezodkladně poskytnout orgánům oprávněným k jejich vyžádání podle zvláštního právního předpisu. Orgány činné v trestním řízení měly poněkud volnější ruce při získávání údajů o komunikaci díky poněkud neúplnému ustanovení. To bylo nakonec zrušeno Ústavním soudem České republiky Pl.ÚS 24/10 ze dne 22. 3. 2011, N 52/60 Sb NU 625, Zákonem č. 273/2012 Sb. byl §97 odst. vrácen ve změněné podobě, který do jisté míry reflektuje výtky Ústavního soudu v citovaném nálezu.

49

povinnosti uložené právnickým nebo fyzickým osobám zajistit, "aby s vymezenými uchovávanými údaji nebyl uchováván i obsah zpráv.69 Z výše uvedeného a z názorů Ústavního soudu vyplývá, že dožádání objemů dat Policií ČR a dolování dat z nich by mělo být posuzováno jako protiústavní. Popsané získání dat tedy nemá podporu v zákoně, protože přímá úprava tohoto institutu neexistuje a ta, která byla velmi podobná, byla uznána jako protiústavní. Rozdíl mezi popisovaným získáváním dat a data retention je malý. Přesto se najde odchylka, která může i nemusí vyloučit stejný pohled na ústavnost těchto dvou institutů. Data retention lze zjednodušeně chápat jako apriorní blanketní shromažďování konkrétních metadat o komunikaci prostřednictvím elektronických komunikačních prostředků s cílem zajistit jejich zpětnou dostupnost v případě potřeby.70 S tímto cílem je spojena povinnost osob zmiňovaných v § 97 odst. 3 ZoEK provozní a komunikační data uchovávat. Společnosti zpracovávající velké objemy dat tak činí s jiným cílem71 Zmíněné společnosti, tak nečiní z povinnosti, kterou jim ukládá zákon. Ačkoliv se Ústavní soud v kritice nedostatku záruk zachování soukromí dotýká i těchto dat a jejich zpracovávání: „Nezbytnost disponovat takovými zárukami se přitom v posuzovaném případě plošného a preventivního sběru a uchovávání údajů v rámci elektronické komunikace stává pro jednotlivce naléhavější právě v dnešní době, kdy díky enormnímu rozvoji a výskytu nových a komplikovanějších informačních technologií, systémů a komunikačních prostředků nevyhnutelně dochází k plynulému posunu hranice mezi privátním a veřejným prostorem, a to ve prospěch veřejné sféry, neboť ve virtuálním prostoru informačních technologií a elektronické komunikace (v tzv. kyberprostoru) jsou, zejména díky rozvoji internetu a mobilní komunikace, každou minutou zaznamenávány, shromažďovány a fakticky zpřístupněny tisíce, ba 69

Nález Ústavního soudu ČR ze dne 22. 3. 2011, sp. zn. Pl.ÚS 24/10. nalus.usoud.cz [online]. Ústavní soud, © 2011 [cit.30.3.2015]. Dostupné z: http://nalus.usoud.cz/Search/GetText.aspx?sz=Pl-24-10_1 70 MYŠKA, Matěj. Právní aspekty uchovávání provozních a lokalizačních údajů. 1. vyd. Brno: Masarykova univerzita, 2013, 133 s. ISBN 978-80-210-6462-1. 71 Například to mohou být údaje o stránkách navštívených určitou osobou v určitém období a společnosti je zpracovávají, aby osoby mohly profilovat za reklamními účely.

