Искусственный интеллект против VPN: зачем российские власти хотят повысить эффективность блокировок до 95%

Москва, 18:50, 20 Окт 2026, редакция FTimes.ru, автор Елена Галицкая.

Минцифры рассматривало возможность использовать ИИ для выявления сервисов обхода блокировок. Новая технология способна ускорить обнаружение VPN, но одновременно создаёт риски для корпоративных сетей, цифровых сервисов и устойчивости интернет-инфраструктуры.

Российская система ограничения доступа к интернет-ресурсам может получить дополнительный технологический инструмент. Речь идёт об использовании искусственного интеллекта для выявления VPN-сервисов — технологий, позволяющих создавать зашифрованные соединения и передавать данные через промежуточные серверы.

Как сообщил «Коммерсантъ» 16 октября 2026 года, в Минцифры предлагали добиваться 95-процентной эффективности блокировки VPN с помощью алгоритмов искусственного интеллекта. Соответствующая мера фигурировала в проекте национального плана внедрения технологий ИИ до 2030 года. Предполагалось, что к этому времени искусственный интеллект будет анализировать признаки 70% VPN-сервисов из общего числа тех, которые подлежат блокировке.

При этом в министерстве заявили, что в актуальной версии проекта национального плана таких положений уже нет. По информации источника издания, знакомого с обсуждением инициативы, различные ведомства предлагали включить в документ целый ряд мер, которые впоследствии могли не попасть в окончательный вариант.

Таким образом, речь пока не идёт о подтверждённой государственной программе с утверждёнными показателями и сроками реализации. Однако сама инициатива показывает направление развития российской системы фильтрации интернет-трафика: от применения заранее заданных правил к автоматизированному обнаружению сетевой активности, которую алгоритмы могут классифицировать как нежелательную.

Вопрос заключается не только в том, насколько эффективно искусственный интеллект способен распознавать VPN. Не менее важно, какие последствия расширение автоматической фильтрации может иметь для обычных пользователей, компаний и всей инфраструктуры российского интернета.

Источник: «Коммерсантъ» — «Власти собирались выявлять VPN-сервисы с помощью ИИ».

От блокировки адресов к анализу поведения сети

Традиционные методы ограничения доступа к интернет-ресурсам во многом опираются на заранее определённые правила. Если необходимо ограничить доступ к конкретному ресурсу, технические средства могут использовать сведения о его IP-адресах, доменных именах и других сетевых характеристиках.

Однако VPN-сервисы устроены сложнее обычных сайтов. Они могут использовать множество серверов, менять сетевую инфраструктуру, применять различные протоколы шифрования и маскировать характер передаваемого трафика. В результате блокировка одного адреса не обязательно приводит к прекращению работы сервиса: соединение может быть установлено через другой сервер.

Кроме того, VPN не является единой технологией с одинаковыми техническими признаками. Под этим названием объединяются решения, которые используются для разных целей: от обеспечения конфиденциальности личных соединений до организации защищённого удалённого доступа сотрудников к корпоративным системам.

Поэтому задача выявления VPN значительно шире, чем составление списка известных серверов.

Именно здесь возникает интерес к искусственному интеллекту. Вместо того чтобы проверять исключительно отдельные адреса или искать совпадения с заранее подготовленными шаблонами, алгоритмы машинного обучения могут анализировать совокупность признаков сетевого соединения.

Такой подход позволяет искать закономерности в поведении трафика и обнаруживать соединения, которые ранее не встречались в известных базах.

В публикации «Коммерсанта» источник на сетевом рынке объясняет, что при анализе могут учитываться размеры и ритм пакетов данных, продолжительность соединений, соотношение входящего и исходящего трафика, особенности размещения серверов и характеристики соседних сетевых адресов.

Каждый из этих признаков по отдельности не обязательно свидетельствует об использовании VPN. Но их совокупность может помочь алгоритму выявить характерную модель поведения.

Главное преимущество ИИ в данном случае — способность обнаруживать новые варианты сетевой активности, не ограничиваясь перечнем уже известных соединений.

Для системы фильтрации это означает возможность быстрее реагировать на изменения инфраструктуры VPN-сервисов. Но такая автоматизация не устраняет фундаментальную проблему: внешне похожий сетевой трафик может иметь совершенно разное назначение.

