Роскомнадзор внедрил систему фильтрации интернет-трафика на основе машинного обучения, потратив на проект 2,27 млрд рублей. Новая технология может значительно усложнить обход блокировок, но одновременно создаёт риски для корпоративных VPN и обычных интернет-сервисов.
О завершении разработки говорится в паспорте ведомственной программы цифровой трансформации на 2026 год и плановый период 2027–2028 годов. Для фильтрации используется отечественная модель, развёрнутая на собственной инфраструктуре Роскомнадзора. Разработчик и технические характеристики алгоритма не раскрываются. Известно лишь, что система не использует большие языковые модели, подобные тем, на которых работают популярные чат-боты.
Новый механизм интегрирован в автоматизированную систему обеспечения безопасности российского сегмента интернета (АСБИ). Через неё ведомство управляет техническими средствами противодействия угрозам (ТСПУ), установленными на сетях операторов связи. Оборудование использует технологию DPI, позволяющую распознавать различные виды интернет-трафика, ограничивать доступ к сайтам, замедлять соединения и блокировать отдельные протоколы.
Главное преимущество машинного обучения заключается в возможности обнаруживать соединения по совокупности косвенных признаков. Традиционная фильтрация ориентируется на известные IP-адреса, домены и характерные последовательности данных, называемые сигнатурами. Обученная модель потенциально способна распознавать определённые типы трафика даже после изменения адреса сервера или способа маскировки соединения.
Один из возможных сценариев применения новой технологии связан с обнаружением VPN. Алгоритм может анализировать размеры сетевых пакетов, интервалы между их передачей, продолжительность соединений, соотношение входящего и исходящего трафика и характеристики серверов. По сочетанию признаков система оценивает вероятность использования VPN, не расшифровывая передаваемую информацию. Однако конкретные возможности внедрённой модели публично не подтверждены.
Подобный подход способен осложнить работу не только массовых VPN-сервисов, но и частных серверов, владельцы которых самостоятельно настраивают защищённые подключения. Смена IP-адреса или маскировка протокола могут перестать помогать, если алгоритм распознаёт характерное поведение соединения. При этом определить использование VPN по сетевым признакам с абсолютной точностью невозможно, поскольку разные приложения иногда формируют похожий трафик.
Главный риск заключается в ложных срабатываниях. Корпоративные VPN, защищённые подключения к облачным платформам и другие легальные сервисы могут ошибочно попадать под ограничения. Для бизнеса подобная ошибка означает потерю доступа к рабочим системам, разрывы соединений и непредсказуемые сбои. Установить причину ограничения особенно сложно, поскольку Роскомнадзор не раскрывает полный перечень блокируемых протоколов и критерии их обнаружения.
Дополнительная проблема связана с производительностью сетевой инфраструктуры. Анализ огромных потоков данных с применением машинного обучения требует вычислительных ресурсов. Если сложные алгоритмы будут обрабатывать трафик непосредственно во время передачи, дополнительные проверки могут увеличивать задержки и снижать скорость соединений. Насколько новая система влияет на производительность оборудования, пока неизвестно.
Впрочем, машинное обучение необязательно должно анализировать каждый пакет в реальном времени. Существует более экономичный вариант, при котором нейросеть автоматически обнаруживает характерные признаки сетевых протоколов и формирует новые сигнатуры. Затем установленные ТСПУ используют подготовленные правила для обычной фильтрации. Такая архитектура позволяет быстрее реагировать на изменения трафика без постоянного выполнения сложных вычислений непосредственно на сетевом оборудовании.
Масштаб модернизации не ограничивается расходами на машинное обучение. В программе цифровизации на 2026 год предусмотрено ещё 3,99 млрд рублей основного финансирования на установку новых и обновление существующих ТСПУ. Дополнительно на оборудование выделено 6,2 млрд рублей. Таким образом, развитие алгоритмов сопровождается расширением технической инфраструктуры, через которую Роскомнадзор контролирует интернет-трафик операторов связи.
О планах внедрения машинного обучения стало известно ещё в январе 2026 года. Тогда предполагалось, что технология поможет находить запрещённые ресурсы и эффективнее обнаруживать VPN. В мае появилась информация о возможном использовании платформы Astra AI от «Группы Астра». Однако в новом паспорте цифровизации конкретный программный продукт не назван, поэтому подтвердить применение именно Astra AI пока нельзя.
Новая технология дополняет существующую систему ограничений, которая уже использует блокировки по доменам, IP-адресам и сигнатурам протоколов. Параллельно Роскомнадзор ведёт реестр запрещённых ресурсов, действующий с 2012 года. Машинное обучение потенциально позволяет уменьшить зависимость от заранее составленных списков адресов и быстрее реагировать на появление новых серверов и способов обхода блокировок.
При этом факт внедрения алгоритма ещё не доказывает, что блокировки стали эффективнее. Роскомнадзор не опубликовал результаты испытаний, показатели точности распознавания VPN и статистику ложных срабатываний. Нет и подтверждённых сведений о том, какие конкретно ограничения уже применяются с помощью нового механизма. Пока документ фиксирует завершение проекта и его стоимость, а реальные последствия для пользователей и операторов связи остаются неясными.
