Себастьян Перейро
торговець чорним деревом
В этом году Роскомнадзор планирует запустить систему фильтрации интернет-трафика на базе машинного обучения. Это позволит быстрее находить запрещённый контент и бороться с обходами блокировок. На разработку и внедрение технологии намерены выделить 2,27 млрд рублей, которые пойдут на перестройку всей системы фильтрации.
Сейчас РКН уже использует ТСПУ (технические средства противодействия угрозам) с DPI — специальные устройства, которые стоят у операторов связи и анализируют интернет-трафик. Они блокируют сайты по адресам и сигнатурам, но с ростом шифрования и популярности средств обхода блокировок этот подход всё хуже справляется с задачей. Машинное обучение должно научить систему «понимать», что именно передаётся по сети: отличать обычный веб-трафик от VPN, находить зеркала заблокированных сайтов, распознавать запрещённый контент по текстам, изображениям и видео, а не только по доменам. По оценкам экспертов, это позволит блокировать не адреса, а саму суть контента — слова, фразы, шаблоны и поведение сервисов.
В РКН отмечают, что ИИ давно стал частью их инфраструктуры: нейросети ищут запрещённые материалы в соцсетях, на видеоплатформах и сайтах, сокращая время обнаружения нарушений с двух суток до нескольких часов. Новая система должна пойти дальше — автоматически строить правила фильтрации и применять их к трафику в реальном времени. Особенно интересен для регулятора сегмент VPN и сервисов обхода блокировок: именно их количество в прошлом году выросло сильнее всего, а эффективность классических методов против них стремительно падает.
С внедрением нового способа блокировки станут более прицельными. Вместо тотального отключения сервисов система сможет ограничивать нужный тип трафика, замедлять его или «отрезать» выборочно.
Сейчас РКН уже использует ТСПУ (технические средства противодействия угрозам) с DPI — специальные устройства, которые стоят у операторов связи и анализируют интернет-трафик. Они блокируют сайты по адресам и сигнатурам, но с ростом шифрования и популярности средств обхода блокировок этот подход всё хуже справляется с задачей. Машинное обучение должно научить систему «понимать», что именно передаётся по сети: отличать обычный веб-трафик от VPN, находить зеркала заблокированных сайтов, распознавать запрещённый контент по текстам, изображениям и видео, а не только по доменам. По оценкам экспертов, это позволит блокировать не адреса, а саму суть контента — слова, фразы, шаблоны и поведение сервисов.
В РКН отмечают, что ИИ давно стал частью их инфраструктуры: нейросети ищут запрещённые материалы в соцсетях, на видеоплатформах и сайтах, сокращая время обнаружения нарушений с двух суток до нескольких часов. Новая система должна пойти дальше — автоматически строить правила фильтрации и применять их к трафику в реальном времени. Особенно интересен для регулятора сегмент VPN и сервисов обхода блокировок: именно их количество в прошлом году выросло сильнее всего, а эффективность классических методов против них стремительно падает.
С внедрением нового способа блокировки станут более прицельными. Вместо тотального отключения сервисов система сможет ограничивать нужный тип трафика, замедлять его или «отрезать» выборочно.
