Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarvc.ru→ original

Roskomnadzor vai gastar 2,27 bilhões de rublos em filtragem de tráfego com IA até 2028

O Roskomnadzor reservou 2,27 bilhões de rublos para um sistema que, com a ajuda de machine learning, vai procurar conteúdo proibido e formas de contornar bloqueios no tráfego da internet. A informação é do Forbes, com base no programa de transformação digital para 2026–2028. O modelo é descrito como "nacional", e o nome não foi divulgado. Especialistas alertam: podem ocorrer falsos positivos e falhas em serviços corporativos e VPNs.

Processado por IA de vc.ru; editado por Hamidun News
Roskomnadzor vai gastar 2,27 bilhões de rublos em filtragem de tráfego com IA até 2028
Fonte: vc.ru. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalvc.ru ↗
Editor-chefe
Prazo do programa2026–2028; orçamento: 2,27 bilhões de rublos
Dado-chave #2O modelo roda na infraestrutura própria do órgão
Riscosbloqueios indevidos e queda na estabilidade de VPNs e serviços de negócios

Os bloqueios na internet russa até hoje se baseavam em listas: se há um endereço ou um sinal, o acesso é cortado. Agora o Roskomnadzor quer acrescentar a isso o machine learning. Segundo o Forbes, que cita o documento do programa de transformação digital para 2026–2028, 2,27 bilhões de rublos foram destinados à implantação desse mecanismo. Para quem mantém serviços na Rússia, desenvolve produtos para empresas ou depende de VPN, vale a pena observar com mais atenção a resiliência da própria infraestrutura.

O que se sabe sobre o projeto

Os fatos são poucos, e quase todos vêm do relato do Forbes. O regulador usa um modelo matemático "nacional", cujo nome não é divulgado. O modelo roda na infraestrutura própria do órgão, ou seja, não em uma nuvem de um provedor terceirizado. Sua função, segundo o documento, é extrair automaticamente informações relevantes de grandes volumes de dados.

O que não existe nos dados abertos são os detalhes. Não se sabe com quais dados o modelo foi treinado, que fatia do tráfego ele vai analisar nem como será feita a verificação de suas decisões. Também não há números sobre precisão. Assim, só é possível avaliar o objetivo declarado e as preocupações dos especialistas, mas não a qualidade real do funcionamento.

Para que o regulador precisa disso

A lógica pode ser explicada com um exemplo simples. Um filtro clássico é como um segurança com uma lista de nomes: ele reconhece apenas quem já está na lista. Um modelo treinado se parece mais com um funcionário que memorizou o comportamento típico dos infratores e percebe pessoas parecidas, mesmo que elas ainda não estejam na lista.

Segundo os especialistas ouvidos pelo Forbes, é exatamente isso que o Roskomnadzor busca: identificar com mais precisão o conteúdo proibido e os métodos de burla de bloqueios. A segunda frente é especialmente visível. As ferramentas de contorno mudam rapidamente, e a atualização manual das listas não acompanha o ritmo. A classificação automática do tráfego, em teoria, permite reagir mais depressa.

Os riscos para empresas e desenvolvedores

Os mesmos especialistas alertam para efeitos colaterais. O primeiro é o falso positivo. Qualquer modelo erra, e no tráfego de rede um erro significa que um serviço legítimo pode acabar sob bloqueio ou restrição. O segundo risco é a queda na estabilidade de serviços corporativos e de VPNs. Muitas empresas usam VPN não para contornar proibições, mas para o trabalho do dia a dia: acesso seguro de funcionários a sistemas internos, comunicação entre escritórios, conexão a APIs estrangeiras. Do ponto de vista da rede, esse tráfego pode parecer com aquele que o regulador quer interromper.

As conclusões práticas para as equipes são estas:

  • Planeje com antecedência um cenário de interrupções: canais de comunicação alternativos, rotas de contingência e um procedimento claro para quando um serviço externo deixar de responder.
  • Se o seu produto depende de APIs estrangeiras ou de conexões via VPN, inclua no monitoramento verificações de disponibilidade feitas especificamente a partir de redes russas e guarde o histórico de falhas. Isso ajuda a separar os próprios erros das causas externas.
  • Não conte com a correção rápida de um falso positivo. O procedimento de contestação para sistemas desse tipo ainda não foi descrito.

O que fica de fora

É importante não supervalorizar a notícia. Por enquanto, trata-se de uma linha orçamentária e da descrição de um objetivo, e não de um relatório sobre um sistema em funcionamento. Segundo o veículo, o modelo já foi implantado, mas a escala de aplicação e os prazos para o lançamento completo são desconhecidos. Muitos dos efeitos citados são apenas opiniões de especialistas.

Ainda assim, a soma de 2,27 bilhões de rublos em três anos mostra que o regulador enxerga o machine learning como parte permanente de suas ferramentas, e não como um experimento. Para o setor, isso significa incluir na arquitetura e nos planos de risco a possibilidade de acesso instável à rede. Os detalhes provavelmente surgirão depois: à medida que o sistema entrar em operação, empresas e usuários vão perceber por si mesmos como ele afeta os serviços que usam no dia a dia.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre o projeto?

Os fatos são poucos, e quase todos vêm do relato do Forbes. O regulador usa um modelo matemático "nacional", cujo nome não é divulgado. O modelo roda na infraestrutura própria do órgão, ou seja, não em uma nuvem de um provedor terceirizado. Sua função, segundo o documento, é extrair automaticamente informações relevantes de grandes volumes de dados. O que não existe nos dados abertos são os detalhes.

O que se sabe sobre Para que o regulador precisa disso?

A lógica pode ser explicada com um exemplo simples. Um filtro clássico é como um segurança com uma lista de nomes: ele reconhece apenas quem já está na lista. Um modelo treinado se parece mais com um funcionário que memorizou o comportamento típico dos infratores e percebe pessoas parecidas, mesmo que elas ainda não estejam na lista. Segundo os especialistas ouvidos pelo Forbes, é exatamente isso que o Roskomnadzor busca: identificar com mais precisão o conteúdo proibido e os métodos de burla de bloqueios.

O que se sabe sobre Os riscos para empresas e desenvolvedores?

Os mesmos especialistas alertam para efeitos colaterais. O primeiro é o falso positivo. Qualquer modelo erra, e no tráfego de rede um erro significa que um serviço legítimo pode acabar sob bloqueio ou restrição. O segundo risco é a queda na estabilidade de serviços corporativos e de VPNs. Muitas empresas usam VPN não para contornar proibições, mas para o trabalho do dia a dia: acesso seguro de funcionários a sistemas internos, comunicação entre escritórios, conexão a APIs estrangeiras.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…