Цифровая экспертиза умных устройств: объекты, среды и базовые понятия 🧩

Современный этап развития вычислительной техники характеризуется массовым переходом от изолированных устройств к связанным системам, в которых вычислительные возможности встроены в повседневные предметы. Умные устройства и интернет вещей образуют распределённую среду, где каждый элемент способен собирать, хранить, обрабатывать и передавать данные. Для исследователя, работающего в области цифровой экспертизы, эта среда представляет собой новый класс объектов, существенно отличающихся от классических компьютеров и мобильных телефонов. Цифровая экспертиза умных устройств и интернета вещей формируется как самостоятельное направление, имеющее собственный предмет, методы и понятийный аппарат.

Под умным устройством в настоящей работе понимается техническое средство, оснащённое вычислительным модулем, средствами связи и набором сенсоров, предназначенное для выполнения прикладных функций в бытовой, производственной или инфраструктурной среде. К таким устройствам относятся интеллектуальные датчики, носимые гаджеты, системы умного дома, промышленные контроллеры, подключённые автомобили и множество иных категорий. Интернет вещей представляет собой совокупность подобных устройств, объединённых сетями передачи данных и способных взаимодействовать без непосредственного участия человека. Именно эта способность к автономному взаимодействию порождает специфику экспертного исследования.

Объектом цифровой экспертизы в рассматриваемой области выступают не только сами физические устройства, но и формируемые ими данные, а также связи между устройствами и внешними системами. Такое расширение объекта требует пересмотра традиционных представлений о носителе информации. Носителем может являться встроенная память устройства, облачный сервис, промежуточный шлюз, мобильное приложение-компаньон или сетевой трафик. Каждый из этих элементов может содержать фрагменты значимой информации, причём эти фрагменты распределены и взаимосвязаны.

Предмет цифровой экспертизы умных устройств образуют закономерности возникновения, движения, преобразования и отображения цифровых следов, формируемых в процессе функционирования умных устройств и IoT-систем. Эти закономерности позволяют реконструировать события, устанавливать последовательность действий, идентифицировать участников взаимодействия и определять характеристики среды, в которой происходили события. Такая экспертиза умных устройств, таким образом, ориентирована на установление фактов, имеющих значение для разрешения спорных ситуаций, на основе анализа данных, порождаемых связанными техническими системами.

Ключевым понятием выступает цифровой след. В контексте умных устройств цифровой след приобретает ряд особенностей.

1. Он часто формируется автоматически, без участия человека, что повышает его объективность, но одновременно затрудняет интерпретацию.
2. Он распределён между устройством, шлюзом, облаком и приложением.
3. Он может быть кратковременным: кольцевые буферы и перезаписываемые журналы сохраняют данные лишь за ограниченный период.
4. Он тесно связан с физическими параметрами среды, что создаёт мост между цифровой и материальной картиной события.

Средой функционирования умных устройств является гетерогенная инфраструктура, включающая беспроводные протоколы, локальные сети, облачные платформы и прикладные сервисы. Эта среда не является статичной: конфигурация устройств, состав подключённых узлов и параметры соединений могут меняться динамически. Для эксперта это означает необходимость фиксировать не только содержимое данных, но и состояние среды на момент их формирования. Такая экспертиза умных устройств вынуждена учитывать топологию сети, временные метки, версии прошивок и особенности взаимодействия протоколов.

Разграничение понятий «данные устройства», «данные о устройстве» и «данные, связанные с устройством», имеет принципиальное значение. Первые формируются самим устройством в процессе работы. Вторые описывают технические характеристики и состояние устройства. Третьи возникают во внешних системах и лишь косвенно относятся к устройству. Смешение этих категорий приводит к ошибкам в экспертных выводах, поэтому в рамках настоящей работы проводится их последовательное различение.

Наконец, следует определить границы рассматриваемого направления. Такая экспертиза умных устройств и интернета вещей не сводится к извлечению данных из памяти отдельного гаджета. Она включает анализ взаимодействий, реконструкцию сценариев, оценку достоверности и установление причинно-следственных связей между событиями физического мира и их цифровыми отображениями. Именно этот комплексный характер определяет как сложность, так и ценность данного направления для современной экспертной практики.