50

miliony dat, údajů a informací, které zasahují i do soukromé (osobnostní) sféry každého jednotlivce, ačkoliv on sám do ní vědomě nikoho vpustit nechtěl.72 Také vyjmenovává způsoby komunikace, jejichž obsah je zaznamenáván a jedná se tím o zásah do soukromí: Konkrétně u služeb pevných telefonních linek a mobilní komunikace jsou provozovatelé povinni shromažďovat prakticky všechny dostupné údaje o uskutečněných hovorech i (pokud jsou zaznamenávány) o jejich neúspěšných pokusech (typicky "prozvánění"). Jedná se zejména o údaje o typu uskutečněné komunikace, o telefonních číslech volajícího a volaného, o datu a času zahájení a ukončení komunikace, označení základové stanice, která zajišťovala hovor v okamžiku spojení, identifikaci předplacené telefonní karty, veřejného telefonního automatu, u mobilní komunikace navíc data o jednoznačném kódu používaného k identifikaci každého mobilního telefonu, který je používán v rámci GSM sítě (IMEI), o jeho poloze a pohybu, a to i pokud komunikace neprobíhá (stačí zapnutý mobilní telefon), čísla dobíjecích kuponů a jejich přiřazení k dobíjenému číslu, vazbu mezi mobilním přístrojem a všemi vloženými SIM kartami aj. Ještě větší objem a rozsah dat a údajů, které dle napadené právní úpravy musí být uchovávány, se vztahují k tzv. veřejným sítím fungujícím na principu přepojování paketů a jejich služeb, nejtypičtěji internetu. V případě jeho použití je napadenou právní úpravou vyžadováno uchovávání údajů zejména o přístupu k síti (např. čas, místo a délka připojení, údaje o uživatelích a jejich uživatelských účtech, identifikátor počítače i serveru, k němuž bylo přistupováno, IP adresa, úplné doménové jméno, objem přenesených dat aj.), dále údaje vztahující se k přístupu ke schránkám elektronické pošty a přenosu zpráv elektronické pošty (v tomto případě jsou uchovávány prakticky veškeré údaje kromě obsahu samotných zpráv, tj. včetně identifikace adres, objemu přenesených dat aj.), a v neposlední řadě i údaje o serverových a ostatních službách [např. zadané URL adresy, druh požadavku, údaje o použití chatu, usenetu, instant 72

Nález Ústavního soudu ČR ze dne 22. 3. 2011, sp. zn. Pl.ÚS 24/10. nalus.usoud.cz [online]. Ústavní soud, © 2011 [cit.30.3.2015]. Dostupné z: http://nalus.usoud.cz/Search/GetText.aspx?sz=Pl-24-10_1

51

messagingu (např. ICQ) a IP telefonie, a to včetně identifikace komunikujících stran, doby a použité služby (např. přenos souborů či transakce)]. Nad rámec předmětné Směrnice o data retention se u internetového připojení a služeb a emailové komunikace sleduje a uchovává množství přenesených dat, informace o použití šifrování, metoda a status požadavků na službu a její realizace a rovněž i informace o posílání SMS z internetových bran a další "zájmové identifikátory". U telefonie nad rámec Směrnice o data retention napadená právní úprava vyžaduje uchovávat údaje o identifikaci předplacené telefonní karty, veřejného telefonního automatu, číslech dobíjecích kuponů a jejich přiřazení k dobíjenému číslu, vazbách mezi mobilním přístrojem a vloženými SIM kartami.73 Technologie společnostem ale neumožňují zpracovávat pouze výše uvedená data, ale i taková, která komunikaci a její obsah nereflektují. Zásah do soukromí osob tedy není tolik markantní jako u kritizovaného institutu data retention. Další problém spojený s „pouhým“ dožadováním dle § 8 odst. 1 TŘ je nedostatečná podpora takového postupu v zákoně. Není upravena povinnost tato data vydávat a tak v současné době by zřejmě o legalitě postupu podle § 8 odst. 1 TŘ rozhodovaly soudy. V jiném kontextu ovšem trefnou formulaci požil Ústavní soud, dle kterého použitelnost již vyžádaných údajů pro účely trestního řízení bude třeba zkoumat ze strany obecných soudů z hlediska proporcionality zásahu do práva na soukromí v každém jednotlivém individuálním případu. Soudy budou muset především vážit závažnost trestného činu, který měl být naplněn skutkem, pro nějž je vedeno trestní řízení, ve kterém mají být vyžádané údaje využity.74 Není stanoveno, zda by postup musel nařídit státní zástupce nebo předseda senátu. Není ani stanoven okruh trestných činů nebo spodní a horní hranice trestů za spáchání trestných činů jako určité omezení možnosti si data vyžádat. Z těchto důvodů by provedení důkazů bylo ze strany orgánů činných v trestním řízení 73

Nález Ústavního soudu ČR ze dne 22. 3. 2011, sp. zn. Pl.ÚS 24/10. nalus.usoud.cz [online]. Ústavní soud, © 2011 [cit.30.3.2015]. Dostupné z: http://nalus.usoud.cz/Search/GetText.aspx?sz=Pl-24-10_1 74 tamtéž

52

těžko obhajitelné. Namítat nelegálnost postupu Policie ČR a státního zástupce by obhájce stíhané osoby mohl již v průběhu přípravného řízení, během řízení před soudem namítat nemožnost provedení takového důkazu a poté zohlednit tuto skutečnost v opravných prostředcích, neúspěšný by nemusel být ani s ústavní sížností.

