Роскомнадзор внедрил новую технологию анализа интернет-трафика с использованием искусственного интеллекта. На разработку и развёртывание системы машинного обучения направлено 2,27 млрд рублей. Решение интегрировано в инфраструктуру контроля российского сегмента интернета и предназначено для более эффективного обнаружения VPN-соединений, способов обхода ограничений и ресурсов с запрещёнными материалами.

Применение искусственного интеллекта позволит автоматизировать распознавание сетевого трафика и ускорить выявление новых методов обхода блокировок. Однако специалисты предупреждают о возможных побочных эффектах: ошибочном ограничении доступа к легальным сервисам, ухудшении работы VPN и корпоративных сетей, а также дополнительных задержках при передаче данных. Насколько существенно новая технология повлияет на качество интернет-соединений, пока неизвестно.

На внедрение искусственного интеллекта выделили 2,27 млрд рублей

Информация о создании системы интеллектуальной фильтрации содержится в документах программы цифрового развития на 2026 год и плановый период 2027–2028 годов.

Согласно представленным сведениям, Роскомнадзор развернул отечественную модель искусственного интеллекта на собственной вычислительной инфраструктуре. Она должна расширить возможности существующих механизмов мониторинга и ограничения интернет-трафика.

Новая технология дополняет автоматизированную систему обеспечения безопасности российского сегмента интернета (АСБИ) и технические средства противодействия угрозам (ТСПУ).

Последние устанавливаются непосредственно в сетях операторов связи и используются для централизованного управления фильтрацией трафика.

При этом расходы на развитие инфраструктуры не ограничиваются внедрением искусственного интеллекта.

На 2026 год предусмотрено дополнительное финансирование оборудования ТСПУ:

• 3,99 млрд рублей — основное финансирование установки новых устройств и модернизации существующих.

• 6,2 млрд рублей — дополнительные средства на развитие технической инфраструктуры.

Таким образом, параллельно с внедрением интеллектуальных алгоритмов продолжается расширение аппаратной базы, необходимой для обработки сетевого трафика.

Как искусственный интеллект сможет распознавать VPN

Одной из основных задач новой системы станет выявление технологий, позволяющих обходить ограничения доступа к интернет-ресурсам.

Обычные механизмы фильтрации часто используют известные IP-адреса, доменные имена и характерные признаки сетевых протоколов. Однако современные VPN-сервисы применяют шифрование, меняют серверы и используют различные способы маскировки соединений.

Машинное обучение потенциально позволяет анализировать трафик более гибко.

По предположениям специалистов, Роскомнадзор может использовать не большую языковую модель, предназначенную для работы с текстами, а специализированный алгоритм классификации сетевых соединений.

Такая система способна оценивать вероятность использования VPN по совокупности косвенных характеристик, например:

• особенностям установления сетевого соединения;

• размерам и последовательности передаваемых пакетов;

• временным интервалам между передачей данных;

• поведению соединения и характерным признакам протоколов;

• статистическим закономерностям, обнаруженным при обучении модели.

Подобный анализ не обязательно требует расшифровки передаваемой информации. Алгоритм может делать выводы на основании внешних характеристик сетевого обмена.

Однако конкретный набор признаков, используемых новой системой Роскомнадзора, публично не раскрыт.

Почему VPN могут начать работать менее стабильно

Внедрение машинного обучения потенциально усложнит работу сервисов, использующих технологии маскировки трафика.

Если ранее определённый способ подключения не распознавался существующими средствами фильтрации, интеллектуальная система теоретически сможет выявлять его по характерным поведенческим признакам.

Это может привести к более частым разрывам соединений, снижению скорости передачи данных или невозможности установить подключение к отдельным серверам.

При этом проблема способна затронуть не только пользователей публичных VPN-сервисов.

Защищённые сетевые туннели широко применяются компаниями для удалённой работы сотрудников, подключения филиалов и доступа к внутренним информационным системам.

Если алгоритм ошибочно классифицирует легитимное корпоративное соединение как средство обхода ограничений, могут возникнуть проблемы с доступностью рабочих сервисов.

Особенно чувствительными к подобным сбоям могут оказаться организации, использующие постоянные защищённые соединения между территориально распределёнными подразделениями.

Искусственный интеллект поможет искать запрещённые сайты и их копии

Помимо распознавания VPN, новая технология предназначена для совершенствования механизмов обнаружения интернет-ресурсов с запрещёнными материалами.

Одна из сложностей традиционной фильтрации заключается в постоянном появлении новых адресов уже заблокированных сайтов.