Архитектура умных устройств и интернета вещей как источник экспертно значимых данных 💻

Архитектура умных устройств и интернета вещей определяет, какие данные возникают, где они сохраняются и как долго существуют. Понимание архитектуры является необходимым условием корректного экспертного исследования, поскольку именно структурные особенности системы задают возможности и ограничения анализа. В настоящей части рассматриваются типовые архитектурные решения, их уровни и элементы, значимые для цифровой экспертизы.

Типовая архитектура умного устройства включает несколько взаимосвязанных подсистем. Сенсорный уровень обеспечивает восприятие физических величин: температуры, движения, освещённости, ускорения, положения в пространстве, химического состава среды. Вычислительный уровень выполняет первичную обработку сигналов, фильтрацию, агрегацию и принятие локальных решений. Коммуникационный уровень реализует передачу данных по проводным или беспроводным каналам. Уровень хранения обеспечивает краткосрочное или долгосрочное сохранение информации. Наконец, уровень питания и управления определяет режимы работы и энергопотребление. Каждый из этих уровней оставляет собственные цифровые следы.

Сенсорные данные обладают высокой ценностью для экспертизы, поскольку непосредственно отражают параметры физической среды. Однако они же наиболее подвержены искажениям: шум, калибровочные погрешности, ограничения дискретизации и условия эксплуатации влияют на их точность. Эксперт должен учитывать эти факторы при интерпретации. Цифровая экспертиза умных устройств рассматривает сенсорные данные не как абсолютно точные измерения, а как результат работы измерительной системы с известными характеристиками.

Вычислительный уровень формирует производные данные: агрегаты, события, состояния, журналы. Эти данные часто являются более удобными для анализа, чем сырые сигналы, но при этом они уже прошли преобразование, которое может быть не полностью документировано. Алгоритмы агрегации, пороговые значения и правила формирования событий могут различаться между версиями прошивок. Это создаёт риск неверной интерпретации при отсутствии сведений о конкретной конфигурации.

Коммуникационный уровень порождает сетевые следы: записи о подключениях, идентификаторы узлов, метаданные пакетов, журналы шлюзов. Эти следы позволяют устанавливать связи между устройствами и внешними системами, выявлять моменты активности и реконструировать топологию сети. Для цифровой экспертизы умных устройств сетевые данные представляют особую ценность, поскольку они фиксируют взаимодействие, которое не всегда отражается в локальной памяти устройства.

Уровень хранения определяет доступность данных для последующего анализа. В умных устройствах широко применяются энергонезависимая память, карты памяти, встроенные файловые системы и специализированные хранилища. Объёмы хранения часто ограничены, что приводит к циклической перезаписи и потере старых данных. Понимание политики хранения позволяет эксперту оценить, какие сведения могли сохраниться к моменту исследования и какие были утрачены безвозвратно.

Облачный уровень занимает особое место в архитектуре интернета вещей. Многие устройства передают данные на удалённые платформы, где они хранятся, обрабатываются и предоставляются через приложения. Облако может содержать более полные и долговременные данные, чем само устройство, однако доступ к ним ограничен организационными и техническими условиями. Цифровая экспертиза умных устройств учитывает облачный сегмент как потенциальный источник, требующий отдельной процедуры получения и документирования.

Мобильное приложение-компаньон нередко выступает посредником между пользователем и устройством. Оно содержит настройки, историю, уведомления и кэшированные данные, которые могут дублировать или дополнять информацию самого устройства. При экспертизе важно рассматривать приложение как самостоятельный объект, а не только как инструмент управления.

Архитектурные различия между устройствами порождают значительное разнообразие сценариев исследования. Устройства с автономной логикой, устройства, полностью зависимые от облака, и гибридные решения требуют разных подходов к сбору и анализу данных. Такая экспертиза умных устройств, таким образом, не может опираться на единый универсальный шаблон: архитектурный контекст задаёт рамки, в которых строятся частные методики.

Цифровые следы и данные сенсоров в умных устройствах: состав, свойства и поведение 💾

Цифровые следы, формируемые умными устройствами, обладают свойствами, отличающими их от следов традиционных компьютерных систем. В настоящей части рассматривается состав таких следов, их характеристики и закономерности поведения во времени. Понимание этих закономерностей составляет основу для корректной реконструкции событий.

