Что в итоге мы знаем из этой заметки в Ъ

В реальности, ничего нового. Мы это знали и так: министерство цифровой деградации предлагало с помощью ИИ поднять эффективность блокировки VPN до 95%.

Мера была в проекте национального плана внедрения ИИ до 2030 года: долю блокируемых VPN, чьи признаки анализирует ИИ, хотели довести до 70%. Теперь Минцифры говорит, что в актуальной версии плана этой меры нет.

По словам источника издания, ведомства предлагали в нацплан много такого, что может и не дойти до реализации. Трафик сейчас анализируют интеллектуальные алгоритмы, но формально это не ИИ. Роскомнадзор на запрос не ответил.

Связанные цифры из прошлых публикаций:

— пропускную способность ТСПУ планируют к 2030 году увеличить в 2,5 раза, до 954 Тбит/с;

— большая часть из 89,9 млрд руб. по федпроекту "Инфраструктура кибербезопасности" на 2026–2029 годы пойдет ГРЧЦ на систему АСБИ, то есть на ТСПУ;

— по данным Forbes, на фильтрацию трафика с машинным обучением в 2026 году заложено 2,27 млрд руб.

Какие вокруг этого есть мнения:

1. ИИ анализирует размер и ритм пакетов, длительность сессий, соотношение входящего и исходящего трафика, а также поведение узла, хостинг и соседние адреса. Это ускоряет реакцию на новые серверы. Но при больших объемах трафика даже малый процент ошибок означает много заблокированного легитимного трафика. Сейчас ошибок, по оценкам, 5–6%. Точнее будет схема, в которой ИИ только помечает подозрительный узел, затем к нему подключаются как клиент (активный пробинг), подтверждают, что это VPN, и только после этого блокируют.

2. Есть мнение, что доля заблокированных VPN вырастет, но на этапе обучения будет много ложных срабатываний.

3. Например, некто Сергей Кудряшов (Strategy Partners) заявляет: модель собирает десятки слабых признаков и находит сервисы, которых еще нет в правилах. Однако корпоративный VPN, облачный доступ и голосовой трафик статистически похожи на обходной, а ошибка для бизнеса стоит дороже, чем пропущенный домашний VPN.

4. В исследованиях маскировка одного поля в TLS-заголовке снижала точность распознавания примерно до 38%. Одних DPI на узлах операторов мало: нужна отдельная платформа поверх ТСПУ из трех слоев — хранилище телеметрии петабайтного масштаба, кластер для обучения моделей и доставка обновленных моделей на узлы фильтрации.


ВЫВОД: то, что для блокировок используют машинное обучение — мы знали это давно.

Главный показатель это то, что мы не можем поймать какой-то паттерн поведения блокировок и их стабильность — система постоянно отваливается (многие уже, наверное, сталкивались или лично, или видели сообщения) с тем, что внезапно блокировки переставали работать и Телеграм или Ютюб становились доступны без VPN. В разных регионах, у разных операторов жесткость блокировок различная. Так это именно оно: блокировки имеют по сути вероятностный характер, что и следует из использования машинного обучения.