Роскомнадзор внедрил машинное обучение в систему фильтрации интернет-трафика
Роскомнадзор внедрил механизм анализа и фильтрации интернет-трафика с применением алгоритмов машинного обучения. По данным Forbes, на его создание и внедрение направили 2,27 млрд рублей, а технология интегрирована в автоматизированную систему обеспечения безопасности российского сегмента интернета - АСБИ. Опрошенные изданием специалисты считают, что такая модель может улучшить распознавание VPN и других способов обхода блокировок, однако в самом описании проекта VPN прямо не упоминается.Что именно внедрил Роскомнадзор
О завершении проекта 13 ноября 2026 года сообщил Forbes со ссылкой на паспорт программы цифровой трансформации Роскомнадзора на 2026-2028 годы. Согласно публикации, ведомство использовало неназванную отечественную модель, развернутую на собственной инфраструктуре. Большая языковая модель в этом механизме не применяется.Новый компонент встроен в АСБИ - систему, через которую Роскомнадзор управляет техническими средствами противодействия угрозам, установленными на сетях операторов связи. ТСПУ уже используются для централизованной фильтрации сетевого трафика, а машинное обучение становится дополнительным инструментом его классификации.
На сам механизм машинного обучения, по данным Forbes, было направлено 2,27 млрд рублей. Отдельно на установку новых и модернизацию действующих ТСПУ в 2026 году предусмотрено 3,99 млрд рублей основного финансирования и еще 6,2 млрд рублей дополнительного. Таким образом, речь идет о разных статьях расходов, и складывать их как стоимость одной ИИ-системы было бы некорректно.
Может ли новая система действительно распознавать VPN
В доступном описании проекта VPN прямо не назван. Вывод о возможном использовании машинного обучения для их обнаружения делают эксперты, опрошенные Forbes. Anti-Malware.ru отдельно обращает внимание на это различие: документ говорит о машинном обучении для фильтрации трафика, тогда как конкретный механизм распознавания VPN является экспертной интерпретацией.Специалист RKS Global Дмитрий Кутейников считает, что речь может идти о предсказательной модели. В отличие от анализа содержимого зашифрованного трафика, такая система способна оценивать вероятность принадлежности соединения к определенному типу по совокупности косвенных признаков - например, размеру и периодичности пакетов, продолжительности сессии и характеристикам серверной инфраструктуры.
Это принципиально отличается от утверждения, что нейросеть якобы способна «читать VPN-трафик». Шифрование содержимого соединения само по себе не исчезает. Задача классификатора состоит в другом - найти повторяющиеся характеристики потока и определить, насколько он похож на известные системе категории соединений.
Почему смены IP-адреса может оказаться недостаточно
Если модель действительно использует несколько характеристик соединения одновременно, одной смены адреса сервера может быть недостаточно для изменения результата классификации. Кутейников предполагает, что это способно осложнить работу и тех сервисов, которые регулярно меняют IP-адреса или пытаются сделать сетевой поток похожим на обычный трафик.Однако эти последствия пока нельзя считать экспериментально подтвержденными. Роскомнадзор не опубликовал техническую документацию модели, перечень признаков, точность классификации, уровень ложных срабатываний или результаты испытаний. Поэтому утверждать, какие именно VPN-протоколы новая система распознает надежнее прежних механизмов, на основании имеющихся данных нельзя.
Главный риск - ложные срабатывания
Один из практических вопросов связан с тем, насколько точно модель отличает средства обхода ограничений от легитимных зашифрованных соединений. Корпоративные VPN, облачная инфраструктура, защищенные каналы между офисами и другие сервисы могут иметь некоторые технические признаки, похожие на трафик, который классификатор считает подозрительным.Кутейников допускает, что при ошибочной классификации могут пострадать корпоративные VPN и облачные сервисы. Бизнес-консультант Positive Technologies Алексей Лукацкий также указывает, что модели машинного обучения не обеспечивают абсолютную точность, поэтому возможны ошибки и дополнительная нагрузка на обработку трафика.
Без опубликованных метрик нельзя определить реальный масштаб этого риска. Сам факт применения машинного обучения не означает автоматически ни массовых ошибочных блокировок, ни гарантированного распознавания любого VPN.
От экспериментов к действующей инфраструктуре
Нынешнее внедрение не появилось внезапно. Еще в начале 2026 года сообщалось о планах Роскомнадзора применять машинное обучение в фильтрации интернет-трафика. Весной обсуждалось использование отечественных ИИ-решений, а осенью тема распознавания VPN с помощью алгоритмов машинного обучения вновь появилась в предложениях по развитию средств фильтрации.Для PavRC это продолжение уже наблюдавшейся тенденции. В декабре 2025 года мы писали об усилении фильтрации SOCKS5, VLESS и L2TP. Тогда речь шла прежде всего о сигнатурах и параметрах конкретных протоколов. Добавление машинного обучения потенциально расширяет подход: система может учитывать комбинацию характеристик соединения, а не только заранее заданный одиночный признак.
Что это меняет для пользователей и бизнеса
Для обычного пользователя наиболее вероятным последствием может стать снижение предсказуемости работы некоторых VPN-сервисов, если системы фильтрации действительно начнут быстрее адаптироваться к изменению инфраструктуры и сетевых паттернов. Но пока это прогноз экспертов, а не подтвержденный результат массовой эксплуатации новой модели.Для бизнеса вопрос шире. VPN применяются не только для доступа к заблокированным ресурсам, но и для удаленного подключения сотрудников, объединения корпоративных сетей и защиты служебного трафика. Поэтому качество классификации имеет значение не только для пользователей средств обхода ограничений, но и для легитимных защищенных соединений.
Итог
Подтвержденный на данный момент факт состоит в том, что Роскомнадзор внедрил в АСБИ механизм фильтрации интернет-трафика на основе машинного обучения стоимостью 2,27 млрд рублей, о чем Forbes сообщил со ссылкой на ведомственную программу цифровой трансформации. Название модели и ее технические параметры не раскрыты.То, что механизм предназначен именно для распознавания VPN по размеру пакетов, ритму передачи данных, длительности сессии и параметрам сервера, пока является экспертным объяснением возможного принципа его работы. Без опубликованной документации нельзя достоверно определить точность такой классификации, перечень распознаваемых протоколов и реальную частоту ложных блокировок.
Редакция PavRC