Состав цифровых следов умного устройства включает несколько категорий. Первую категорию образуют сенсорные измерения: временные ряды значений, отражающие состояние физической среды. Вторую категорию составляют события: записи о наступлении определённых условий, срабатывании порогов, изменении состояния. Третью категорию образуют журналы работы: сведения о включении, выключении, обновлениях, ошибках, подключениях. Четвёртую категорию составляют конфигурационные данные: настройки, идентификаторы, параметры сети. Пятую категорию образуют пользовательские данные: команды, сценарии, персонализированные правила. Цифровая экспертиза умных устройств рассматривает эти категории в их взаимосвязи.

Сенсорные данные обладают свойством временной упорядоченности. Каждое измерение привязано к моменту времени, однако точность и способ фиксации времени могут различаться. Устройства могут использовать локальные часы, синхронизацию по сети или относительный отсчёт. Смещение часов, дрейф и пересинхронизация создают искажения, которые необходимо учитывать при сопоставлении данных из разных источников. Цифровая экспертиза умных устройств уделяет временным меткам первостепенное внимание, поскольку от них зависит установление последовательности событий.

Поведение цифровых следов во времени определяется политикой хранения и режимами работы устройства. Кратковременные буферы сохраняют данные за последние минуты или часы. Долговременные журналы могут охватывать месяцы, но часто подвергаются агрегации. При переходе устройства в спящий режим часть данных не формируется. При обновлении прошивки структура журналов может измениться. Эти особенности приводят к неравномерной плотности следов: одни периоды документированы подробно, другие — фрагментарно.

Важным свойством является связность цифровых следов. Событие, зафиксированное на одном уровне, часто отражается на других уровнях в преобразованном виде. Например, срабатывание датчика движения может породить запись в журнале устройства, уведомление в приложении, сетевой пакет и запись в облачном сервисе. Совокупность этих отражений образует распределённый след, восстановление которого требует сопоставления разнородных данных.

Достоверность цифровых следов не является абсолютной. Она зависит от исправности сенсоров, корректности алгоритмов, целостности памяти и отсутствия внешнего вмешательства. Некоторые устройства допускают удалённое управление и обновление, что создаёт потенциальную возможность изменения данных. Такая экспертиза умных устройств обязана оценивать достоверность каждого источника и учитывать возможность искажений.

Особого внимания заслуживает проблема фрагментарности. Данные умных устройств редко образуют полную и непрерывную картину. Чаще они представляют собой отдельные фрагменты, между которыми имеются пробелы. Реконструкция события в таких условиях требует осторожных выводов и явного указания на неполноту исходных сведений.

Наконец, цифровые следы умных устройств обладают свойством контекстуальной зависимости. Их значение определяется средой, в которой они возникли. Одно и то же числовое значение может означать разные события в зависимости от настроек, калибровки и сценариев. Такая экспертиза умных устройств, таким образом, не может ограничиваться извлечением данных: она должна восстанавливать контекст их формирования, без которого интерпретация оказывается недостоверной.

Методы сбора и фиксации данных умных устройств и интернета вещей для цифровой экспертизы 🔬

Сбор и фиксация данных умных устройств представляют собой самостоятельную проблему, решение которой определяет доказательственное значение последующего анализа. В отличие от классических носителей, умные устройства часто не допускают прямого подключения, работают автономно и требуют сохранения работоспособности среды. В настоящей части рассматриваются методы, применимые в этих условиях.

Первым этапом является идентификация устройств и их ролей в системе. Необходимо установить перечень узлов, их типы, версии прошивок, сетевые адреса и функциональное назначение. Эта информация формирует карту системы, без которой невозможна корректная интерпретация данных. Цифровая экспертиза умных устройств рассматривает карту системы как обязательный элемент экспертного исследования.

Вторым этапом выступает выбор стратегии сбора. Возможны несколько подходов: извлечение данных непосредственно из устройства, получение данных из облачного сервиса, сбор сетевого трафика, анализ приложения-компаньона, комбинирование источников. Каждый подход имеет преимущества и ограничения. Прямое извлечение обеспечивает наибольшую достоверность, но требует физического доступа и совместимости инструментов. Облачные данные могут быть полнее, но зависят от организационных условий. Сетевой трафик фиксирует взаимодействия, но не содержит локальных журналов. Комбинирование позволяет компенсировать недостатки отдельных источников.

