Шанс заблокировать ВПН “на 100%” в масштабе страны: 0–4%

В СМИ сообщают о том, что Роскомнадзор собирается «подкрутить» свои фильтры машинным обучением — и на фоне суммы в 2,27 млрд рублей главный вопрос звучит не про нейросети, а про практику: станет ли в стране возможно «перекрыть все сервисы на 100%» и что исчезнет в первую очередь.

Нейросеть не «читает шифр», но помогает быстрее давить массовые обходы

ТСПУ с DPI уже умеют блокировать по спискам адресов, доменам и сигнатурам протоколов. Машинное обучение в этой схеме — не волшебная палочка, а скорее ускоритель: оно может лучше классифицировать трафик по косвенным признакам (метаданным), быстрее находить новые узлы и автоматизировать обновление правил. Проще говоря: не раскрывать шифрование, а “узнавать походку” — характерные размеры пакетов, тайминги, последовательности, поведение сессии.

Это дает эффект прежде всего там, где ВПН и иные сервисы работают “в лоб”: типовой протокол, массовое приложение, узнаваемая инфраструктура у хостингов.

Если фильтрация станет агрессивнее и умнее, первыми пострадают бесплатные — по экономическим причинам.

Бесплатный сервис почти всегда:

• сидит на дешевой и предсказуемой инфраструктуре (IP-пулы, хостинги, типовые конфиги), которую легко «вычислять» и массово блокировать;
• имеет огромную аудиторию, а значит, заметен в телеметрии и быстро попадает в прицел;
• не способен бесконечно вести гонку обновлений: обфускация, ротация узлов, тесты по регионам, саппорт — это постоянные расходы.

Когда блокировки становятся регулярными, бесплатные чаще уходят в деградацию: то работает, то нет, то “переподключайтесь”, то приложение исчезло из магазинов. В результате пользователь просто бросает попытки — и статистически это выглядит как «победа над сервисами».

С платными провайдерами история другая. У них есть ровно то, чего нет у бесплатных: мотивация и бюджет на адаптацию.

Платный рынок обычно отвечает так:

• быстро меняет узлы и провайдеров, дробит инфраструктуру;
• уходит в менее публичные модели (приватные конфиги, приглашения, “не светиться”);
• использует маскировку под обычный HTTPS/HTTP2/HTTP3 и другие формы “трафика как у всех”;
• уводит часть спроса в формат “личный VPS”: когда пользователь покупает сервер и поднимает туннель сам, превращаясь из “клиента популярного сервиса” в единичный случай среди миллионов обычных серверов.

Именно поэтому блокировать “все сервисы” — это не про закрытие нескольких приложений. Это попытка запретить целый класс технологий построения зашифрованных туннелей, которые могут выглядеть как нормальный интернет-трафик. Чем ближе к “тотальному” запрету, тем выше риск ломать корпоративные ВПН, облака, CDN, видеосвязь и вообще обычный TLS/QUIC — то есть инфраструктуру экономики всего интернета и всей страны.

Можно ли заблокировать ВПН и иные сервисы “на 100%”?

Коротко: нет, не этой технологией и не без радикальных побочных эффектов.

ML+DPI могут:

• резко ухудшить жизнь массовым и примитивным сервисам,
• сделать обход менее удобным и более дорогим,
• сократить долю пользователей, которые способны настроить “живучий” вариант.

Но “100%” упирается в фундамент: хорошо замаскированный туннель поверх распространенных протоколов невозможно надежно отличить от легитимного трафика без того, чтобы начать резать по живому. Дальше выбор становится политико-экономическим, а не техническим: либо терпеть часть обходов, либо идти в сторону разрешительной модели доступа (allowlist), что уже означает другой интернет.

Оценка GPT по вероятностям:

• внедрить ML-компоненты в контур фильтрации: 70–85%;
• заметно выдавить массовые бесплатные сервисы: 60–80%;
• заблокировать ВПН и иные сервисы “на 100%” в масштабе страны: 0–5% (практически ноль без смены модели доступа к сети).

Мы решили узнать оценки других нейросетей. Вот их ответы:

GROK:

Gemini

DeepSeek

Это были оценки от четырех нейросетей. Внедрение ML даст скорее статистический эффект, чем качественный прорыв. Эти оценки основаны на текущем технологическом ландшафте и могут измениться при радикальной смене подходов к регулированию интернета.