DPI видит даже сквозь шифрование, разработчики придумали ответ

DPI видит даже сквозь шифрование, разработчики придумали ответ

DPI видит даже сквозь шифрование, разработчики придумали ответ

«Но ведь трафик зашифрован!» — звучит убедительно, но современный DPI на такое только усмехнётся. Как рассказал пользователь Хабра dmitry__ilyin, классификатору необязательно читать пакеты: достаточно посмотреть на их размеры, направление, интервалы, TLS-рукопожатие и общий рисунок соединения.

OpenVPN, например, выдаёт себя характерным хендшейком, а WireGuard — фиксированными размерами некоторых служебных сообщений.

Даже протокол, притворяющийся обычным TLS, можно раскусить, если после красивого ClientHello он ведёт себя совсем не как браузер.

Команда автора разрабатывает туннельную инфраструктуру, устойчивую к DPI, и решила портить классификаторам жизнь сразу по нескольким направлениям. Клиент с помощью uTLS копирует ClientHello настоящих Chrome, Firefox, Edge и Safari, чередуя варианты между соединениями.

Транспорт работает поверх HTTP/2, а параллельно клиент отправляет реальные запросы к CDN, чтобы сделать общую сетевую активность менее однозначной.

Дополняет картину pacing — сглаживание всплесков передачи, которое мешает анализировать временной рисунок потока. А любители активного прощупывания серверов получают унылый и ни к чему не обязывающий код 404.

Магии, впрочем, не случилось. Дополнительная маскировка прибавляет примерно 40–80 мс задержки, а decoy-трафик заметно нагружает процессор клиента. Наблюдения проводились в сетях Ростелекома, Билайна, Мегафона, МТС, Теле2 и Дом.ру, но автор честно предупреждает: это полевые данные, а не лабораторный бенчмарк против конкретных DPI-систем.

Цель проекта — не сделать трафик невидимым, а лишить DPI простых и стабильных признаков. Часть разработки уже открыта — SDK, протокол обфускации и decoy-логику можно изучить на GitHub.

VK научила ИИ-модель следить за интересами пользователей во всех сервисах

VK научила одну ИИ-модель следить за интересами пользователей сразу в нескольких своих сервисах. Лайки, репосты, комментарии, пропуски и другие обезличенные действия теперь складываются в единый нейропрофиль. Технология уже работает во «ВКонтакте», VK Видео и VK Клипах. В основе решения лежит трансформерная модель.

Она учитывает не только само действие, но и контекст: в каком сервисе оно произошло, с каким контентом, у какого автора, как давно и после каких событий. Ведь просмотр длинного ролика в VK Видео и молниеносный свайп в VK Клипах — сигналы совершенно разного калибра.

Объединив их, модель должна точнее отличать устойчивые интересы от случайных действий. Иначе один неосторожный лайк, и лента уже неделю уверена, что пользователь мечтает смотреть исключительно обзоры пылесосов.

По данным VK, после внедрения нейропрофиля время просмотра контента в VK Клипах выросло на 5,5%. Следующим шагом стало нейросетевое ранжирование: алгоритм в реальном времени сопоставляет интересы пользователя с характеристиками публикаций и решает, что поднять в ленте, а что отправить подальше.

В ходе экспериментов пользователи стали на 15% чаще делиться контентом, на 10% чаще открывать его на весь экран и на 5% чаще ставить лайки. Таким образом, VK получила не только более цепкие рекомендации, но и более эффективный инструмент для показа рекламы.

Технология работает внутри Discovery-платформы VK, запущенной в 2025 году. Она объединяет инфраструктуру рекомендаций, поиска и рекламы во всех продуктах компании. Благодаря этому нейропрофиль и новое ранжирование можно подключать к другим сервисам без капитального ремонта их архитектуры.

RSS: Новости на портале Anti-Malware.ru