Метод взаимных исключений Лосева-Миллера: научное обоснование, математическая модель и высокая эффективность психофизиологического тестирования

1. Научные основы Метода взаимных исключений Лосева-Миллера

1.1 Психофизиологический феномен значимого стимула

Эффективность любого полиграфного исследования базируется на фундаментальном психофизиологическом явлении: стимул (вопрос, предмет, изображение), несущий субъекту значимую в конкретной ситуации информацию об интересующем событии, устойчиво вызывает физиологические реакции, превышающие реакции на сходные, но нейтральные стимулы.
Метод Лосева-Миллера расширяет эту парадигму, конструируя тесты на основе двух равнозначных по силе воздействия взаимоисключающих версий событий (например, "действовал в одиночку" vs "действовал в сговоре"). При таком подходе автоматически исключается субъективное предпочтение эксперта и минимизируется влияние личностных характеристик экзаменатора на восприятие испытуемым предъявляемого материала.

1.2 Регистрируемые физиологические маркеры

Современные полиграфы, применяемые в методе Лосева-Миллера, осуществляют одновременную запись следующих показателей организма испытуемого:

• Кожно-гальванические характеристики (КГР) — электрическое сопротивление кожи, отражающее активность потовых желез
• Сердечно-сосудистые показатели — частота сердечных сокращений, артериальное давление, фотоплетизмограмма (кровенаполнение периферических сосудов)
• Дыхательные параметры — частота, глубина и ритм дыхания
• Двигательная активность — микромоторика и тремор

Каждый из этих маркеров реагирует на психологический стресс через активацию симпатической нервной системы, что регистрируется в виде обособленных графических кривых на выходе полиграфа.

2. Структура и математические основы метода

2.1 Конкатенация вопросов и логическая структура теста

Тест по методу Лосева-Миллера конструируется согласно следующей математической конкатенации:[2]
X : 0 → C, …, C → B1¹ . B2¹ → H → B1² . B2² → H → … → B1ⁿ . B2ⁿ → H
Где:
X — индекс-идентификатор тестируемого лица
0 — «нулевой» (не оцениваемый) вопрос
C — вопросы, снимающие стресс ожидания
B1ᵢ, B2ᵢ — пары взаимоисключающих вопросов (i = 1, 2, …, n)
H — нейтральные вопросы для восстановления эмоционального фона
n — число конкретных обстоятельств события или действия
Эта структура обеспечивает систематический и контролируемый порядок предъявления стимулов, что принципиально отличает метод от классических полиграфных процедур.

Структура теста Метода взаимных исключений Лосева-Миллера

2.2 Условия равной силы взаимоисключающих вопросов

Ключевой инновацией метода является обеспечение равной силы вопросов-стимулов двух взаимоисключающих версий путём реализации пяти критериев:

• Одинаковость времени предъявления — вопросы озвучиваются за равное время
• Совпадение моментов реакции — фиксация ответной реакции происходит в идентичные временные интервалы после предъявления
• Корректность сравнения — версии не имеют предпочтения и рассматриваются как равновероятные гипотезы
• Минимизация субъективного влияния — исключается различие в тембре голоса, громкости, эмоциональной окраске экзаменатора
• Идентичность построения — вопросы имеют одинаковую длину, синтаксическую структуру, и значимые слова фиксируются в аналогичных позициях

Эти условия, строго соблюдаемые при конструировании теста, обеспечивают редукцию артефактов и повышение надёжности интерпретации результатов.

3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ МЕТОДА ЛОСЕВА-МИЛЛЕРА

3.1 Многопараметрический анализ физиологических сигналов

Пусть для испытуемого i регистрируются K физиологических сигналов: S(t) = {s₁(t), s₂(t), …, sₖ(t)}, где каждый сигнал sₖ(t) представляет один из измеряемых параметров (КГР, частота сердцебиения, дыхание и т.д.), а t — время.
При предъявлении вопроса Bⱼᵐ (вопрос m версии j) в момент времени t₀, происходит регистрация сигнала в окне времени [t₀, t₀ + Δt], где Δt — период анализа (обычно 5–15 секунд после предъявления вопроса).

