Искусственный интеллект и ФСТЭК России: действующие и проектируемые документы по состоянию на 1 сентября 2026 года
По состоянию на 1 сентября 2026 года в документах ФСТЭК России искусственный интеллект упоминается не как самостоятельный объект регулирования, а преимущественно в контексте информационных систем, автоматизированных процессов, анализа защищённости и обработки данных. Поэтому при изучении нормативной базы важно учитывать не только прямые ссылки на ИИ, но и требования, которые распространяются на системы с алгоритмами машинного обучения косвенно.
В открытых материалах ФСТЭК России, где встречается тематика искусственного интеллекта, можно выделить следующие документы:
- методический документ "Методика анализа защищённости информационных систем", утверждённый 25 ноября 2025 года;
- методический документ "Состав и содержание мероприятий и мер по защите информации, содержащейся в информационных системах", утверждённый 12 апреля 2026 года;
- требования к защите информации в государственных информационных системах и иных информационных системах государственных органов, государственных унитарных предприятий и государственных учреждений, утверждённые приказом ФСТЭК России от 11 апреля 2025 года № 117, с учётом редакции приказа от 8 мая 2026 года № 137;
- методический документ "Методика оценки уровня зрелости деятельности в области технической защиты информации в информационных системах и обеспечения безопасности значимых объектов критической информационной инфраструктуры Российской Федерации", утверждённый 7 августа 2026 года;
- проект приказа о внесении изменений в требования, утверждённые приказом ФСТЭК России от 11 апреля 2025 года № 117;
- проект приказа об утверждении состава и содержания организационных и технических мер по обеспечению безопасности персональных данных при их обработке в информационных системах персональных данных.
Методика анализа защищённости информационных систем
Методический документ, утверждённый 25 ноября 2025 года, посвящён поиску уязвимостей в системах защиты информационных систем. Речь идёт не только о прикладном программном обеспечении, но и о защитном контуре: средствах идентификации и аутентификации, разграничении доступа, регистрации событий, сегментации сети, контроле конфигураций и других компонентах.
Методика может применяться при анализе информационных систем, автоматизированных систем управления, а также информационно-телекоммуникационных сетей. Её нормативной основой является приказ ФСТЭК России от 29 апреля 2021 года № 77, определяющий порядок организации и проведения аттестационных работ в отношении объектов информатизации, обрабатывающих информацию ограниченного доступа, не относящуюся к государственной тайне.
Согласно пункту 1.4 документа, методика используется, в частности, при аттестации информационных систем на соответствие установленным требованиям защиты информации. При этом перечень возможных требований включает несколько профильных приказов ФСТЭК России.
К ним относятся:
1. приказ ФСТЭК России от 11 апреля 2025 года № 117 - требования к защите информации в государственных информационных системах и системах государственных органов, предприятий и учреждений;
2. приказ ФСТЭК России от 21 декабря 2017 года № 235 - требования к созданию систем безопасности значимых объектов критической информационной инфраструктуры и обеспечению их функционирования;
3. приказ ФСТЭК России от 25 декабря 2017 года № 239 - требования по обеспечению безопасности значимых объектов критической информационной инфраструктуры;
4. приказ ФСТЭК России от 14 марта 2014 года № 31 - требования к защите информации в автоматизированных системах управления производственными и технологическими процессами;
5. приказ ФСТЭК России от 18 февраля 2013 года № 21 - состав и содержание организационных и технических мер по защите персональных данных в информационных системах персональных данных;
6. приказ ФСТЭК России от 28 февраля 2017 года № 31 - требования к защите информации в информационных системах управления производством, используемых предприятиями оборонно-промышленного комплекса.
В самой методике искусственный интеллект рассматривается не как отдельный класс технологий, а как возможная составляющая информационной системы. Следовательно, ИИ-модуль должен проходить проверку в составе всей системы, включая используемые интерфейсы, модели, базы данных, внешние сервисы и механизмы администрирования.
Какие риски возникают при использовании ИИ
Для систем с искусственным интеллектом традиционного анализа инфраструктуры недостаточно. Необходимо оценивать не только серверы и сетевые соединения, но и саму модель, процессы её обучения, обновления и эксплуатации.
К потенциальным угрозам относятся подмена обучающих данных, внедрение вредоносных образцов в датасеты, получение несанкционированного доступа к модели, восстановление конфиденциальной информации из результатов работы алгоритма и манипулирование входными запросами. Отдельного внимания требуют промпт-инъекции, обход ограничений, утечки через журналы запросов и подключение модели к внешним инструментам.
Если ИИ используется для принятия решений, проверка должна включать оценку достоверности результатов, устойчивости алгоритма к ошибочным данным и возможности вмешательства оператора. В критически важных системах также необходимо заранее определить, при каких обстоятельствах автоматическое решение должно быть заблокировано или передано человеку.
