Роскомнадзор планирует уже в этом году внедрить новую систему фильтрации трафика на основе инструментов машинного обучения. На реализацию этого масштабного проекта в течение 2026 года планируется направить 2.27 миллиарда рублей.
Соответствующие данные содержатся в плане цифровизации ведомства, направленном на рассмотрение профильной правительственной комиссии.
Инициатива предполагает глубокую модернизацию уже существующих технических средств противодействия угрозам, которые установлены на сетях всех российских операторов связи.
Не пропустите: Telegram и WhatsApp должны остаться, как конкуренты Max-у — Песков
Эволюция блокировок от адресов к смыслам
Переход на машинное обучение означает смену самой парадигмы контроля трафика. Если классические решения работают по заранее прописанным алгоритмам и фиксированным спискам запрещенных адресов, то нейросетевые модели способны анализировать саму структуру данных.
Это позволит РКН эффективно выявлять так называемые зеркала заблокированных ресурсов не по их сетевым координатам, а по характерным признакам контента: специфическим словам, выражениям и визуальным паттернам.
В перспективе система сможет находить даже цитаты из запрещенных материалов на сторонних ресурсах, автоматизируя процесс, который раньше требовал значительного участия человека.
Особое внимание в проекте уделяется борьбе с методами обхода ограничений. Эксперты отрасли указывают, что внедрение машинного обучения в систему глубокой фильтрации трафика необходимо в первую очередь для распознавания зашифрованных протоколов VPN-сервисов.
Когда обычные методы обнаружения по портам перестают работать, ИИ помогает угадывать тип трафика по косвенным признакам. Это открывает возможности для прицельного воздействия на сеть — например, не для полной блокировки канала, а для намеренной деградации скорости конкретного типа соединений, что делает использование средств обхода технически некомфортным.
Технологический фундамент для таких нововведений уже подготовлен. На сегодняшний день общая пропускная способность систем фильтрации на узлах связи в России составляет внушительные 132.3 терабита в секунду, а покрытие достигло почти стопроцентной отметки.
Ведомство уже имеет опыт работы с нейросетями: системы «Окулус» и «Вепрь» успешно анализируют визуальный контент и выявляют точки информационной напряженности в социальных сетях. Благодаря автоматизации время обнаружения запрещенных материалов с момента их публикации удалось сократить с двух суток до шести часов.
Несмотря на технологический оптимизм, эксперты отмечают и определенные сложности. Машинное обучение требует колоссальных объемов качественных данных для тренировки моделей, а его эффективность в некоторых сферах, например, в мониторинге персональных данных, пока не превышает 60%.
Тем не менее, выделение миллиардных бюджетов подтверждает серьезность намерений регулятора сделать Рунет более контролируемым и прозрачным. Для рядового пользователя это может означать дальнейшее усложнение работы инструментов анонимизации и более жесткую классификацию любого сетевого трафика, от мессенджеров до стриминговых платформ.
Хотите, я подготовлю краткий разбор того, как именно технология глубокой фильтрации трафика влияет на общую скорость интернета у конечного пользователя?
Вот обещанный разбор того, как работа ТСПУ (тех самых «черных ящиков» от РКН) и технологий глубокой фильтрации сказывается на вашем комфорте в сети.
Не пропустите: Штрафы за VPN не планируются, но работа может быть усилена — депутат
Как «умная» фильтрация крадет миллисекунды
Любая фильтрация трафика — это дополнительная прослойка между роутером и нужным сайтом. Если обычный роутер просто смотрит на «адрес на конверте» и отправляет пакет дальше, то система DPI (глубокая фильтрация) этот конверт вскрывает и внимательно изучает содержимое. И на это, конечно, уходит время…
Почему интернет может «тупить»:
- рост задержки (пинг) — каждая проверка пакета ИИ-алгоритмами добавляет драгоценные миллисекунды. Для обычного серфинга это почти незаметно, но в онлайн-играх или при видеозвонках разница ощущается сразу.
- эффект «бутылочного горлышка» — трафик миллионов пользователей идет через оборудование ТСПУ. Если его вычислительных мощностей не хватает (а трафик растет с каждым годом), возникают заторы. В часы пик скорость может проседать просто потому, что «черный ящик» не успевает переварить весь поток.
- намеренное замедление (деградация) — новые инструменты машинного обучения позволяют РКН действовать «хирургически». Например, не блокировать условный YouTube или зарубежный облачный сервис полностью, а искусственно ограничивать скорость именно этого типа трафика до уровня, когда видео постоянно подгружается…
- ошибки алгоритмов — ИИ может ошибочно принять легальный рабочий трафик за попытку обойти блокировку или за атаку. В итоге пакеты данных отбрасываются или перепроверяются по несколько раз, что вызывает фризы и обрывы соединения.
Главная проблема для пользователей и провайдеров сейчас в том, что ТСПУ — это закрытая система. Если ваш интернет начал лагать из-за сбоя в «черном ящике», оператор связи часто даже не видит этой проблемы в своих логах и не может ее исправить.