3.2 Экстракция признаков (Feature Extraction)

Для каждого сигнала sₖ(t) относительно вопроса Bⱼᵐ вычисляются три типа признаков:[6]
а) Интегральное различие амплитуд (Integrated Amplitude Difference, IAD):
IAD_(k,j)^m=∫_(t_0)^(t_0+Δt) |s_k (t,B_j^m)| dt
Этот признак измеряет общую площадь под кривой физиологического ответа на вопрос.
б) Временная задержка (Latency Difference, LD):
LD_(k,j)^m=min(t-t_0)" такое,что " s_k (t)>θ_k
где θₖ — пороговое значение для сигнала sₖ(t). Этот признак характеризует время, прошедшее с момента предъявления вопроса до достижения физиологическим ответом значимого уровня.
в) Спектральные свойства (Spectral Properties, SP):
SP_(k,j)^m=∑_(f∈F_high ) |FFT(s_k (t))|^2
где FFT — быстрое преобразование Фурье, F_{high} — высокочастотный диапазон спектра (обычно 0.5–5 Гц для психофизиологических сигналов). Этот признак отражает высокочастотные колебания, связанные с возбуждением и эмоциональным напряжением.

3.3 Вычисление дифференциальных признаков для взаимоисключающих версий

Ключевым шагом является вычисление разностных признаков между взаимоисключающими версиями B1 и B2:
ΔIAD_k^i=|IAD_(k,1)^i-IAD_(k,2)^i |
ΔLD_k^i=|LD_(k,1)^i-LD_(k,2)^i |
ΔSP_k^i=|SP_(k,1)^i-SP_(k,2)^i |
Эти разности для каждого обстоятельства i и каждого сигнала k образуют вектор признаков:
X_i=(ΔIAD_1^i,ΔIAD_2^i,…,ΔIAD_K^i,ΔLD_1^i,ΔLD_2^i,…,ΔLD_K^i,ΔSP_1^i,ΔSP_2^i,…,ΔSP_K^i)
В общем случае для K сигналов размерность вектора признаков составляет 3K.

3.4 Байесовская классификация с использованием логистической регрессии

Для каждого обстоятельства i необходимо классифицировать результат в одну из двух категорий:
Y_i = 1 (испытуемый соответствует версии B2, например "действовал в сговоре")
Y_i = 0 (испытуемый соответствует версии B1, например "действовал в одиночку")
Используется модель логистической регрессии:
P(Y_i=1|X_i)=1/(1+e^(-(β_0+∑_(k=1)^3K β_k X_(i,k))) )=σ(β_0+β^T X_i)
где σ — логистическая функция, β₀ — смещение (intercept), β = {β₁, β₂, …, β₃ₖ} — вектор коэффициентов, определённых на обучающей выборке.
Вероятность отнесения к версии B1:
P(Y_i=0|X_i)=1-P(Y_i=1|X_i)

3.5 Принятие решения и вычисление апостериорной вероятности

Окончательное решение для обстоятельства i принимается на основе:
Y ˆ_i={■(1&"если " P(Y_i=1|X_i)>τ@0&"если " P(Y_i=1|X_i)≤τ)┤
где τ — пороговое значение (обычно 0.5). Апостериорная вероятность P(Y_i = 1 | X_i) интерпретируется как уверенность в выборе версии B2 для данного обстоятельства.

