Роскомнадзор планирует потратить 2,27 млрд рублей на внедрение механизма фильтрации интернет-трафика с помощью машинного обучения в 2026–2028 годах. Для IT-рынка это не просто новая строка в бюджете ведомства: ИИ-фильтрация трафика может повлиять на доступность VPN, устойчивость корпоративных сетей и число ошибочных блокировок. О планах регулятора сообщает vc.ru со ссылкой на паспорт программы цифровой трансформации.
Согласно опубликованным данным, Роскомнадзор использует отечественную математическую модель, название которой не раскрывается. Она развёрнута на собственной инфраструктуре ведомства и предназначена для автоматического извлечения нужной информации из больших массивов данных. Детали архитектуры, поставщики вычислительных мощностей, критерии классификации и метрики качества в материалах не приводятся. Поэтому пока нельзя сказать, будет ли речь о доработке действующих систем или о самостоятельном контуре анализа трафика.
Задача выглядит понятной: автоматизация должна помочь быстрее обнаруживать запрещённый контент и технические способы обхода ограничений. Ручной анализ сетевых данных плохо масштабируется — особенно если регулятор пытается отличать обычный защищённый трафик от соединений, которые считает нежелательными. Машинное обучение может искать повторяющиеся паттерны, сопоставлять сигналы из разных источников и приоритизировать проверки. Но на сетевом уровне такая логика почти неизбежно упирается в проблему контекста: одинаковые технические признаки могут встречаться и у VPN, и у легитимных корпоративных сервисов.
Для компаний риск лежит не только в прямой блокировке. Если модель работает в связке с техническими средствами противодействия угрозам, ложное срабатывание способно ухудшить качество соединения, разорвать сессию или сделать отдельный внешний сервис нестабильным. Особенно чувствительны к этому организации с распределёнными командами, филиалами, облачной инфраструктурой и подрядчиками, которым нужен защищённый удалённый доступ. Когда сеть начинает вести себя непредсказуемо, пользователь обычно винит продукт или IT-службу, а не особенности маршрутизации и фильтрации.
Опрошенные Forbes эксперты также указывают на две стороны подхода. С одной стороны, алгоритмы могут точнее выявлять запрещённые материалы и методы обхода блокировок, чем статические правила. С другой — вероятность ложных срабатываний никуда не исчезает, а цена ошибки в сетевой инфраструктуре высока. Модель может быть сильной в распознавании уже известных сценариев, но хуже справляться с новыми протоколами, нестандартной конфигурацией клиента или обновлённым шифрованием. В этой гонке любой заметный сигнал быстро превращается в объект маскировки, а сама система вынуждена постоянно переучиваться.
Для разработчиков и администраторов главный практический вывод — не ждать, пока доступность критичного сервиса станет инцидентом. Стоит заранее инвентаризировать внешние зависимости: VPN-шлюзы, CDN, API зарубежных поставщиков, каналы связи между офисами и облаками, инструменты удалённой поддержки. Полезно отделить симптомы на уровне приложения от сетевых проблем: собирать логи соединений, показатели задержек, ошибки TLS и данные мониторинга по регионам. Это не защитит от ограничений, но позволит быстрее понять, что именно сломалось и кому эскалировать проблему.
Бизнесу понадобится и более дисциплинированный план непрерывности: резервные каналы связи, документированные процедуры переключения, понятные SLA с провайдерами и тестирование аварийных сценариев. Самая дорогая ошибка здесь — держать критичный процесс на единственном внешнем маршруте, а затем выяснить это во время сбоя. ИИ-фильтрация трафика делает среду ещё менее прозрачной для конечного пользователя: решение о том, почему соединение деградировало, может зависеть от автоматически рассчитанной оценки, а не от публично объяснимого правила.
Выделенные 2,27 млрд рублей показывают, что Роскомнадзор рассматривает машинное обучение как долгосрочный элемент контроля сетевой среды, а не как разовый эксперимент. Реальная проверка проекта начнётся не с описания модели, а с того, как она поведёт себя на обычном зашифрованном трафике и насколько быстро рынок сможет отделять блокировки от технических сбоев. Чем шире будет применятьcя ИИ-фильтрация трафика, тем важнее для компаний станут наблюдаемость сети, резервирование и способность доказывать причину инцидента фактами, а не догадками.

