Новая технология должна дополнить существующую систему контроля трафика на базе технических средств противодействия угрозам (ТСПУ). Эти устройства устанавливаются на сетях операторов связи в рамках закона о «суверенном интернете» и используют DPI-анализ для блокировки запрещённых ресурсов. DPI (Deep Packet Inspection) позволяет проверять интернет-трафик на уровне отдельных пакетов данных и фильтровать его не только по адресам, но и по типу и содержанию передаваемой информации.

По данным Роскомнадзора, с помощью ТСПУ в России заблокировано более 1 млн интернет-ресурсов. Ежедневно система ограничивает доступ в среднем к 5500 новым доменам и сетевым адресам. Дополнительно ведомство продолжает вести реестр запрещённых сайтов, куда вносятся ресурсы с противоправным контентом, обязательные к блокировке для операторов связи.

Эксперты считают, что внедрение машинного обучения может расширить возможности РКН. Такие алгоритмы способны находить запрещённый контент не только по адресам, но и по смысловым признакам — словам, формулировкам, изображениям или видео. Это может повысить эффективность борьбы с «зеркалами» заблокированных сайтов и другими способами обхода ограничений.

Отдельное внимание, по мнению специалистов, может быть уделено выявлению VPN-сервисов и зашифрованного трафика.

Классические DPI-решения хуже справляются с анализом сложных и зашифрованных соединений, тогда как машинное обучение позволяет применять эвристический подход — система учится распознавать типы трафика по косвенным признакам, даже если данные зашифрованы или замаскированы, и точнее выявлять методы обхода блокировок.

При этом в РКН уже используют элементы ИИ в своей работе. Нейросети РКН анализируют тексты, аудио и видео, что позволило сократить среднее время обнаружения запрещенной информации с 48 часов в 2020 году до примерно шести часов. Ежедневно автоматизированные системы обрабатывают сотни тысяч материалов и выделяют около 2000 нарушающих закон. Среди используемых инструментов — «Окулус» для анализа видео и аудио и «Вепрь» для выявления «точек информационной напряженности» в соцсетях и СМИ.

В самом Роскомнадзоре пока воздерживаются от подробных комментариев по новым планам. Эксперты же отмечают, что эффективность машинного обучения в масштабах всего Рунета будет зависеть от качества данных, доработки ТСПУ и экономической целесообразности проекта, особенно с учётом уже имеющегося опыта, где точность ИИ-систем не всегда оправдывала затраты.