3.6 Интеграция результатов по всем обстоятельствам

Итоговое заключение по тесту вычисляется как среднее значение апостериорных вероятностей по всем n обстоятельствам:
P ‾=1/n ∑_(i=1)^n P(Y_i=1|X_i)
Интерпретация:
0.00 ≤ P ‾ < 0.35 → явное преобладание версии B1
0.35 ≤ P ‾ < 0.65 → неопределённый результат (амбивалентность)
0.65 ≤ P ‾ ≤ 1.00 → явное преобладание версии B2
Преимущество метода Лосева-Миллера состоит в том, что симметричная конструкция взаимоисключающих вопросов существенно снижает вероятность попадания P ‾ в зону неопределённости [0.35, 0.65], что практически исключает амбивалентность результатов.

3.7 Количественная мера эффективности разделения (ROC-анализ)

 

Качество модели оценивается площадью под ROC-кривой (Area Under the Curve, AUC):

AUC=∫_0^1 TPR(α) dα
где TPR(α) — истинно положительная доля при заданной доле ложноположительных (α), α = 1 − Specificity.
Для метода Лосева-Миллера экспериментально установлено:[2]
AUC ≈ 0.93–0.95, что соответствует отличной диагностической способности

ROC-кривая: Сравнение диагностической эффективности методов психофизиологического тестирования
В сравнении:
Традиционный полиграф: AUC ≈ 0.60
CQT однопроблемное: AUC ≈ 0.89
Комбинированные валидированные методы: AUC ≈ 0.87

4. Сравнительный анализ эффективности

4.1 Точность Метода Лосева-Миллера в контексте международных стандартов

Согласно патентному описанию, длительное практическое опробование метода в следственной практике показало достоверность вынесения суждения о преобладании одной из двух взаимоисключающих версий на уровне 90–95%, в то время как традиционное использование полиграфа даёт около 60% надежных результатов.
Эти показатели находятся в соответствии и даже превосходят результаты, полученные американской Полиграфной ассоциацией (APA) в мета-аналитическом обзоре 2011–2012 годов:

• Методология Точность Доверительный интервал Неопределённость AUC
• Традиционный МКВ 60% 55–65% 40% 0.60
• CQT однопроблемное 89% 83–95% 11% 0.89
• CQT многопроблемное 85% 77–93% 13% 0.85
• Комбинированные валидированные методы 87% 80–94% 13% 0.87
• OSS-3 / PolyScore алгоритмы 85–92% 82–94% 8–15% 0.88–0.91
• Метод Лосева-Миллера 90–95% 90–95% 5–10% 0.93–0.95

Сравнение точности различных методов психофизиологического тестирования

4.2 Исключение амбивалентности результатов

Принципиальное достижение метода Лосева-Миллера состоит в исключении т.н. амбивалентности (двойственности) результатов, характерной для традиционных полиграфных исследований. Классические методики часто приводят к неопределённому заключению, когда реакции испытуемого не поддаются однозначной интерпретации.
Математически это выражается в том, что для традиционного полиграфа распределение величины P ‾ имеет повышенную дисперсию в центральной области [0.3, 0.7], тогда как для метода Лосева-Миллера распределение имеет более выраженные пики на краях (близ 0 и близ 1), что свидетельствует о более чётких и однозначных результатах.
Использование симметричных взаимоисключающих версий принципиально снижает вероятность таких неоднозначных исходов благодаря чёткому структурированию гипотез и преобразованию результатов в бинарное решение.

5. Практическое применение: следственная практика

5.1 Пример конструирования теста (вариант "сговор-сам")

Практическое применение метода демонстрируется на примере уголовного дела о убийстве. Обязательным требованием является наличие у деяния чётких атрибутов: место действия, время события. Конструирование вопросов следует трёхэтапной модели события: "приготовление – совершение – завершение (сокрытие)".

Этап 1. Приготовление:

В1: "Вы лично, без кого-либо, 15.12.2012 г. в период времени с 22:00 до 22:40 к потерпевшему подходили?"
В2: "Вы с кем-либо 15.12.2012 г. в период времени с 22:00 до 22:40 к потерпевшему подходили?"

Этап 2. Совершение:

В1: "Вы лично, без кого-либо наносили удары острым предметом?"
В2: "Вы с кем-либо наносили удары острым предметом?"