Что стоит за показателем в 95%

Заявленная цель — добиться 95-процентной эффективности блокировки — выглядит как количественный ориентир, позволяющий оценить результативность будущей системы.

Однако интерпретировать эту цифру следует осторожно.

В машинном обучении существует несколько показателей качества классификации. Они описывают разные характеристики работы алгоритма: насколько часто он обнаруживает нужные объекты, насколько точны его подозрения и как часто он ошибается.

Например, высокая доля обнаруженных VPN-соединений сама по себе не гарантирует, что система будет редко блокировать легитимный трафик. Алгоритм может находить практически все интересующие его соединения, но одновременно ошибочно относить к VPN обычные корпоративные подключения.

И наоборот: чрезмерно осторожная система способна снизить количество ошибочных блокировок, но пропускать значительную часть VPN-сервисов.

Поэтому для полноценной оценки технологии необходимо знать, что именно означает заявленная эффективность в 95%: долю обнаруженных сервисов, точность классификации или долю соединений, которые действительно удалось заблокировать.

В публикации «Коммерсанта» не приводится подробная методика расчёта целевого показателя. Следовательно, считать 95% подтверждённой точностью распознавания всех VPN-соединений было бы некорректно.

Есть и другая проблема — масштабирование.

Даже если алгоритм демонстрирует высокие показатели на тестовой выборке, его работа в реальной сети может оказаться менее эффективной. Сетевые протоколы меняются, сервисы обновляют инфраструктуру, а характер трафика зависит от множества факторов, включая тип приложения и качество соединения.

В результате модель, успешно работавшая вчера, может потребовать дополнительного обучения и настройки завтра.

Именно поэтому создание подобной системы нельзя свести к установке одного программного модуля. Необходимы постоянный сбор данных, проверка результатов, обновление моделей и контроль последствий автоматической фильтрации.

Главный риск — ошибочные блокировки

Одна из наиболее существенных проблем, на которую обращают внимание собеседники «Коммерсанта», заключается в вероятности ложных срабатываний.

Сетевой трафик корпоративных VPN, облачных платформ и голосовых приложений может иметь статистические сходства с трафиком, который алгоритм пытается выявлять как средство обхода ограничений.

Это объясняется особенностями современной цифровой инфраструктуры. Разные приложения используют шифрование, поддерживают длительные соединения, передают данные между удалёнными серверами и могут обращаться к общим облачным платформам.

Внешнее сходство ещё не означает, что соединения выполняют одну и ту же функцию.

Предположим, алгоритм выявил подозрительный сетевой узел. Если система автоматически ограничит доступ к нему без дополнительной проверки, последствия могут затронуть не только пользователей VPN.

Под угрозой потенциально оказываются удалённый доступ сотрудников к корпоративным системам, обмен данными между офисами, работа облачных сервисов и отдельные способы передачи голоса и видео.

Это особенно чувствительно для организаций, в которых защищённые соединения являются частью повседневных бизнес-процессов.

Для частного пользователя ошибка фильтрации может означать невозможность открыть привычный ресурс. Для предприятия — нарушение работы информационных систем, задержки в обработке заказов или проблемы с доступом к внутренним базам данных.

Экономический эффект таких сбоев зависит от масштаба организации, продолжительности нарушения и наличия альтернативных каналов связи.

Таким образом, эффективность системы фильтрации следует оценивать не только по количеству обнаруженных VPN, но и по цене ошибок для остальных участников сети.

Чем шире применяется автоматическая классификация трафика, тем важнее механизмы проверки подозрительных соединений до принятия решения о блокировке.

Почему искусственный интеллект не решает проблему полностью

На первый взгляд применение ИИ выглядит логичным продолжением развития систем фильтрации: чем больше данных обрабатывает алгоритм, тем больше закономерностей он способен обнаружить.

Но у такого подхода есть принципиальные ограничения.

Машинное обучение не устанавливает назначение соединения с абсолютной достоверностью. Оно оценивает вероятность принадлежности наблюдаемого объекта к определённой категории на основе доступных признаков.

Если признаки разных типов трафика пересекаются, система неизбежно сталкивается с неопределённостью.

В некоторых случаях её можно уменьшить, используя дополнительные данные. Однако часть характеристик может быть скрыта шифрованием, изменена настройками протокола или просто отсутствовать в доступной выборке.