После ограничения доступа к основному ресурсу его владельцы могут создавать зеркала, переносить материалы на другие домены или изменять структуру размещения информации.

Поиск таких ресурсов исключительно по известным адресам требует регулярного обновления баз данных.

Алгоритмы машинного обучения потенциально способны ускорить этот процесс, обнаруживая сходство между ранее выявленными материалами и новыми публикациями.

В зависимости от архитектуры системы анализ может включать сопоставление технических характеристик ресурсов, структуры страниц и других доступных признаков.

При этом возможность автоматического распознавания непосредственно содержимого сайтов зависит от того, какие данные доступны алгоритму. Анализ зашифрованного сетевого трафика сам по себе не означает, что система может читать передаваемые материалы.

Как ИИ связан с технологией DPI

Ещё одним возможным направлением применения искусственного интеллекта является совершенствование систем глубокой инспекции пакетов — DPI (Deep Packet Inspection).

Эта технология позволяет исследовать характеристики сетевого обмена и определять типы соединений по доступным техническим признакам.

Для распознавания трафика DPI-системы используют сигнатуры — наборы характерных признаков определённых протоколов и способов передачи данных.

Эффективность такого подхода во многом зависит от своевременного обновления сигнатур.

Разработчики сетевых сервисов могут изменять поведение своих приложений, а новые протоколы и способы маскировки требуют дополнительных механизмов обнаружения.

Машинное обучение способно помочь специалистам быстрее выявлять неизвестные закономерности и формировать новые правила классификации.

Однако пока нет подтверждения, что внедрённая Роскомнадзором модель используется именно для автоматической разработки DPI-сигнатур. Это один из предполагаемых вариантов её применения.

Какие риски создаёт автоматическая фильтрация

Несмотря на широкие возможности искусственного интеллекта, его использование в системах управления интернет-трафиком связано с техническими ограничениями.

Главная проблема заключается в том, что алгоритмы машинного обучения не обеспечивают абсолютной точности.

Даже хорошо обученная модель может ошибочно определить назначение соединения, особенно если разные приложения используют похожие способы передачи данных.

В результате возникают два типа ошибок: система может пропустить соединение, которое должна была распознать, либо ограничить трафик, не связанный с обходом блокировок.

Дополнительную сложность создаёт необходимость обрабатывать огромные объёмы информации практически в реальном времени.

Современные магистральные сети передают данные на очень высоких скоростях, поэтому любые дополнительные операции анализа требуют значительных вычислительных ресурсов.

Если производительности оборудования окажется недостаточно, интеллектуальная фильтрация потенциально может стать источником дополнительных задержек.

Впрочем, само внедрение машинного обучения не означает неизбежного замедления интернета. Многое зависит от архитектуры системы, оптимизации алгоритмов и того, выполняется ли анализ непосредственно при передаче пакетов или отдельно от основного потока данных.

Для разработки технологии рассматривалась нейросеть Astra AI

О планах Роскомнадзора использовать искусственный интеллект для фильтрации интернет-трафика стало известно ещё в январе 2026 года.

Позднее, в мае, появилась информация о возможном применении Astra AI — разработки российской «Группы Астра».

При этом из представленных сведений не следует, что именно эта модель в окончательном виде стала основой развёрнутой системы.

Точная архитектура программного комплекса, используемые алгоритмы и технические характеристики решения остаются неизвестными.

Также пока отсутствуют опубликованные результаты независимых испытаний, позволяющие оценить точность распознавания VPN, частоту ложных срабатываний и влияние технологии на производительность сетей.

Что изменится для обычных пользователей интернета

Внедрение искусственного интеллекта отражает дальнейшее развитие российской инфраструктуры централизованной фильтрации трафика.

Вместо использования исключительно заранее заданных правил и списков блокировок система получает возможность применять алгоритмы, способные обнаруживать статистические закономерности и классифицировать соединения по совокупности признаков.

Для пользователей это потенциально означает более сложные условия работы VPN и других инструментов защищённого подключения. Для операторов связи и корпоративных клиентов особое значение приобретает точность классификации, поскольку ошибочные ограничения могут затрагивать обычные сетевые сервисы.

В то же время реальные последствия внедрения технологии пока невозможно оценить без подробных технических данных и результатов практической эксплуатации.

Главный вопрос заключается не только в том, насколько эффективно искусственный интеллект сможет выявлять способы обхода блокировок, но и в том, удастся ли обеспечить такую фильтрацию без существенного ухудшения качества и доступности легальных интернет-сервисов. Именно этот баланс станет одним из ключевых показателей работы новой системы Роскомнадзора.