Третьим этапом является обеспечение целостности. Необходимо документировать состояние устройства до вмешательства, фиксировать идентификаторы, версии, настройки, временные метки. Любое действие, изменяющее состояние устройства, должно быть отражено в протоколе. Цифровая экспертиза умных устройств требует, чтобы каждая операция была воспроизводима и проверяема.

Четвёртым этапом выступает извлечение данных. В зависимости от устройства применяются методы логического извлечения, физического копирования, анализа специализированных хранилищ. Для устройств с ограниченными ресурсами часто применяются интерфейсы отладки, последовательные порты, беспроводные протоколы. Извлечение должно сопровождаться контролем ошибок и оценкой полноты.

Пятым этапом является консервация и хранение полученных данных. Необходимо обеспечить неизменность копий, их резервное копирование и документирование условий хранения. Целостность данных должна быть подтверждена контрольными суммами и иными средствами верификации.

Шестым этапом выступает документирование. Протокол сбора должен содержать сведения об устройстве, методах, инструментах, времени, участниках и результатах. Такая экспертиза умных устройств предъявляет к документированию повышенные требования, поскольку разнородность источников затрудняет последующую проверку.

Особую сложность представляет работа с устройствами, находящимися в активной эксплуатации. Остановка устройства может изменить его состояние и привести к утрате данных. В таких случаях применяются методы пассивного наблюдения, зеркалирования трафика, периодического снятия состояния. Выбор метода определяется балансом между полнотой и сохранностью.

Наконец, следует учитывать, что сбор данных умных устройств часто требует взаимодействия с несколькими сегментами системы одновременно. Синхронизация операций по времени и согласование форматов позволяют получить сопоставимый набор данных. Такая экспертиза умных устройств рассматривает сбор как комплексную задачу, решение которой определяет качество всех последующих этапов.

Анализ и интерпретация данных умных устройств в рамках цифровой экспертизы 📊

Анализ данных умных устройств направлен на восстановление событий, установление связей и формирование выводов, имеющих значение для разрешения спорных ситуаций. В настоящей части рассматриваются основные аналитические процедуры, применяемые в цифровой экспертизе умных устройств и интернета вещей.

Первой процедурой является нормализация данных. Разнородные источники используют различные форматы, шкалы, единицы измерения и временные метки. Приведение данных к единому виду позволяет сопоставлять их между собой. Нормализация включает преобразование времени, унификацию единиц, согласование идентификаторов. Цифровая экспертиза умных устройств рассматривает нормализацию как необходимое условие корректного анализа.

Второй процедурой является реконструкция временной шкалы. Сопоставление событий из разных источников позволяет выстроить последовательность, отражающую ход процесса. При этом учитываются смещения часов, задержки передачи, порядок поступления данных. Временная шкала служит основой для установления причинно-следственных связей.

Третьей процедурой является выявление связей между устройствами и участниками. Анализ сетевых данных, идентификаторов, шаблонов взаимодействия позволяет установить, какие устройства обменивались данными, в какие моменты и с какой интенсивностью. Это даёт возможность реконструировать топологию взаимодействия и выявить активные узлы.

Четвёртой процедурой является интерпретация сенсорных данных. Она включает оценку достоверности измерений, учёт погрешностей, выявление аномалий. Аномалии могут указывать на нештатные ситуации, вмешательство или отказ оборудования. Цифровая экспертиза умных устройств рассматривает аномалии как значимые индикаторы, требующие дополнительной проверки.

Пятой процедурой является сопоставление цифровых следов с физическими событиями. Реконструкция сценария предполагает установление соответствия между данными и реальными процессами. Это требует знания особенностей устройства, среды и условий эксплуатации.

Шестой процедурой является оценка полноты и достоверности. Эксперт должен явно указать, какие данные отсутствуют, какие источники противоречат друг другу, какие выводы являются вероятностными. Такая экспертиза умных устройств требует прозрачности в отношении ограничений анализа.

Седьмой процедурой является формирование выводов. Выводы должны быть обоснованы, воспроизводимы и соотнесены с исходными данными. Они могут касаться фактов, последовательности событий, характеристик среды, действий участников. Формулировка выводов должна учитывать неопределённость, присущую распределённым и фрагментарным данным.