Партнёр практики «Цифровая трансформация» компании Strategy Partners Сергей Кудряшов, которого цитирует «Коммерсантъ», обращает внимание на чувствительность распознавания к изменению наблюдаемых признаков. В качестве примера он приводит исследование, в котором маскировка одного поля в TLS-заголовке снижала точность распознавания примерно до 38%.

Этот показатель не следует воспринимать как универсальную оценку возможностей всех систем ИИ. Он относится к приведённому экспертом примеру и демонстрирует более общий принцип: качество классификации может существенно зависеть от доступности конкретных признаков.

В реальных условиях результаты будут определяться архитектурой модели, используемыми данными, характеристиками трафика и способом организации фильтрации.

Кроме того, возникает эффект постоянного противодействия. По мере совершенствования систем обнаружения могут меняться и технологии передачи данных. Это превращает фильтрацию в непрерывный технологический процесс, требующий регулярной адаптации.

Поэтому даже качественная модель не гарантирует окончательного решения проблемы выявления VPN.

ТСПУ: техническая основа масштабной фильтрации

Инициатива по применению искусственного интеллекта вписывается в более широкое развитие российской инфраструктуры контроля интернет-трафика.

В публикации «Коммерсанта» также упоминаются технические средства противодействия угрозам — ТСПУ, устанавливаемые на сетях операторов связи. Эти средства используются в рамках государственной системы управления и фильтрации интернет-трафика.

По данным издания, Минцифры ранее планировало увеличить пропускную способность ТСПУ в 2,5 раза — до 954 Тбит/с к 2030 году.

Здесь важно разграничивать пропускную способность оборудования и его способность распознавать конкретные виды трафика.

Первая характеризует объём данных, который инфраструктура может обрабатывать в единицу времени. Вторая зависит от используемых алгоритмов, доступных признаков, вычислительных ресурсов и архитектуры системы.

Увеличение пропускной способности не означает автоматически, что точность выявления VPN вырастет в той же пропорции. Для этого нужны отдельные технологические решения.

По оценке собеседника «Коммерсанта» на сетевом рынке, внедрение ИИ потребует создания дополнительной вычислительной инфраструктуры поверх существующих ТСПУ.

Она должна включать несколько взаимосвязанных компонентов:

• сбор и хранение телеметрии — технических данных о работе сетевых соединений;
• вычислительные мощности для обучения и переобучения моделей;
• механизмы проверки качества распознавания;
• систему доставки обновлённых моделей на узлы фильтрации.

Иными словами, речь идёт не просто о модернизации уже установленного оборудования, а о создании дополнительного контура обработки данных.

При этом масштаб такой инфраструктуры будет зависеть от объёма наблюдаемого трафика, частоты обновления моделей и требований к скорости принятия решений.

Чем больше данных необходимо анализировать, тем выше требования к вычислительным ресурсам, хранению информации и техническому обслуживанию системы.

Сколько может стоить технологическое усиление фильтрации

Финансовая сторона проекта также заслуживает внимания.

Согласно материалу «Коммерсанта», в пояснительной записке к проекту федерального бюджета предусматривалось выделение более 89,9 млрд рублей на федеральный проект «Инфраструктура кибербезопасности» в 2026–2029 годах.

Как отмечает издание, большая часть этих средств должна была направляться в виде субсидий подведомственному Роскомнадзору Главному радиочастотному центру на систему АСБИ, включающую ТСПУ, устанавливаемые на сетях операторов связи.

Кроме того, Forbes сообщал в январе 2026 года о планах Роскомнадзора создать и внедрить механизм фильтрации интернет-трафика с использованием машинного обучения. На эти цели предполагалось направить 2,27 млрд рублей.

Эти суммы относятся к разным уровням финансирования и проектам. Их нельзя автоматически складывать или считать, что все перечисленные средства предназначены исключительно для блокировки VPN с помощью ИИ.

Тем не менее они показывают масштаб вложений в развитие российской инфраструктуры кибербезопасности и фильтрации трафика.

Экономическая логика подобных расходов связана с необходимостью обрабатывать постоянно растущий объём информации. Традиционные подходы, основанные на заранее сформированных правилах, требуют регулярного обновления и могут оказаться недостаточно гибкими для выявления быстро меняющихся сетевых сервисов.

Автоматизированный анализ потенциально позволяет сократить время обнаружения новых закономерностей и ускорить реакцию системы.

