• План: разработка и внедрение механизма фильтрации интернет-трафика с использованием технологий машинного обучения в текущем году.
• Бюджет: 2,27 млрд руб. планируется направить на реализацию проекта.
• Основание: планы описаны в документе о цифровизации РКН, представленном правительственной комиссии по цифровому развитию 26 декабря.
• Текущая база: блокировки осуществляются через ТСПУ на сетях операторов связи в рамках закона о 'суверенном интернете' с применением DPI (глубокого анализа пакетов).
• Масштаб текущих ограничений: заявлено блокирование доступа к более чем 1 млн запрещенных ресурсов; в среднем ежедневно ограничивается доступ к 5500 новым сетевым адресам и доменам.
• Заявленные эффекты ML: смысловая идентификация контента, классификация зашифрованного трафика (включая VPN), автоматизация создания и применения правил фильтрации для ускорения и повышения точности реагирования.

Почему это важно: В тексте описывается переход от фильтрации по фиксированным правилам к подходу, где упор делается на смысловой анализ контента и автоматизацию правил. На практике это обычно означает, что система пытается адаптироваться к новым паттернам обхода и изменению доли шифрования, а не только обновлять списки адресов. Для рынка в целом это сигнал, что технологическая сложность контроля трафика растёт и фокус смещается в сторону классификации и быстрого обновления политик.

На что обратить внимание: В описании проекта подчёркнута работа с зашифрованным трафиком и обходами через VPN и 'зеркала', но не раскрыто, как именно будет измеряться качество детекции и ошибки. В одном из примеров упоминается, что эффективность нейросетей для мониторинга утечек персональных данных оценили лишь в 60%, и для повышения точности потребовались бы большие объёмы данных для обучения. Следующим шагом по смыслу текста выглядит расширение практик нейроанализа, которые уже используются для текста, аудио и визуальной информации, на контур фильтрации трафика как такового, с возможной автоматизацией правил фильтрации.