В этом году Роскомнадзор (РКН) планирует разработать и запустить в эксплуатацию механизм фильтрации интернет-трафика с помощью технологий машинного обучения. Для реализации этого плана регулятор намерен потратить 2,27 млрд рублей. Об этом пишет Forbes со ссылкой на план цифровизации РКН.

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Компьютер месяца — сентябрь 2026 года

10 флагманских процессоров Intel за 10 лет

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Источник изображения: Tim van der Kuip / unsplash.com

В сообщении сказано, что данный документ направлен в правительственную комиссию по цифровому развитию. В нём говорится о том, что новый инструмент фильтрации будет функционировать на базе уже работающих на сетях операторов технических средств противодействия угрозам (ТСПУ), обеспечивающих фильтрацию трафика по технологии Deep Packet Inspection (DPI). С помощью таких средств уже заблокировано свыше 1 млн ресурсов, а также ежедневно ограничивается доступ к примерно 5,5 тыс. сайтов. У РКН также есть специальный реестр, куда вносятся распространяющие запрещённую информацию сайты для последующей блокировки со стороны операторов.

Эксперты считают, что использование ИИ-алгоритмов поможет РКН более эффективно выявлять и блокировать запрещённый трафик, а также VPN-сервисы. По мнению бизнес-консультанта по ИБ Positive Technologies Алексея Лукацкого, масштабирование технологии машинного обучения для анализа трафика и выявления угроз безопасности в масштабах Рунета позволяет выделить несколько вариантов расширения ТСПУ новыми возможностями. «Это выявление зашифрованного трафика или просто методов обхода блокировок ресурсов. Это важно в контексте курса РКН на блокировку VPN-сервисов. А также обнаружение DDoS-атак и выявление взаимодействия с командными серверами ботнетов и иных вредоносных инфраструктур, используемых кибермошенниками. Кроме того, можно классифицировать веб-приложения, находя те, которые запрещены в России (например, различные мессенджеры), и отличать стриминговый трафик от скачивания контента, что позволит выявлять пиратские ресурсы», — считает Лукацкий.

Он также добавил, что технологии машинного обучения позволят реализовать более «прицельное» воздействие на сети. Речь, например, о «деградации» конкретного типа трафика вместо «ковровых» мер. «Машинное обучение в DPI — это способ лучше “угадывать, что за трафик”, когда классические методы обнаружения по сигнатурам, портам и т.п. уже не помогают», — добавил Лукацкий.

Представитель организации RKS-Global сообщил, что инструменты машинного обучения на ТСПУ могут быть задействованы для создания и автоматического применения правил фильтрации. К примеру, для поиска и блокировки VPN-сервисов. Такие инструменты также позволят осуществлять поиск по текстам на разных языках, по изображениям и видео. «Так, Китай уже вовсю использует ИИ в мониторинге интернета», — отметил представитель RKS-Global.

На этой неделе Google объявила о партнёрстве с проектом StopNCII.org для совместной борьбы с распространением через поисковик компании интимных фото и видео, которые были размещены в Сети без согласия запечатлённых на них людей. Поисковый гигант начнёт использовать предоставленные StopNCII хеши для выявления таких изображений и удаления их из выдачи.

Компьютер месяца — сентябрь 2026 года

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

10 флагманских процессоров Intel за 10 лет

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Мастерская локальных ИИ: салат картофельный с Qwen3.8

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Источник изображения: Firmbee.com / Unsplash

Google будет использовать хеши, которые представляют собой сгенерированные алгоритмом идентификаторы, позволяющие выявлять и блокировать контент, помеченный как оскорбительный. По данным источника, проект StopNCII.org использует PDQ-хеши для изображений и MD5-хеши для видео. Под блокировку могут попадать не только опубликованный без согласия интимный контент, но и, например, обработанные изображения или дипфейки, сгенерированные с помощью нейросетей.

Ранее Google неоднократно критиковалась за то, что медленнее других крупных отраслевых игроков реализует эту инициативу. Напомним, Facebook✴✴, Instagram✴✴, TikTok и Bumble присоединились к инициативе StopNCII ещё в 2022 году, а Microsoft со своим поисковиком Bing — в сентябре 2024 года.

Поисковый гигант уже внедрил инструменты для передачи запросов на удаление такого контента вместе с личной контактной информацией, но, как и прежде, жертвы таких публикаций должны были самостоятельно находить и помечать соответствующий контент. Теперь же эта работа в большей степени ляжет на плечи StopNCII.org и Google. Что касается самого проекта StopNCII, то он был запущен британской благотворительной организацией South West Grid for Learning.

Корейские учёные обратились к естественным природным «технологиям» для улучшения качества фильтрации воздуха. Недавно они опубликовали исследовательскую работу, «вдохновлённую естественными фильтрующими способностями покрытых слизью носовых волосков». Разработанный ими фильтр с масляным покрытием (Particle-Removing Oil-coated filter, PRO) улавливает значительно больше частиц и сохраняет свою эффективность вдвое дольше, чем традиционный фильтр.

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

10 флагманских процессоров Intel за 10 лет

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Компьютер месяца — сентябрь 2026 года

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Источник изображений: Chung-Ang University

Отложения пыли крайне вредны для электронных устройств, которым требуется хорошее охлаждение. Несмотря на то, что фильтрация пыли стала стандартной функцией современных ПК и ноутбуков, используемые мелкоячеистые сетки не так эффективны в задержании твёрдых частиц. Попытка повысить эффективность фильтрации пыли за счёт более плотных сеток ухудшает прокачивание через них воздуха, повышает шум и требует увеличения мощности системы охлаждения.

Корейские разработчики предложили технологию фильтрации воздуха, имитирующую носовой проход человека, заполненный волосками, покрытыми липким веществом. Испытания, проведённые учёными из Университета Чунг-Анг в Южной Корее, доказывают, что этот «биоинспирированный суперадгезивный фильтр, работающий на капиллярной силе» вполне работоспособен.

В процессе полевых испытаний было установлено, что новые фильтры улавливают значительно больше взвешенных частиц, чем традиционные альтернативы. Более того, они сохраняют эффективность в два-три раза дольше, чем существующие фильтрующие панели. Судя по этим результатам, новые фильтры также должны быть более экономичными, чем традиционные фильтры.

Одним из ключевых конструктивных решений, обеспечивших эффективность новых фильтров, стало применение специальной «слизи», создающей эффект капиллярной адгезии. Слои специально разработанного биосовместимого силиконового масла толщиной 200–500 нм обеспечили наилучшие показатели фильтрации. Ещё одним преимуществом новой технологии является возможность повторного использования фильтров. Учёные утверждают, что после промывки в моющем средстве и сушки «слизистое» масло можно нанести повторно с помощью обычного бытового распылителя.

По замыслу разработчиков, новые фильтры можно будет применять не только в компьютерном оборудовании. Исследователи позиционируют эту технологию как «новый горизонт в области очистки воздуха» — в кондиционерах и промышленных системах фильтрации. Вполне вероятно, что такие биофильтры найдут применение и в космосе, в чистых помещениях, центрах обработки данных и медицинских учреждениях.