Но экономическая эффективность такой модернизации будет зависеть от совокупных затрат. Помимо приобретения оборудования и вычислительных мощностей, необходимы расходы на разработку программного обеспечения, обучение моделей, поддержку инфраструктуры и устранение последствий ошибочной фильтрации.

Без опубликованных данных о результатах испытаний и эксплуатационных расходах оценить окупаемость подобных вложений невозможно.

Что изменится для обычных пользователей

Для большинства пользователей интернет-фильтрация остаётся практически незаметной до тех пор, пока нужный сайт или приложение работает без сбоев.

Однако расширение автоматического анализа трафика может изменить характер взаимодействия между пользователями и сетевой инфраструктурой.

Если алгоритмы станут эффективнее выявлять ранее неизвестные VPN-серверы, срок работы отдельных сервисов до обнаружения потенциально может сократиться. Это способно увеличить частоту технических сбоев у пользователей, зависящих от подобных соединений.

В то же время не каждый VPN будет распознаваться одинаково. Результат зависит от используемых протоколов, особенностей реализации сервиса, качества модели и применяемых правил фильтрации.

Поэтому утверждать, что внедрение ИИ приведёт к полной блокировке всех VPN, оснований нет.

Необходимо учитывать и другое обстоятельство: VPN применяется не только для обхода ограничений.

Такие технологии используются для защиты соединений в публичных сетях, удалённой работы, подключения к корпоративным системам и организации защищённого обмена данными между подразделениями компаний.

Если алгоритмы не смогут надёжно различать эти сценарии, последствия могут затронуть пользователей, которые вообще не пытаются получить доступ к заблокированным ресурсам.

В частности, потенциальные проблемы могут возникать у сотрудников компаний, работающих удалённо, у специалистов технической поддержки и у организаций, использующих распределённую сетевую инфраструктуру.

Насколько существенными окажутся эти риски, будет зависеть от того, предусмотрены ли механизмы дополнительной проверки, исключения для корпоративных соединений и оперативного восстановления ошибочно заблокированного доступа.

На момент публикации «Коммерсанта» конкретные параметры предполагаемой системы и порядок обработки спорных случаев не были раскрыты.

Почему бизнесу важно следить за развитием технологии

Для российского бизнеса вопрос выходит за пределы доступности отдельных интернет-сервисов.

Современные предприятия используют сложные цифровые цепочки, в которых взаимодействуют сотрудники, поставщики, облачные платформы, центры обработки данных и информационные системы.

VPN может выступать одним из элементов этой архитектуры.

Если соединение ошибочно классифицируется как нежелательное и блокируется, компания рискует потерять доступ к отдельным системам или столкнуться с нарушением технологических процессов.

Особенно чувствительны к подобным сбоям организации, работа которых зависит от непрерывного удалённого доступа, распределённых офисов и международных цифровых сервисов.

В этих условиях компаниям важно не только оценивать надёжность используемых каналов связи, но и понимать, какие элементы их инфраструктуры зависят от внешних сетевых соединений.

Практическое значение приобретают резервные каналы связи, документирование сетевых зависимостей, мониторинг доступности корпоративных сервисов и наличие регламентов действий при нарушении соединений.

При этом нельзя утверждать, что предполагаемая система автоматически приведёт к массовым сбоям корпоративных сетей. Для такого вывода необходимы данные о реальных результатах её работы.

Однако сам риск ошибочной классификации достаточно существенен, чтобы учитывать его при планировании цифровой инфраструктуры.

Может ли искусственный интеллект заменить ручную проверку

Один из возможных вариантов организации фильтрации — использовать ИИ не как окончательный механизм принятия решений, а как инструмент предварительного отбора.

В таком случае алгоритм выявляет подозрительный сетевой узел, после чего система проводит дополнительную проверку. Только если принадлежность узла к VPN-сервису подтверждается, принимается решение о блокировке.

Именно такой подход рассматривается в комментариях экспертов, приведённых «Коммерсантом».

Его преимущество заключается в разделении двух задач: автоматизированного поиска потенциальных нарушений и подтверждения результатов.

ИИ способен быстро анализировать большие объёмы данных, но дополнительная проверка позволяет уменьшить вероятность того, что подозрительное соединение будет ошибочно заблокировано.

Впрочем, и у этой модели есть ограничения.

Если объём подозрительных соединений окажется слишком большим, проверка каждого из них может потребовать значительных ресурсов. Кроме того, для достоверной классификации необходимо определить единые критерии подтверждения и обеспечить их регулярное обновление.