Особое значение имеет проверка альтернативных гипотез. Одни и те же данные могут допускать несколько объяснений. Эксперт обязан рассмотреть конкурирующие версии и оценить их согласованность с имеющимися сведениями. Такая экспертиза умных устройств, таким образом, включает не только подтверждение основной версии, но и проверку устойчивости вывода к альтернативным интерпретациям.

Наконец, анализ данных умных устройств требует междисциплинарного подхода. Знания в области сетей, сенсорики, встраиваемых систем и прикладных сервисов необходимы для корректной интерпретации. Такая экспертиза умных устройств формируется на стыке технических дисциплин, что определяет её сложность и одновременно её объяснительный потенциал.

Особенности цифровой экспертизы отдельных классов умных устройств и IoT-систем 📌

Разнообразие умных устройств порождает различия в подходах к их экспертизе. В настоящей части рассматриваются особенности отдельных классов устройств и систем, значимые для цифровой экспертизы умных устройств и интернета вещей.

Носимые устройства образуют класс, характеризующийся постоянным контактом с пользователем и высокой плотностью сенсорных данных. Они фиксируют движение, пульс, сон, местоположение. Данные носятся личный характер, что требует особого внимания к их обработке. Синхронизация с мобильным приложением и облаком создаёт множественные копии, которые могут различаться по полноте.

Устройства умного дома образуют распределённую систему, включающую датчики, исполнительные механизмы, концентраторы и голосовых помощников. Их особенность состоит в тесной связи с физической средой жилища и в наличии сценариев автоматизации. Журналы концентратора часто содержат сводную информацию о событиях, тогда как отдельные устройства хранят лишь локальные фрагменты.

Промышленные IoT-системы характеризуются высокой надёжностью, детерминированностью и длительными циклами работы. Они формируют технологические журналы, данные телеметрии и записи о состоянии оборудования. Цифровая экспертиза умных устройств в этом классе сталкивается с большими объёмами данных и необходимостью различать штатные и нештатные режимы.

Connected-транспорт представляет класс, в котором данные о движении, состоянии узлов и маршрутах формируются непрерывно. Эти сведения могут использоваться для реконструкции событий, связанных с эксплуатацией транспортного средства. Особенностью является высокая точность временных меток и наличие нескольких независимых источников.

Медицинские носимые и имплантируемые устройства формируют данные о физиологических параметрах. Их экспертиза требует учёта специфики измерений и ограничений на раскрытие информации. Цифровая экспертиза умных устройств в этом классе ориентирована на установление фактов, значимых для разрешения спорных ситуаций, при строгом соблюдении ограничений.

Инфраструктурные IoT-системы, обслуживающие городские и коммунальные сети, характеризуются большим числом узлов и длительными периодами наблюдения. Данные таких систем позволяют выявлять аномалии, реконструировать аварийные ситуации и оценивать состояние среды. Особенностью является распределённость и необходимость агрегации сведений из множества источников.

Устройства с голосовым управлением образуют класс, в котором значительная часть данных связана с речевыми командами. Их экспертиза требует анализа журналов активации, записей команд и сетевых взаимодействий. Такая экспертиза умных устройств учитывает, что часть обработки может происходить локально, а часть — в удалённых сервисах.

Каждый из рассмотренных классов обладает собственной спецификой, однако существуют и общие закономерности: распределённость данных, зависимость от облачных сервисов, ограниченность ресурсов хранения, необходимость учёта контекста. Такая экспертиза умных устройств формирует единую рамку, в пределах которой частные особенности получают систематическое объяснение.

Достоверность, целостность и воспроизводимость результатов цифровой экспертизы умных устройств ✅

Достоверность, целостность и воспроизводимость являются ключевыми требованиями к результатам экспертного исследования. В умных устройствах и IoT-системах эти требования приобретают особую остроту в силу распределённости данных и динамичности среды. В настоящей части рассматриваются условия, при которых результаты цифровой экспертизы умных устройств могут считаться надёжными.

Достоверность результатов зависит от качества исходных данных. Если данные получены из ненадёжного источника, содержат ошибки или были изменены, выводы теряют обоснованность. Цифровая экспертиза умных устройств требует оценки каждого источника по критериям происхождения, полноты, согласованности и сохранности. Источники, не удовлетворяющие этим критериям, должны использоваться с осторожностью или исключаться.