Государственные информационные системы
Приказ ФСТЭК России № 117 имеет особое значение для государственных организаций, поскольку устанавливает базовые требования к защите информации в государственных информационных системах. После внедрения ИИ такие системы не освобождаются от общих обязанностей по обеспечению безопасности.
Организация должна определить назначение модели, категории обрабатываемой информации, состав пользователей, границы системы и порядок взаимодействия с внешними платформами. Если ИИ-сервис размещается за пределами контролируемого контура, необходимо отдельно оценить состав передаваемых данных, способы их хранения и условия удаления.
Особый риск представляет использование публичных генеративных сервисов при работе с государственными, служебными или персональными данными. Даже если сотрудник не загружает исходный документ целиком, фрагменты запросов, ответы модели и история взаимодействия могут содержать сведения ограниченного доступа.
Персональные данные и машинное обучение
Для систем персональных данных ключевым остаётся приказ ФСТЭК России № 21, а также проект новых требований к составу и содержанию организационных и технических мер. При использовании ИИ необходимо установить, какие персональные данные поступают на обучение, какие используются для формирования ответа и какие сохраняются в журналах.
Важное значение имеет принцип минимизации: модели следует передавать только тот объём информации, который необходим для выполнения конкретной операции. До загрузки данных целесообразно применять обезличивание, псевдонимизацию или удаление идентификаторов.
Нужно также контролировать возможность восстановления исходных персональных данных из модели. Даже если датасет был очищен, модель может запомнить отдельные редкие записи. Поэтому проверка должна учитывать не только доступ к базе данных, но и поведение самого алгоритма.
Критическая информационная инфраструктура
Для значимых объектов КИИ требования приказов № 235 и № 239 применяются независимо от того, используются ли в системе элементы искусственного интеллекта. Если модель участвует в управлении технологическим процессом, диагностике оборудования или прогнозировании аварий, её отказ может повлиять на безопасность объекта.
В таких случаях необходимо предусмотреть резервный режим работы, возможность перехода на ручное управление и контроль целостности модели. Обновление алгоритмов должно проходить процедуру согласования и тестирования, аналогичную обновлению иных критичных компонентов.
Нельзя считать модель неизменным программным продуктом. Изменение обучающей выборки, параметров, версии фреймворка или подключаемого инструмента способно изменить результаты работы системы и фактически создать новую конфигурацию объекта защиты.
Оценка зрелости процессов безопасности
Методика оценки уровня зрелости, утверждённая 7 августа 2026 года, позволяет анализировать не только наличие отдельных защитных средств, но и качество процессов управления безопасностью. Для ИИ-систем это особенно актуально, поскольку одних технических мер недостаточно.
Зрелый процесс должен включать инвентаризацию моделей, назначение ответственных лиц, ведение реестра наборов данных, контроль версий, документирование изменений и регулярную проверку качества результатов. Также требуется понимать, кто отвечает за ошибку модели: разработчик, владелец системы, оператор или поставщик внешнего сервиса.
Что следует подготовить организации
Организациям, внедряющим ИИ, полезно заранее сформировать внутренний регламент. В нём следует закрепить:
- перечень разрешённых и запрещённых сценариев использования ИИ;
- категории данных, которые можно передавать модели;
- порядок тестирования и приёмки алгоритмов;
- правила обновления моделей и наборов данных;
- требования к журналированию запросов и ответов;
- порядок расследования инцидентов;
- условия обязательного участия человека в принятии решения;
- требования к поставщикам облачных и программных ИИ-сервисов.
Также необходимо провести инвентаризацию уже используемых решений. На практике искусственный интеллект может применяться без отдельного проекта: например, в средствах обнаружения атак, системах распознавания документов, чат-ботах, сервисах аналитики и инструментах мониторинга. Такие компоненты должны быть включены в общую модель угроз и в документы по защите информации.
Проектируемые изменения
Проект приказа о внесении изменений в требования № 117 может повлиять на порядок защиты государственных информационных систем, в которых используются современные программные компоненты, включая системы интеллектуального анализа. Однако до официального утверждения проект нельзя рассматривать как действующую обязательную норму.
Аналогичная ситуация складывается с проектом требований к защите персональных данных. После его принятия организациям, вероятно, потребуется более подробно описывать архитектуру систем, процессы обработки данных, контроль подрядчиков и применяемые технические меры.
В целом подход ФСТЭК России можно охарактеризовать так: искусственный интеллект не выделяется в полностью самостоятельный объект регулирования, но его использование должно вписываться в существующую систему управления рисками. Ответственность возникает не из-за самого факта применения ИИ, а из-за последствий его работы, состава обрабатываемой информации и влияния алгоритма на защищаемые процессы.
Поэтому при проектировании ИИ-систем следует ориентироваться не только на функциональность модели, но и на её место в информационной системе, категорию данных, значимость объекта, требования к аттестации и возможность доказать контролируемость всех этапов эксплуатации.