Федеральная служба по техническому и экспортному контролю (ФСТЭК России) за последние два года выпустила ряд документов, затрагивающих тему искусственного интеллекта. Среди них как утверждённые методические рекомендации и приказы, так и проекты, находящиеся на стадии обсуждения. Ключевым событием стало утверждение 25 ноября 2025 года методического документа «Методика анализа защищенности информационных систем», в котором впервые на уровне ФСТЭК появилось упоминание моделей машинного обучения. Кроме того, 12 апреля 2026 года был утверждён методический документ «Состав и содержание мероприятий и мер по защите информации, содержащейся в информационных системах», а 7 августа 2026 года — методика оценки зрелости деятельности в области технической защиты информации. Также действуют требования к защите информации в государственных информационных системах, утверждённые приказом № 117 от 11 апреля 2025 года (в редакции приказа № 137 от 8 мая 2026 года), и два проекта приказов, один из которых вносит изменения в приказ № 117, а другой устанавливает состав мер по обеспечению безопасности персональных данных.

В методике анализа защищённости, утверждённой 25 ноября 2025 года, искусственный интеллект упоминается лишь однажды — в таблице 1, пункт ИНП.9 «Сбор информации о программном обеспечении, реализующем модели машинного обучения (технологии искусственного интеллекта)». Для этой позиции предусмотрен вид анализа «С1», который подразумевает внешнее сканирование периметра информационной системы удалённо через интернет. Таким образом, регулятор пока требует лишь фиксировать наличие ПО с моделями машинного обучения, но не устанавливает специальных мер по их защите. Остальные документы из перечня либо не содержат прямых отсылок к ИИ, либо упоминают его в общем контексте. Например, методика оценки зрелости технической защиты информации, утверждённая 7 августа 2026 года, ориентирована на оценку процессов, а не на технологии ИИ как таковые. Проект приказа об изменениях в требованиях к государственным информационным системам и проект по персональным данным также пока не содержат развёрнутых положений об ИИ.

С технической точки зрения методика анализа защищённости описывает четыре этапа: сбор исходной информации, внешний анализ уязвимостей, внутренний анализ уязвимостей и оценку выявленных уязвимостей. Внешний анализ (вид «С1») включает удалённое сканирование из интернета и выявление уязвимостей телекоммуникационного оборудования, средств защиты информации, программного обеспечения, сетевых сервисов и служб. Внутренний анализ, по-видимому, проводится уже внутри инфраструктуры. Однако для моделей машинного обучения пока не предусмотрено специализированных методов тестирования на устойчивость к состязательным атакам или утечкам данных. Это создаёт разрыв между формальным требованием собрать информацию о таком ПО и реальной потребностью в защите ИИ-компонентов. Кроме того, методика распространяется на аттестацию информационных систем, контроль уровня защищённости и оценку соответствия, что делает её обязательной для широкого круга организаций.

Контекст развития регулирования ИИ в России показывает, что ФСТЭК действует осторожно, фокусируясь прежде всего на традиционных аспектах информационной безопасности. В отличие от других ведомств, например Минцифры, которое активно продвигает национальную стратегию развития ИИ, ФСТЭК отвечает за техническую защиту информации и критическую инфраструктуру. До 2025 года в документах ФСТЭК ИИ практически не упоминался. Появление пункта ИНП.9 можно считать первым шагом к осознанию того, что модели машинного обучения становятся частью информационных систем и требуют особого внимания. Однако пока это лишь учётная позиция, а не полноценные требования. Рынок информационной безопасности в России уже предлагает решения для защиты ИИ, но они не подкреплены нормативными актами. Конкуренты на международной арене, такие как NIST в США или ENISA в Европе, уже выпустили руководства по безопасности ИИ, что создаёт определённое давление на российского регулятора.

Для российского рынка данный пакет документов имеет двоякое значение. С одной стороны, сам факт упоминания ИИ во ФСТЭКовской методике сигнализирует о постепенном признании новых технологий на официальном уровне. Организации, проходящие аттестацию, теперь должны будут указывать, используют ли они модели машинного обучения, что повышает прозрачность. С другой стороны, отсутствие конкретных мер защиты может привести к формальному подходу: компании просто отметят наличие ИИ, но не будут внедрять дополнительные средства безопасности. Эксперты отрасли отмечают, что без детализированных требований к защите ИИ-моделей от атак и утечек эффективность регулирования останется низкой. Также неясно, как будет проверяться достоверность сведений о ПО с машинным обучением, особенно если оно поставляется как облачный сервис.

Если сравнивать с альтернативными подходами, то в мире уже существуют специализированные стандарты, например ISO/IEC 42001 для систем менеджмента ИИ или рекомендации OWASP по безопасности машинного обучения. Российские документы пока не интегрируют эти практики. В проекте приказа об изменениях в приказ № 117 и в проекте по персональным данным также нет прямых отсылок к ИИ, что говорит о фрагментарности регулирования. Возможно, в будущем ФСТЭК выпустит отдельные методические рекомендации по защите ИИ, но на текущий момент их нет. Более того, в методике анализа защищённости вид анализа «С1» предполагает только внешнее сканирование, которое не способно выявить специфические уязвимости моделей, такие как отравление данных или инверсия модели. Это ограничивает практическую ценность нововведения.

Перспективы дальнейшего развития темы ИИ в документах ФСТЭК остаются неопределёнными. Открытыми вопросами являются: будут ли введены обязательные требования к защите моделей машинного обучения, появятся ли отдельные методики по оценке их уязвимостей, и как будет учитываться ИИ в критической информационной инфраструктуре. Пока регулятор ограничился лишь упоминанием в одном пункте одной методики, что можно рассматривать как первый осторожный шаг. Ожидается, что в 2027 году ФСТЭК может представить более детальные рекомендации, особенно в свете роста числа атак на ИИ-системы. Однако без активного диалога с отраслью и научным сообществом эти документы рискуют остаться декларативными. Для российских организаций важно уже сейчас отслеживать изменения и готовиться к возможному ужесточению требований, чтобы не столкнуться с неожиданными проверками.