6.3 Návrh legislativní úpravy V kontextu předchozích podkapitol si v rámci této práce dovolím navrhnout určitou legislativní úpravu zákona č. 141/1961 Sb. Zákon o trestním řízení soudním. Myšlenkou je vyjasnit kompetence orgánů činných v trestním řízení při získávání velkých objemů dat k analýze za účelem zjištění informací k vyšetření trestného činu. Úprava by se mohla konat formou pozměňovacího zákona, který by doplnil Trestní řád o § 88b. Systematické zařazení pod sedmý oddíl hlavy čtvrté s názvem Odposlech a záznam telekomunikačního provozu je sice nejednoznačné, protože se o účelový odposlech ani záznam nejedná, ale v trestním řádu není bližšího institutu. O důvodech a nutnosti nové úpravy se zmiňuji výše. V rámci návrhu bude zohledněna systematika oddílu, účelovost a právní záruky v souvislosti ochranou soukromí osob, záruky proti riziku zneužití údajů a svévole.75 Zejména je třeba reflektovat nutnost ochrany třetích osob a jejich soukromí, ochranu obsahu komunikací, ochranu obsahu cloudových úložišť.76 Nebudou vyjmenovány trestné činy, při jejichž vyšetřování by bylo možné aplikovat ustanovení, ale hranice budou určeny závažností trestného činu. Ustanovení by mohlo vypadat následovně:

75

Nález Ústavního soudu ČR ze dne 22. 3. 2011, sp. zn. Pl.ÚS 24/10. nalus.usoud.cz [online]. Ústavní soud, © 2011 [cit.30.3.2015]. Dostupné z: http://nalus.usoud.cz/Search/GetText.aspx?sz=Pl-24-10_1 76 V práci pojednávám o možnosti data z cloudů zjišťovat, dokonce je vyhodnocovat neuronovými sítěmi. Tyto teze by byly realizovány jinak, proto v kontextu návrhu zákonné úpravy zdůrazňuji tuto ochranu.

53

§ 88b (1) Je-li vedeno trestní řízení pro zločin, na který zákon stanoví trest odnětí svobody s horní hranicí trestní sazby nejméně osm let, může být nařízeno zajištění nestrukturovaných dat zpracovávaných právnickými a fyzickými osobami v rámci jejich podnikatelské činnosti a jiné činnosti k odborné analýze policejnímu orgánu. (2) Vydání nařídí v řízení před soudem předseda senátu a v přípravném řízení nařídí jejich vydání státnímu zástupci nebo policejnímu orgánu soudce na návrh státního zástupce. Příkaz musí být vydán písemně a odůvodněn. (3) Policejní orgán je povinen o průběhu analýzy vydat podrobnou zprávu a předat ji státnímu zástupci a předsedovi senátu. Policejní orgán je povinen provést

analýzu

v nejkratším

možném

termínu

s přihlédnutím

k okolnostem. (4) Policejní orgán vykonává analýzu za účelem zjištění a ověření informací vedoucí k objasnění trestného činu a je oprávněn uchovávat pouze data týkající se stíhané osoby nebo skupiny osob. Data, která policejní orgán zajistil a vyhodnotí je jako nepotřebná, je povinen neprodleně zničit. Záznam o zničení nepotřebných dat obsahuje zpráva o průběhu analýzy dle odstavce třetího. Zničení dat uvedené v §4 má být jednou z právních záruk ke snížení zásahu do práva na soukromí. Je nutné k tomu přistoupit i z pohledu nutnosti zachovat konzistenci dat z důvodu nutnosti osvědčovat stav věci v okamžiku zajištění, tedy zaručit, že konečný důkaz byl postupem v úkonu popsaným pořízen z nepozměněných dat. Technologický postup musí být přizpůsoben oběma těmto principům. Jinou možností je pro získávání dat z externích zdrojů formulovat jedno univerzální ustanovení, které by reflektovalo všechny možnosti získávání dat, určilo by kdo a v jaké situaci bude zajišťování dat nařizovat. Nutností je potom ustanovení, která se této problematiky týkají novelizovat na základě aktuálních

54

technologických možností uchovávání dat a na základě vývoje komunikačních technologií.

