- 14.10.13
- 1,858
- 1,000,000 ₽
- 29
Роскомнадзор планирует создать и внедрить механизм фильтрации интернет-трафика с использованием машинного обучения в 2026 году. На проект направят 2,27 млрд рублей. Инициатива описана в плане цифровизации ведомства, который внесли на рассмотрение президиума правительственной комиссии по цифровому развитию 26 декабря 2025 года. Сейчас фильтрацию обеспечивают технические средства противодействия угрозам (ТСПУ), которые используют DPI-технологию для блокировок по сетевым адресам и доменам. Через ТСПУ уже заблокировано более миллиона ресурсов, а ежедневно ограничения вводятся для примерно 5500 новых адресов.
Интерес регулятора к машинному обучению связан с необходимостью противодействия обходу блокировок. Владельцы ресурсов создают зеркала с новыми адресами, используют VPN и шифрование трафика. Классические DPI-решения, основанные на фиксированных алгоритмах, не всегда эффективны против таких методов. Машинное обучение позволит анализировать трафик по содержанию — искать запрещённые материалы по словам, фразам и другим маркерам, а также выявлять зашифрованный трафик, VPN-сервисы, DDoS-атаки и взаимодействие с вредоносной инфраструктурой. Это даст возможность для более прицельного воздействия вместо ковровых блокировок.
Роскомнадзор уже применяет элементы ИИ для мониторинга. Автоматизированные системы «Окулус» и «Вепрь» анализируют видео, аудио и соцсети на предмет запрещённого контента и точек информационной напряжённости. По словам главы ведомства Андрея Липова, использование нейросетевых технологий позволило сократить среднее время обнаружения нарушений до шести часов. Однако не все внедрения оказались успешными: в системе мониторинга персональных данных точность нейросетей в тестовом режиме составила около 60%, а для её повышения потребовались бы объёмные обучающие датасеты, создание которых сочли преждевременным.
Интерес регулятора к машинному обучению связан с необходимостью противодействия обходу блокировок. Владельцы ресурсов создают зеркала с новыми адресами, используют VPN и шифрование трафика. Классические DPI-решения, основанные на фиксированных алгоритмах, не всегда эффективны против таких методов. Машинное обучение позволит анализировать трафик по содержанию — искать запрещённые материалы по словам, фразам и другим маркерам, а также выявлять зашифрованный трафик, VPN-сервисы, DDoS-атаки и взаимодействие с вредоносной инфраструктурой. Это даст возможность для более прицельного воздействия вместо ковровых блокировок.
Роскомнадзор уже применяет элементы ИИ для мониторинга. Автоматизированные системы «Окулус» и «Вепрь» анализируют видео, аудио и соцсети на предмет запрещённого контента и точек информационной напряжённости. По словам главы ведомства Андрея Липова, использование нейросетевых технологий позволило сократить среднее время обнаружения нарушений до шести часов. Однако не все внедрения оказались успешными: в системе мониторинга персональных данных точность нейросетей в тестовом режиме составила около 60%, а для её повышения потребовались бы объёмные обучающие датасеты, создание которых сочли преждевременным.