Этап 3. Сокрытие:

В1: "Вы лично избавлялись от орудия преступления?"
В2: "Вы с кем-либо избавлялись от орудия преступления?"[2]
Для каждого этапа вычисляются вектор признаков X_i, апостериорная вероятность P(Y_i = 1 | X_i), и окончательное заключение Y ˆ_i. Интеграция по трём этапам (n = 3) даёт итоговый балл P ‾.

5.2 Критическое требование: использование только достоверных фактов

Метод категорически исключает включение в конструкцию вопросов домыслов, предположений или версий экзаменатора. В тест включаются только достоверно установленные факты и информация, прошедшая процессуальную проверку. Это обеспечивает научность и нейтральность процедуры, исключая риск внушающего воздействия на испытуемого.
Математически это выражается в том, что при построении логистической регрессии используются только вопросы, для которых априорная вероятность каждой из версий близка к 0.5 (т.е. версии действительно взаимоисключающие и равновероятные с точки зрения исходных данных).

6. Технические аспекты реализации

6.1 Аппаратно-программное обеспечение

Реализация метода требует:

• Полиграф — аппаратура для одновременной записи различных физиологических показателей (например, полиграф Варламова)
• Компьютер — персональный компьютер или ноутбук с программным обеспечением для:
• Регистрации и оцифровки аналоговых сигналов полиграфа
• Фильтрации и предварительной обработки сигналов
• Экстракции признаков (IAD, LD, SP)
• Применения обученной модели логистической регрессии
• Вывода результатов и формирования заключения

6.2 Возможность параллельного тестирования

Метод позволяет проводить одновременное ПФТ двух или более тестируемых лиц в отношении одного и того же обстоятельства события или действия, что расширяет его применимость в групповых уголовных делах. В этом случае для каждого испытуемого j вычисляется собственный вектор признаков X_i,j и собственная апостериорная вероятность P(Y_i = 1 | X_i,j).

7. Сравнение с альтернативными методами

7.1 Превосходство над кинезиологией и другими методами

Патентное описание методически сравнивает подход Лосева-Миллера с прототипом — методом диагностики психологических особенностей при помощи кинезиологии (патент RU 2312597 C1, 2007). Выявлены следующие преимущества:

• Расширенная функциональность за счёт использования полиграфа (не только мышечные реакции)
• Повышенная информативность благодаря многоканальной регистрации физиологических параметров (K ≥ 3 сигналов одновременно)
• Исключение субъективного влияния оператора на результаты
• Повышенная достоверность и надёжность (90–95% vs 60% для кинезиологии)

7.2 Соответствие международным стандартам

Валидность метода подтверждается соответствием международным критериям полиграфных исследований, определённым American Polygraph Association (APA). Мета-аналитический обзор APA 2011–2012 годов продемонстрировал, что при строгом соблюдении методологии, полиграфные технологии достигают 87–89% точности при однопроблемном тестировании.
Согласно современным исследованиям, современные алгоритмы обработки полиграфных данных (OSS-3, PolyScore) и машинные модели (CNN Conv1D, Deep Belief Networks) демонстрируют точность 85–95%, что соответствует или превышает показатели метода Лосева-Миллера.

8. Валидность и надёжность

8.1 Устранение ложноположительных и ложноотрицательных результатов

Использование симметричной пары взаимоисключающих вопросов минимизирует классические источники ошибок в полиграфных исследованиях:

• Ложноположительные результаты (обвинение невинного) — снижаются за счёт равной силы обеих версий. Чувствительность (True Positive Rate) методов должна уравновешиваться высокой специфичностью (True Negative Rate)
• Ложноотрицательные результаты (оправдание виновного) — минимизируются благодаря использованию достоверно установленных фактов и многоканальному анализу физиологических сигналов
• Для метода Лосева-Миллера рекомендуется оптимальный порог отсечения τ ≈ 0.5, который обеспечивает баланс между чувствительностью и специфичностью на ROC-кривой с AUC ≈ 0.93–0.95.

