Роскомнадзор будет фильтровать интернет-трафик с помощью машинного обучения. Такую систему ведомство намерено создать в этом году, на развитие и внедрение планируют потратить более 2 миллиардов рублей. Об этом пишет Forbes со ссылкой на план цифровизации РКН.

Машинное обучение означает, что алгоритмы автоматически извлекают нужные знания из массивов данных. Эксперты, опрошенные изданием, считают, что это повысит эффективность блокировок ресурсов. Сейчас весь российский трафик фильтруют так называемые технические средства противодействия угрозам. Это оборудование, которое установлено на сетях провайдеров. Оно использует технологию DPI — это глубокая фильтрация трафика по содержимому пакетов.

О том, что может изменить новая инициатива, рассуждает эксперт по информационной безопасности, гендиректор Phishman Алексей Горелкин:

Алексей Горелкин эксперт по информационной безопасности, гендиректор Phishman «Какие дополнительные возможности это может дать? На самом деле, на мой взгляд, никаких, потому что те решения, которые уже используются, довольно эффективно используют машинное обучение. Но, понимаете, железяки никто не делает сам, железяки обычно приобретаются у кого-то. Так совпало, что после того, как мы сблизились с Китаем, у нас в стране стала лучше работать фильтрация. Из этого я предполагаю, что стоят железяки китайские, вендоры, которые производят подобные железяки для фильтрации трафика, естественно, используют машинное обучение. Возможно, они не используют его прямо на самих железках, а используют, к примеру, у себя, обучая свои модели и уже в виде правил поставляя тем, кто приобрел подобное оборудование. Итого — машинное обучение де-факто уже есть, тут вопрос в том, насколько оно соответствует ожиданиям РКН. На мой взгляд, опять-таки данного обучения достаточно, потому что довольно эффективно трафик фильтруется, тот же самый VPN, несанкционированный VPN, так мы скажем, он тоже довольно хорошо блокируется и довольно быстро. Вероятно, можно, конечно, дело это ускорить, но опять-таки будем смотреть. Следующий вопрос — в каких-то случаях сейчас работающих технологий недостаточно, а машинное обучение поможет. Машинное обучение уже помогает, как я сказал ранее, хороший продукт не может без машинного обучения работать. Хорошие правила, надо правильно уметь обнаружить уровень энтропии в трафике, то есть в целом вообще сейчас довольно много по уровню энтропии именно смотрится, то есть насколько трафик шифрован, не шифрован, что это, то есть не только протоколы, а в целом трафика, скажем так, внешний вид, то, как он выглядит для машин, для роботов. И это используется для того, чтобы блокировать различные виды запрещенного трафика или попытки обхода блокировок. Поэтому, на мой взгляд, конечно, это уже и так используется. Тут, скорее всего, задача, чтобы это работало еще быстрее, то есть чтобы мы не ждали от поставщиков оборудования, кто бы это ни был, а мы могли сами быстро и эффективно обнаружить необходимые аномалии, блокировать то, что должно быть заблокировано, и также больше уходить в сторону суверенности. То есть это разговор про именно суверенность и отход от зарубежных поставщиков».

Полтора года назад СМИ писали, что комплекс оборудования так называемых технических средств противодействия угрозам, с помощью которого Роскомнадзор осуществляет блокировки и управление трафиком в сетях связи, перешел на продукцию отечественного производства.

Эксперты полагают, что ведомство может использовать машинное обучение для поиска нежелательного и запрещенного контента. Так, владельцы многих заблокированных ресурсов создают их копии — так называемые зеркала. А машинное обучение поможет блокировать такой контент по словам, предложениям или каким-то другим признакам. Кроме того, его можно применять для выявления зашифрованного трафика или просто методов обхода блокировок ресурсов.

Рассказывает генеральный директор InfEra Security, амбассадор бизнес-клуба «Кибердома» Игорь Бирюков:

Игорь Бирюков генеральный директор InfEra Security, амбассадор бизнес-клуба «Кибердома» «Что касается применения в целях выявления «зеркал» и анализа работы VPN-сервисов, то искусственный интеллект однозначно ускоряет эти процессы, выполняя самостоятельно по заданным алгоритмам сложные задачи по поиску таких сайтов, сайтов-«зеркал», по поиску сервисов VPN и анализу их по тем или иным параметрам. Это некая автоматизация имеющихся процессов, но автоматизация следующего уровня: ускорение работы с информацией, работа с большими данными одновременно и поиск неких новых паттернов, новых точек, детекции датчиков, которые помогают выявить VPN-сервис или использование сайтов-«зеркал».

Руководитель службы Андрей Липов осенью говорил в интервью «Известиям», что ведомство применяет нейросетевые технологии для анализа текстовой, аудио- и визуальной информации. По его словам, это позволило сократить время обнаружения запрещенной информации с момента ее появления в интернете в среднем до шести часов. Шесть лет назад это занимало 48 часов.