Целостность данных обеспечивается на всех этапах работы. При сборе фиксируется исходное состояние, при хранении применяются средства защиты от изменений, при анализе используются копии, а не оригиналы. Контрольные суммы, хеширование и протоколирование позволяют подтвердить неизменность. Цифровая экспертиза умных устройств рассматривает целостность как непрерывный процесс, а не как единичную процедуру.

Воспроизводимость означает, что другой специалист, располагая теми же данными и описанием методов, может получить аналогичные результаты. Для этого необходимо документировать инструменты, версии, параметры, последовательность операций. Такая экспертиза умных устройств предъявляет к воспроизводимости повышенные требования, поскольку разнородность источников затрудняет повторение анализа.

Существенную роль играет оценка неопределённости. Данные умных устройств часто неполны, временные метки могут быть смещены, сенсоры подвержены погрешностям. Выводы должны сопровождаться указанием на степень уверенности и возможные альтернативы. Такая экспертиза умных устройств исходит из того, что абсолютная точность недостижима, и задача состоит в корректной оценке границ знания.

Отдельного внимания требует проблема вмешательства. Некоторые устройства допускают удалённое изменение конфигурации, обновление прошивок и удаление данных. Наличие таких возможностей означает, что целостность следов не гарантирована. Эксперт должен учитывать вероятность вмешательства и оценивать его возможные последствия.

Проверка альтернативных гипотез выступает инструментом повышения достоверности. Если вывод устойчив при различных объяснениях данных, его надёжность возрастает. Если альтернативы не могут быть исключены, это должно быть отражено в заключении. Такая экспертиза умных устройств рассматривает проверку гипотез как обязательный элемент анализа.

Наконец, важным условием является прозрачность. Все допущения, ограничения и сомнения должны быть явно изложены. Это позволяет оценить выводы независимо и принять обоснованное решение. Такая экспертиза умных устройств, таким образом, строится на сочетании технической строгости и методологической честности.

Заключение ✅

Настоящая статья была посвящена цифровой экспертизе умных устройств и интернета вещей как самостоятельному направлению экспертной деятельности. В ходе изложения рассмотрены объекты и среды, архитектурные особенности, состав и поведение цифровых следов, методы сбора и фиксации, аналитические процедуры, специфика отдельных классов устройств, а также вопросы достоверности, целостности и воспроизводимости.

Проведённое рассмотрение показывает, что умные устройства и IoT-системы формируют особый класс объектов экспертизы, отличающийся распределённостью данных, динамичностью среды, зависимостью от облачных сервисов и ограниченностью ресурсов хранения. Эти особенности требуют пересмотра традиционных подходов и формирования специализированного понятийного и методического аппарата.

Цифровая экспертиза умных устройств опирается на комплексный анализ разнородных источников: сенсорных измерений, событий, журналов, сетевых данных, облачных записей и приложений-компаньонов. Сопоставление этих источников позволяет реконструировать события, устанавливать связи и формировать обоснованные выводы. При этом ключевое значение имеют корректная работа с временными метками, оценка достоверности и учёт контекста.

Методы сбора и фиксации, рассмотренные в работе, ориентированы на сохранение целостности и обеспечение воспроизводимости. Документирование каждой операции, контроль состояния устройства и использование копий создают основу для последующей проверки. Аналитические процедуры включают нормализацию, реконструкцию временной шкалы, выявление связей, интерпретацию сенсорных данных и проверку альтернативных гипотез.

Особенности отдельных классов устройств демонстрируют многообразие сценариев экспертного исследования. Носимые устройства, умный дом, промышленные системы, подключённый транспорт, медицинские изделия, инфраструктурные сети и голосовые помощники обладают собственной спецификой, однако подчиняются общим закономерностям, сформулированным в рамках единой рамки.

Вопросы достоверности, целостности и воспроизводимости занимают центральное место в цифровой экспертизе умных устройств. Оценка источников, контроль изменений, документирование методов и прозрачность выводов обеспечивают надёжность результатов. Признание неопределённости и ограничений анализа является не слабостью, а необходимым условием корректного экспертного заключения.

📌 Таким образом, цифровая экспертиза умных устройств и интернета вещей представляет собой развивающееся направление, обладающее собственным предметом, методами и принципами. Дальнейшее накопление практического опыта и систематизация знаний будут способствовать укреплению его теоретических основ и повышению качества экспертной деятельности.