55

Závěr Justice v České republice není připravena na netriviální užívání moderních informačních a komunikačních technologií. Základním důvodem je neaktuálnost tématu pro představitele moci i pro širší odbornou veřejnost. Z toho vyplývá i nedostatečný výzkum, nízký počet publikací vydaných v České republice nebo napsaných českými autory. Proto není překvapením zastaralá právní úprava, která vývoj ICT nereflektuje. Ze zahraničních odborných publikací je patrné, že moderní ICT do činnosti justice zařadit lze a po stránce technologické a funkční by mohly být přínosem. V práci jsem se u každé popisované technologie zaměřil na možnosti, které mohou justiční orgány využít a na zjevné problémy, které využívání popisovaných technologií přináší. Většinou se dostala do rozporu funkce, kterou má technologie zajišťovat a právní principy, dokonce i základní práva zakotvená v právním řádu, přičemž nejčastěji se jednalo na právo na informační sebeurčení jako součást práva na soukromí. Zejména při úvaze nad využitím neuronových sítí bylo zjevné, že se jedná o úvahu, která bude realizovatelná v budoucnosti, až projde vývojem jak právo, tak i technologie neuronových sítí. Lze očekávat, že to bude umělá inteligence, která bude dříve připravena k rozhodování o právech a povinnostech osob. Ve zvláštní části práce jsem se zaměřil na technologie, které již používány jsou v malém měřítku.77Při zkoumání možnosti získávání dat jsem zjistil, že právní úprava nereflektuje ani současné triviálnější používání technologií k získávání a zpracování dat jako činnosti vedoucí k zajišťování elektronických důkazů. Zároveň není uspokojivě vyřešena otázka, zda veřejné dobro, k němuž nasazení nejmodernějších technologií k zajištění bezpečnosti a odhalování trestné činnosti vede, má v přímém rozporu s ochranou práva na soukromí ustoupit. A to, i když by se zřejmě mělo na právo na soukromí v dnešní internetové době pohlížet jinak než dříve.

77

Policie ČR využívá technologie big data, ale pouze při činnosti zvláštních útvarů.

56

Seznam pouţité literatury 1) Monografie B MAYER-SCHÖNBERGER, Viktor; CUKIER, Kenneth. Big data. 1. vyd. Brno: Nakladatelství COMPUTER PRESS, a.s., 2014, 256 s. ISBN 978-80-251-44119-9. DOSTÁL, Petr, PETRUCHA, Jindřich. Optimalizační metody v informačním managementu. Vyd. 1. Brno: Akademické nakladatelství CERM, 2013, 111 s. ISBN 978-80-7204-852-6. DOSTÁL, Petr. Pokročilé metody rozhodování za právní nejistoty. Vyd. 1. Brno: Akademické nakladatelství CERM, 2009, 104 s. ISBN 978-807204-651-5 PETRUCHA, Jindřich. Využití neuronových sítí v rozhodovacích procesech. 1. vyd. Kunovice: Nakladatelství Evropský polytechnický institut., 2008, 124 s. ISBN 978-80-251-44119KNAPP, Viktor. Právo a informace. 1. vyd. Praha: Academia, 1988, 289 s. SMEJKAL, Vladimír. Právo informačních a telekomunikačních systémů. 2. vyd. Praha: C.H. Beck, 2004, 770 s. ISBN 80-7179-765-0. MYŠKA, Matěj. Právní aspekty uchovávání provozních a lokalizačních údajů. 1. vyd. Brno: Masarykova univerzita, 2013, 133 s. ISBN 978-80210-6462-1. POLČÁK, Radim. Internet a proměny práva. 1. vyd. Praha: Auditorium, 2012, 388 s. ISBN 978-80-87284-22-3 HOLLÄNDER, Pavel. Filosofie práva. 1. vyd. Plzeň: Aleš Čeněk, 2006, 303 s. ISBN 80-86898-96-2 ŠIMÍČEK, Vojtěch. Právo na soukromí. 1. vyd. Brno: Masarykova univerzita, Mezinárodní politologický ústav, 2011, 212 s. ISBN 978-80210-5449-3. VEPŘEK, Lubomír. Kriminální zpravodajská analýza v prostředí Policie České republiky. Olomouc, 2012. 68 s. Diplomová práce. Univerzita