Вопрос заключается в том, насколько быстро такая система сможет работать при больших объёмах трафика и сколько ресурсов потребуется для поддержания её точности.

Полностью автоматическая блокировка потенциально ускоряет принятие решений, но увеличивает значение качества алгоритма. Дополнительная проверка повышает надёжность, но может замедлить процесс.

Оптимальный баланс зависит от целей системы и допустимой цены ошибки.

Главный вопрос — где проходит граница допустимой ошибки

В дискуссии о применении искусственного интеллекта для интернет-фильтрации технологические показатели неизбежно пересекаются с вопросами регулирования.

Если система предназначена для ограничения определённых видов трафика, необходимо определить, какие соединения считаются целевыми, на основании каких признаков они выявляются и какие последствия наступают в случае ошибки.

Для пользователя важна не только вероятность блокировки, но и возможность понять причину сбоя. Для бизнеса — предсказуемость работы инфраструктуры. Для операторов связи — техническая реализуемость требований и возможность своевременно устранять неисправности.

Поэтому при оценке подобных решений имеет значение не только качество машинного обучения, но и прозрачность процедур.

Показатель эффективности в 95% может выглядеть убедительно, однако без определения методики измерения он не даёт полной картины.

Необходимо понимать, на каких данных обучалась модель, в каких условиях проводились испытания, как учитывались новые типы трафика и сколько ложных срабатываний было допущено.

Не менее важно знать, предусмотрены ли процедуры пересмотра ошибочных решений и как оцениваются последствия блокировки легитимных соединений.

Без этих данных невозможно объективно сравнить разные системы и определить, насколько заявленные показатели соответствуют условиям реальной эксплуатации.

Что означает эта инициатива для российского интернета

История с предполагаемым использованием ИИ для выявления VPN отражает более широкую тенденцию: переход от относительно статических методов фильтрации к системам, способным адаптироваться к изменению сетевой активности.

Для государства такой подход представляет интерес благодаря возможности автоматизировать анализ больших массивов данных и быстрее обнаруживать новые сетевые сервисы.

Для операторов связи и бизнеса он означает дополнительные требования к инфраструктуре, совместимости оборудования и устойчивости цифровых процессов.

Для пользователей последствия могут выражаться в изменении доступности отдельных сервисов, хотя конкретный масштаб этих изменений пока невозможно определить.

При этом важно различать планы, проекты и уже действующие решения.

По данным «Коммерсанта», предложение об использовании ИИ для достижения 95-процентной эффективности блокировки фигурировало в проекте национального плана, но в Минцифры заявили, что соответствующие положения отсутствуют в актуальной версии документа. Источник издания также отмечал, что сейчас для анализа трафика применяются интеллектуальные алгоритмы, которые не относятся к искусственному интеллекту.

Следовательно, публикация не подтверждает, что программа с обозначенными параметрами уже утверждена или внедрена в полном объёме.

Тем не менее направление технологического развития просматривается достаточно отчётливо. Государственная система фильтрации рассматривается не только как набор правил и списков адресов, но и как инфраструктура, способная использовать автоматизированный анализ сетевого поведения.

Успех такого подхода будет зависеть от того, удастся ли совместить скорость обнаружения с приемлемым уровнем ошибок.

Главный вывод заключается в том, что искусственный интеллект может сделать фильтрацию интернета более адаптивной, но не способен устранить неоднозначность, заложенную в самой природе сетевого трафика. Один и тот же технический признак может встречаться у совершенно разных сервисов, а повышение чувствительности обнаружения не всегда сопровождается повышением точности.

Поэтому реальным критерием эффективности подобных систем станет не только количество выявленных VPN, но и способность инфраструктуры отличать нежелательные соединения от легитимных, не создавая чрезмерных препятствий для работы пользователей и предприятий.

Пока же показатель в 95% остаётся заявленным ориентиром, а не подтверждённым результатом внедрения общенациональной системы.

Дальнейшее развитие проекта будет зависеть от окончательных решений ведомств, объёма финансирования, технических испытаний и того, какие механизмы контроля ошибок будут заложены в архитектуру системы.

Именно эти факторы, а не сам факт применения искусственного интеллекта, определят, насколько эффективным и устойчивым окажется новый этап российской интернет-фильтрации.