По информации СМИ, в текущем году Роскомнадзор (РКН) запустит систему фильтрации трафика на базе машинного обучения. На проект выделили 2,27 млрд рублей, о чем говорится в плане цифровизации ведомства, который направили в правительственную комиссию по цифровому развитию.
Как сообщает Forbes, план цифровизации РКН 26 декабря 2025 года был представлен на рассмотрение президиума правительственной комиссии по цифровому развитию, использованию информтехнологий для улучшения качества жизни и условий ведения предпринимательской деятельности.
Речь идет о доработке ТСПУ — технических средств противодействия угрозам. Эти системы установлены на сетях операторов связи согласно закону о «суверенном интернете» и используют DPI (Deep Packet Inspection). С их помощью уже заблокировано более миллиона ресурсов, а также ежедневно ограничивается доступ к 5500 новым адресам и доменам.
Как рассказали изданию опрошенные эксперты, машинное обучение может повысить эффективность блокировок и помочь в выявлении запрещенного контента и VPN-сервисов. Кроме того, внедрение систем на основе ИИ соответствует требованию для федеральных ведомств отчитываться по подобным проектам.
Как объяснили в «Мегафоне», классические DPI-решения работают по фиксированным алгоритмам. Они справляются с базовыми задачами вроде управления сетью, но рост зашифрованного трафика требует более гибких подходов. Здесь и нужно машинное обучение, которое позволит анализировать трафик эвристически, а не только по жестким правилам.
Эксперты видят несколько сценариев применения таких технологий. Например, партнер Comnews Research Леонид Коник считает, что ML поможет находить запрещенный контент не по адресам, а по содержимому — словам, фразам, другим признакам. Это усложнит жизнь владельцам заблокированных ресурсов, которые создают зеркала и обходят блокировки.
Бизнес-консультант Positive Technologies Алексей Лукацкий перечисляет другие возможности: выявление зашифрованного трафика и методов обхода блокировок, обнаружение DDoS-атак, поиск командных серверов ботнетов, классификация веб-приложений (например, запрещенных мессенджеров), отделение стримингового трафика от скачивания контента для борьбы с пиратством. Кроме того, по словам Лукацкого, технологии машинного обучения позволяют реализовывать и более «прицельное» воздействие на сети — например, осуществлять «деградацию» конкретного типа трафика вместо «ковровых» мер:
«Машинное обучение в DPI — это способ лучше "угадывать, что за трафик", когда классические методы обнаружения по сигнатурам, портам и тому подобное уже не помогают».
Анонимный эксперт из RKS-Global добавляет, что ML может автоматизировать генерацию и применение правил фильтрации — например, для обнаружения и блокировки VPN. Также, по его мнению, технология позволит искать запрещенный контент в текстах на разных языках, в изображениях и видео.
Впрочем, источник, близкий к аппарату вице-премьера Дмитрия Григоренко, настроен более скептически. Дело в том, что с 2025 года федеральные ведомства обязаны отчитываться по проектам, связанным с внедрением ИИ-технологий, поэтому их появление в плане цифровизации не удивляет. Также непонятно, насколько запланированное выполнимо и эффективно с финансовой точки зрения, учитывая необходимость доработки ТСПУ.
Отметим, что Роскомнадзор уже применяет ИИ для поиска запрещенного контента. В сентябре 2025 года глава ведомства Андрей Липов рассказывал, что нейросети анализируют текст, аудио и видео, и это сократило время обнаружения запрещенной информации с 48 часов в 2020 году до шести часов в настоящее время.
Замглавы РКН Вадим Субботин уточнял: автоматизированная система ежедневно скачивает около 500 000 релевантных материалов, после фильтрации остается примерно 2000 с нарушениями законодательства.
Кроме того, ИИ интегрирован в системы «Окулус» (поиск запрещенного контента в видео и аудио) и «Вепрь» (обнаружение точек напряженности в соцсетях и СМИ).
Однако, как рассказывал замглавы РКН Милош Вагнер, применение ИИ не всегда оказывается действенным. Так, в системе мониторинга персональных данных нейросети показали точность всего 60%. Чтобы повысить ее, потребовались бы обучающие датасеты объемом больше, чем весь мониторинг сайтов за несколько лет работы ведомства. В итоге от идеи отказались.