57

Palackého v Olomouci. , Pedagogická fakulta. Vedoucí práce PaedDr. Bronislava Štěpánková, Ph.D. 2) Právní předpisy Zákon č. 141/1961 Sb., o trestním řízení soudní, ve znění pozdějších předpisů. In: CODEXIS [právní informační systém]. Atlas Consulting Zákon č. 127/2005 Sb., o elektronických komunikacích a o změně některých souvisejících zákonů. In: CODEXIS [právní informační systém]. Atlas Consulting Ústavní zákon č. 23/1991 Sb., kterým se uvozuje Listina základních práv a svobod jako ústavní zákon Federálního shromáždění České a Slovenské Federativní Republiky ve znění zákona č. 162/1998 Sb., In: CODEXIS [právní informační systém]. Atlas Consulting zákon č. 256/1992 Sb., o ochraně osobních údajů v informačních systémech, ve znění pozdějších předpisů. In: CODEXIS ACADEMIA [právní informační systém]. ATLAS Consulting [vid. 29.2.2015]. 3) Soudní rozhodnutí Nález Ústavního soudu ČR ze dne 22. 3. 2011, sp. zn. Pl.ÚS 24/10. nalus.usoud.cz [online]. Ústavní soud, © 2011 [cit.30.3.2015]. Dostupné z: http://nalus.usoud.cz/Search/GetText.aspx?sz=Pl-24-10_1 4) Elektronické zdroje SCHMIDT, Aernout. IT and the judiciary in the Netherlands – A state of affairs. computer law & security report [online]. 2007, s. 453-460 [cit. 6. 4. 2015]. Dostupné z: https://openaccess.leidenuniv.nl/bitstream/handle/1887/12424/CLSRarticle+(2).pdf?sequence=3 Úvod do neuronových sítí. Statsoft.cz [online]. [13.1.2015]. Dostupné z: http://www.statsoft.cz/file1/PDF/newsletter/2013_02_05_StatSoft_Neuron ove_site_linky.pdf Big data: na velké objemy dat musíme jinak. zive.cz [online]. Mladá fronta, publikováno 18. 2. 2013 2013 [cit. 25. 6. 2013]. Dostupné z: http://www.zive.cz/clanky/big-data-na-velke-objemy-dat-musime-jinak/sc3167624/default.aspx#utm_medium=selfpromo&utm_source=zive&utm_c ampaign=copylink

58

CHAN, Janet, MOSES, Lyria Bennet. Using big data for legal and law enforcement decisions. UNSW Law Journal [online]. Oct 2014, vol. 37, iss. 2 [cit. 20. 2. 2015]. ISSN 0313-0096. Dostupné z Heinonline.org MATTIOLI, Michael. Disclosing Big data. Minnestotta law review [online]. Feb 2014, vol. 99, [cit. 24. 2. 2015]. Dostupné z Heinonline.org Stránka o Street View pro média: sites.google.com [online]. Google.com [cit. 23.2.2015]. Dostupné z: https://sites.google.com/a/pressatgoogle.com/streetviewcz/faq BURDON, Mark, MCKILLOP, Alissa. The Google Street View Wi-Fi scandal and its repercussions for privacy regulation. Monash University Law Review [online]. Mar 2014, vol. 9, iss: 3 [cit. 3. 3. 2015]. ISSN 0311-3140 1839-3837 Dostupné z: Heinonline.org SKOKAN, Petr. Big data: Od velkých očekávání k praktickému využití. IT SYSTEMS [online]. CCB spol. s.r.o., 2014 [cit. 15. 1. 2015]. ISSN 1802-615X. Dostupné z: http://www.systemonline.cz/business-intelligence/big-data-od-velkychocekavani-k-praktickemu-vyuziti.htm Hadoop and Big Data. Cloudera.com [online]. Cloudera, Inc. [cit.16. 1. 2015]. Dostupné z: http://www.cloudera.com/content/cloudera/en/about/hadoop-and-bigdata.html Hadoop What i tis and why it matters. sas.com [online]. SAS Institute, Inc. [cit.16. 1. 2015]. Dostupné z: http://www.sas.com/en_us/insights/bigdata/hadoop.html DEAN, Jeffrey, GHEMAWAT, Sanjay. MapReduce: Simpli ed Data Processing on Large Clusters. Google.com [online]. [cit. 16. 1. 2015]. Dostupné z: http://static.googleusercontent.com/media/research.google.com/cs//archive /mapreduce-osdi04.pdf RIJMENAM, Mark;. Crowd Control Management in the Twente Region. Datafloq.com [online]. [cit. 18.1.2015]. Dostupné z: http://db.dk/ pi/iri/files/Ingwarsen_IRI.pdf

