СМИ: Роскомнадзор внедрил машинное обучение в систему фильтрации трафика - «Новости»

  • 14:30, 16-ноя-2026
  • Новости / Преимущества стилей / Самоучитель CSS / Изображения / Интернет и связь / Текст / Сайтостроение / Отступы и поля
  • Варфоломей
  • 0

По информации Forbes, Роскомнадзор внедрил механизм фильтрации интернет-трафика на основе машинного обучения. Разработка обошлась ведомству в 2,27 млрд рублей и должна дополнить работу ТСПУ, которые фильтруют российский трафик. Эксперты, с которыми поговорили журналисты, отмечают, что новая система способна эффективнее выявлять способы обхода блокировок, однако может «задевать» обычные VPN и корпоративные сервисы.


О внедрении системы стало известно из паспорта программы цифровой трансформации РКН на 2026–2028 годы. В этом документе говорится, что ведомство использовало неназванную отечественную модель, развернутую на собственной инфраструктуре.


Новый механизм встроен в автоматизированную систему обеспечения безопасности российского сегмента интернета (АСБИ), через которую РКН управляет техническими средствами противодействия угрозам (ТСПУ). Эти комплексы установлены на сетях операторов связи в рамках закона о «суверенном интернете» и используют DPI для анализа и фильтрации трафика.


При этом на сами ТСПУ в 2026 году выделили значительно больше средств: 3,99 млрд рублей пойдут на установку новых и модернизацию существующих комплексов, еще 6,2 млрд рублей предусмотрено в рамках дополнительного финансирования.


Эксперт RKS Global и специалист по регулированию ИИ Дмитрий Кутейников отмечает, что большая языковая модель в новой системе не используется. По его мнению, речь идет о предиктивной модели, которая способна определять VPN по косвенным признакам соединения. Он поясняет:


«Это значит, что ее главная задача — не читать содержимое трафика, а по внешним признакам соединения и сервера (например, размеру и ритму пакетов, длительности сессии, хостинг-провайдеру сервера) оценивать вероятность того, что используется VPN. Поэтому работать станет сложнее с любыми VPN, даже теми, что меняют адреса и маскируют трафик».


По словам эксперта, из-за этого VPN и средства обхода блокировок могут работать хуже и менее предсказуемо, а также проблемы могут возникать у бизнеса: система способна по ошибке блокировать корпоративные VPN и облачные сервисы.


Бизнес-консультант Positive Technologies Алексей Лукацкий считает, что применение машинного обучения для таких задач вполне ожидаемо: подобные технологии уже используют для поиска фишинга, спама, мошенничества и идентификации протоколов:


«Если РКН грамотно внедрит ИИ в ТСПУ, то сможет лучше обнаруживать способы обхода блокировок, сайты и иные информационные ресурсы, публикующие запрещенный контент. Однако ИИ не дает 100%-ной точности, возможны ложные срабатывания и ошибки».


Также он предупреждает, что при современной скорости обработки трафика ИИ сам может превратиться в «бутылочное горлышко».


Партнер Comnews Research Леонид Коник полагает, что нейросеть может использоваться прежде всего для анализа трафика и ускорения разработки сигнатур, которые затем применяет DPI:


«ТСПУ Роскомнадзора, которые относятся к классу DPI, сильно зависит от актуальности сигнатур, иначе эффективность фильтрации снижается».


По мнению Коника, машинное обучение также может помочь РКН искать зеркала заблокированных ресурсов и копии запрещенного контента, сравнивая их с известными образцами, а не ориентируясь только на доменные имена.


По информации Forbes, Роскомнадзор внедрил механизм фильтрации интернет-трафика на основе машинного обучения. Разработка обошлась ведомству в 2,27 млрд рублей и должна дополнить работу ТСПУ, которые фильтруют российский трафик. Эксперты, с которыми поговорили журналисты, отмечают, что новая система способна эффективнее выявлять способы обхода блокировок, однако может «задевать» обычные VPN и корпоративные сервисы. О внедрении системы стало известно из паспорта программы цифровой трансформации РКН на 2026–2028 годы. В этом документе говорится, что ведомство использовало неназванную отечественную модель, развернутую на собственной инфраструктуре. Новый механизм встроен в автоматизированную систему обеспечения безопасности российского сегмента интернета (АСБИ), через которую РКН управляет техническими средствами противодействия угрозам (ТСПУ). Эти комплексы установлены на сетях операторов связи в рамках закона о «суверенном интернете» и используют DPI для анализа и фильтрации трафика. При этом на сами ТСПУ в 2026 году выделили значительно больше средств: 3,99 млрд рублей пойдут на установку новых и модернизацию существующих комплексов, еще 6,2 млрд рублей предусмотрено в рамках дополнительного финансирования. Эксперт RKS Global и специалист по регулированию ИИ Дмитрий Кутейников отмечает, что большая языковая модель в новой системе не используется. По его мнению, речь идет о предиктивной модели, которая способна определять VPN по косвенным признакам соединения. Он поясняет: «Это значит, что ее главная задача — не читать содержимое трафика, а по внешним признакам соединения и сервера (например, размеру и ритму пакетов, длительности сессии, хостинг-провайдеру сервера) оценивать вероятность того, что используется VPN. Поэтому работать станет сложнее с любыми VPN, даже теми, что меняют адреса и маскируют трафик». По словам эксперта, из-за этого VPN и средства обхода блокировок могут работать хуже и менее предсказуемо, а также проблемы могут возникать у бизнеса: система способна по ошибке блокировать корпоративные VPN и облачные сервисы. Бизнес-консультант Positive Technologies Алексей Лукацкий считает, что применение машинного обучения для таких задач вполне ожидаемо: подобные технологии уже используют для поиска фишинга, спама, мошенничества и идентификации протоколов: «Если РКН грамотно внедрит ИИ в ТСПУ, то сможет лучше обнаруживать способы обхода блокировок, сайты и иные информационные ресурсы, публикующие запрещенный контент. Однако ИИ не дает 100%-ной точности, возможны ложные срабатывания и ошибки». Также он предупреждает, что при современной скорости обработки трафика ИИ сам может превратиться в «бутылочное горлышко». Партнер Comnews Research Леонид Коник полагает, что нейросеть может использоваться прежде всего для анализа трафика и ускорения разработки сигнатур, которые затем применяет DPI: «ТСПУ Роскомнадзора, которые относятся к классу DPI, сильно зависит от актуальности сигнатур, иначе эффективность фильтрации снижается». По мнению Коника, машинное обучение также может помочь РКН искать зеркала заблокированных ресурсов и копии запрещенного контента, сравнивая их с известными образцами, а не ориентируясь только на доменные имена.
Цитирование статьи, картинки - фото скриншот - Rambler News Service.
Иллюстрация к статье - Яндекс. Картинки.
Есть вопросы. Напишите нам.
Общие правила  поведения на сайте.

Другие новости


Рекомендуем

Комментарии (0)




Уважаемый посетитель нашего сайта!
Комментарии к данной записи отсутсвуют. Вы можете стать первым!