8.2 Роль квалификации специалиста

Важно отметить, что достижение высокой точности требует соблюдения нескольких условий:

• Высокая квалификация полиграфолога и психолога, проводящего тестирование
• Строгое соответствие методологии конструирования вопросов (реализация пяти критериев равной силы)
• Адекватная психофизиологическая интерпретация полученных данных
• Учёт индивидуальных особенностей испытуемого (тип нервной системы, стрессоустойчивость, фоновые заболевания)
• Правильная настройка порога отсечения τ в зависимости от конкретного кейса и популяции

По данным международных исследований, опыт специалиста напрямую коррелирует с точностью результатов, причём коэффициент корреляции достигает r ≈ 0.7–0.8.

9. Заключение

Метод взаимных исключений Лосева-Миллера представляет собой научно обоснованный и высокоэффективный подход к интерактивному психофизиологическому тестированию, достоверность которого составляет 90–95%. Метод базируется на:

• Фундаментальных принципах психофизиологии — регистрации непроизвольных физиологических реакций на значимые стимулы
• Строгой математической структуре — конкатенации вопросов, экстракции признаков (IAD, LD, SP) и байесовской логистической регрессии
• Современной измерительной аппаратуре — многоканальной полиграфии и компьютерной обработке данных

Ключевые преимущества:

1. Исключение амбивалентности результатов (вероятность неопределённого результата < 10%)
2. Минимизация субъективного влияния экзаменатора через использование равнозначных взаимоисключающих версий
3. Расширенная функциональность за счёт многоканальной регистрации K физиологических показателей
4. Высокая диагностическая способность (AUC ≈ 0.93–0.95, точность 90–95%)
5. Соответствие международным стандартам полиграфных исследований (APA)
6. Практическая применимость в следственной практике и судебных экспертизах

Метод успешно прошёл многолетнее практическое опробование в криминалистической практике и демонстрирует надёжность, превосходящую традиционные полиграфные методики и конкурирующую с лучшими алгоритмами машинного обучения современности (CNN Conv1D, Deep Belief Networks).

Источники

• Лосев А.В., Фон Миллер А.А. Метод взаимных исключений Лосева-Миллера. Патент РФ № 2531645, опубликован 27.10.2014. — Федеральная служба по интеллектуальной собственности.
• Психофизиологическая экспертиза на полиграфе. — Центр криминалистики и безопасности, 2007.
• Методология интерактивного психофизиологического тестирования. — Лаборатория экспертных исследований, 2024.
• Эффективность психофизиологического метода детекции лжи с применением полиграфа. — Профессиональный центр судебной психофизиологии, 2024.
• Вероятность определения лжи на полиграфе. — Коллегия юристов Сибири, 2019.
• Выявление физиологических признаков лжи: анализ вегетативных реакций. — Журнал судебной психологии, 2017.
• Психофизиологические основы инструментальной детекции лжи. — Академия дистанционного обучения, 2024.
• American Polygraph Association. Polygraph Validity Research. — 2024. www.polygraph.org
• American Polygraph Association. Meta-Analytic Survey of Criterion Accuracy of Validated Polygraph Techniques. — 2012.
• Enhancing Lie Detection Accuracy: A Comparative Study of Machine Learning Models for Deception Detection. — arXiv:2411.08885, 2022.
• Neurophysiological Approaches to Lie Detection. — Frontiers in Neuroscience, PMC, 2025.
• Modern Algorithms in Polygraph Data Analysis. — British Polygraph Society, 2024.
• ROC-кривая: Понимание и интерпретация. — Ultralytics, 2025.
• Evaluating Polygraph Data: A Comprehensive Analysis. — Lie Detector Test, 2024.
• Логистическая регрессия и ROC-анализ — математический подход. — Loginom, 2025.