59

Connected City Law Enforcement. agtinternational.com [online]. [cit. 15.2.2015]. Dostupné z: https://www.agtinternational.com/areas-of-business2/connected-city/law-enforcement-agencies StreetSmart Solution, Maximizing visible policing. agtinternational.com [online]. [cit. 15. 2. 2015]. Dostupné z: https://www.agtinternational.com/areas-of-business2/connected-city/law-enforcement-agencies/streetsmart/ SHENT, Quiang, KEPPENS, Jeroen, AITKEN, Colin, SCHAFER, Burkhard, LEE, Mark. A scenario-driven decision support system for serious crime investigation. Law, Probability and Risk [online]. May 2006, vol. 5, s. 8-17. [cit. 24. 2. 2015]. Doi: 10.1093 Dostupné z: Heinonline.org DINGLE, Norm Objasnění pojmu fuzzy logika. Controlcesko.com [online]. CFE Media, Publikováno 8.3.2012, [cit. 15. 1. 2015]. Dostupné z: http://www.controlengcesko.com/hlavnimenu/artykuly/artykul/article/objasneni-pojmu-fuzzy-logika/ NEWELL, Bryce. Local law enforcement jumps on the big data bandwagon: automated license plate recognitions systems, information provacy, and acces to government information, Maine Law Review [online]. Oct 2013, vol. 66, s. 398-435 [cit. 24. 2. 2015]. Dostupné z Heinonline.org Útvary Policie ČR: Schengenský informační systém [online]. policie.cz [cit. 23.3.2015]. Dostupné z: http://www.policie.cz/clanek/schengenskyinformacni-system.aspx OPIJNEN, Marc. Identifiers, Metadata and Document Structures: Essential Ingredients for Inter-European Case Law Search. European Legal Access Conference, Paris, 10-12 december 2008 Dostupné z: http://www.legalaccess.eu/IMG/pdf/223_Marc_van_Opijnen_Paris_2008. pdf Workshop on Judicial Training, Policy Department [online]. [cit. 24. 2. 2015] ISBN: 978-92-823-4882-6. Dostupné z: http://www.europarl.europa.eu/RegData/etudes/workshop/join/2013/49302 2/IPOL-JURI_AT%282013%29493022_EN.pdf Dokumentace Salvia [online]. Salvia [cit. 20.3.2015]. Dostupné z: http://salvia.gurkol.net/

60

Understanding and exploiting snapshot technology for data protection, Part 1: Snapshot technology overview. Ibm.com: [online]. IBM developer works, © [cit.30.3.2015]. Dostupné z: https://www.ibm.com/developerworks/tivoli/library/t-snaptsm1/ Tovek tools. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/produkty-tovek-tovek-tools Seznam dalších organizací přistupujících k Memorandu o spolupráci. mvcr.cz: [online]. Ministerstvo vnitra ČR [cit.30.3.2015]. Dostupné z: http://www.mvcr.cz/clanek/seznam-dalsich-organizaci-pristupujicich-kmemorandu-o-spolupraci-535629.aspx Přehled veřejných zakázek. mvcr.cz: [online]. Ministerstvo vnitra ČR [cit.30.3.2015]. Dostupné z: https://www.zakazky.mvcr.cz/contract_index.html?type=all&state=all STRAKA, Lubomír, TRNKA, Dan. ARMS – Investigativní zbraň pro konkurenční boj. cssi.cz [online]. Česká společnost pro systémovou integraci, © 2008. Dostupné z: http://webcache.googleusercontent.com/search?q=cache:fx7VrSFFsB4J:w ww.cssi.cz/cssi/system/files/all/straka.pdf+&cd=1&hl=cs&ct=clnk&gl=cz. Tovek tools. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/upload/produkty/tovek/tovektools/tt_info_2014.pdf IBM i2 Analysts Notebook. Tovek.cz: [online]. TOVEK, spol. s r.o. [cit.30.3.2015]. Dostupné z: http://www.tovek.cz/upload/produkty/i2/anb/anb8_info_cz.pdf TERRETT, Andrew. Neural Networks -Towards Predictive Law Machines, Oxfordjournals [online]. 1995, s. 94-111 [cit. 20. 2. 2015]. Dostupné z Heinonline.org

61

Příloha č.1

62