Журнал "Системы Безопасности" № 4‘2026

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я , И И , И Н Т Е Р Н Е Т В Е Щ Е Й 123 необходимо рассматривать не только информа- ционную безопасность в узком смысле, но и более широкую область кибербезопасности, охватывающую все уровни цифровой и физи- ческой инфраструктуры. Для транспортных систем данная проблема имеет критическое значение. Как показывает опыт, который обсуждался экспертами на Кон- ференции, ошибка в алгоритме распознавания, подмена телеметрии, нарушение работы сенсо- ров, вмешательство в канал V2X или компро- метация облачной аналитической платформы могут привести не просто к сбою сервиса, а к аварии, нарушению движения, повреждению имущества и угрозе жизни людей. И для каж- дого обсуждаемого аспекта уже есть реальный прецедент из практики. А как вывод из этого опыта – можно утверждать, что безопасность ИИ в транспорте должна рассматриваться как системная, комплексная задача, объединяющая киберзащиту, функциональную безопасность и надежность технических решений как единую совокупность экосистемы транспортной без- опасности. И это не вопрос реализации рас- сматриваемых мероприятий в одной стране, это выработка общемировых правил в сфере транс- портной кибербезопасности. Так, например, вопрос обеспечения ИБ и кибербезопасности беспилотных грузоперевозок между Хэйхэ и Благовещенском в рамках подписанного соглашения по международному сотрудниче- ству в сфере беспилотных перевозок потребо- вал создания отдельной рабочей группы, куда вошли эксперты КНР и РФ для выработки общих правил реализации проекта. Для понимания: маршрут беспилотной грузопе- ревозки "Амурский газохимический комплекс (АГХК, Амурская область, Свободненский район) – транспортно-логистический комплекс на границе на территории КНР (г. Хэйхэ)" – это 252 км между объектами, часть маршрута про- ходит по искусственным мостовым сооруже- ниям на большой высоте при высокоскоростной транспортной нагрузке трассы. Особенности ИИ в транспортной отрасли Транспортная отрасль является одной из наибо- лее чувствительных к цифровым рискам. Это связано с тем, что процессы протекают в реаль- ном времени, требуют высокой точности обра- ботки данных и предполагают жесткую зависи- мость между цифровыми решениями и физи- ческими последствиями. Искусственный интел- лект в этой среде выполняет ряд критически важных функций: интерпретирует данные сен- соров, оценивает дорожную ситуацию, прогно- зирует поведение объектов, формирует реко- мендации или непосредственно управляет исполнительными механизмами. В отличие от традиционного программного обеспечения, ИИ-системы основаны на стати- стических математических моделях (нейросе- тях), которые обучаются на исторических дан- ных, проходят апробацию, тестируются на вир- туальных и закрытых отраслевых полигонах и только затем применяются в отрасли. Это озна- чает, что их поведение не всегда можно фор- мально описать через набор жестких правил, потому что модель, помимо статических дан- ных, оперирует на момент внедрения и неким приобретенным опытом. В результате возраста- ет вероятность неопределенности, ошибок обобщения и непредсказуемых реакций на нестандартные входные воздействия. Дополнительная сложность заключается в том, что транспортные ИИ-системы работают в рас- пределенной среде. Они зависят от бортовых сенсоров, каналов связи, внешних цифровых сервисов, облачных платформ, картографиче- ских данных, инфраструктурных узлов и систем удаленного управления. Каждый из этих компо- нентов является потенциальной точкой отказа или точкой компрометации. В совокупности это формирует многослойную поверхность атаки, требующую отдельного анализа. Основные угрозы информационной безопасности Классические угрозы информационной без- опасности в транспортных системах с ИИ (например, которые прописаны ПНСТ 1054– 2026 "Системы искусственного интеллекта на транспорте. Системы мониторинга функцио- нального состояния водителя. Общие положе- ния" и ГОСТ Р 71537–2024 "Системы искус- ственного интеллекта на автомобильном транс- порте. Системы управления интеллектуальной транспортной инфраструктурой. Алгоритмы искусственного интеллекта для распознавания нарушений правил остановки и стоянки транс- портных средств. Требования") включают несанкционированный доступ, утечку данных, нарушение целостности информации, подмену сообщений, уничтожение журналов событий, компрометацию учетных записей и отказ в обслуживании. При этом в случае ИИ эти угрозы приобретают более опасный характер, поскольку воздействуют не только на данные как таковые, но и на саму логику принятия решений. Одной из наиболее значимых угроз является нарушение целостности данных, используемых для обучения и работы моделей. Если атакую- щий влияет на обучающую выборку, то модель может усвоить некорректные зависимости и затем воспроизводить ошибочные решения в эксплуатации. Такая атака особенно опасна для предиктивного обслуживания, классифика- ции объектов дорожной среды и прогнозиро- вания транспортных потоков. Другой класс угроз связан с подменой входных данных в процессе работы системы. Например, искажение видеоизображения, телеметрии или сообщений от инфраструктуры может привести к неправильной интерпретации дорожной ситуа- ции. В автономном транспорте это может выра- зиться в неверном распознавании препятствия, ошибочном определении полосы движения или неправильной оценке расстояния до объекта. Отдельно следует выделить угрозы конфиден- циальности. Транспортные ИИ-системы обраба- тывают большие объемы персональных, ком- мерческих и служебных данных: маршруты движения, данные о местоположении, сведе- ния о пассажирах, параметры технического состояния, логистические цепочки и служебную телеметрию. Утечка такой информации может иметь как экономические, так и правовые последствия. С одной стороны, данные аспекты верны для широкого круга отраслей. Однако есть преце- дент классификации КИИ в транспортной отрасли, который произошел после выхода распоряжения Правительства РФ № 360-р от 26 февраля 2026 г., раздел III которого ("Сфера транспорта") содержит исчерпываю- щий список объектов КИИ, которые автомати- чески считаются значимыми именно для транс- портных компаний. Это потребовало от всех структур, реализующих проекты в данной сфере, привлечения отраслевых экспертов и пересмотра классификации активов и нагляд- но проиллюстрировало "подводные камни" именно для отраслевого сегмента и влияние на ИБ-сектор экономики. Угрозы кибербезопасности Если информационная безопасность ориенти- рована преимущественно на защиту данных, то кибербезопасность в контексте транспортного ИИ охватывает более широкий спектр угроз, связанных с цифровой инфраструктурой, сете- выми протоколами, встроенным программным обеспечением, удаленным доступом, облачны- ми сервисами и механизмами обновления. В транспортной среде эти угрозы особенно опасны, поскольку цифровое воздействие может быстро трансформироваться в физиче- ский инцидент. Одним из ключевых направлений атак являет- ся воздействие на каналы связи. Современные транспортные системы используют различные способы обмена данными: бортовые шины, беспроводные интерфейсы, V2X-коммуника- ции, мобильные сети, спутниковую связь и каналы доступа к облаку. Компрометация любого из этих каналов может привести к под- мене команд, потере синхронизации, внедре- нию ложных сообщений и задержкам в управ- лении. В рамках WAIC 2026 эксперты из КНР, Японии, Сингапура (как отдельного сектора юрисдик- ции), Таиланда, Кореи и других стран мира особенно часто рассматривали именно этот кейс как наиболее распространенный на прак- тике. Немаловажную роль играют уязвимости встроенного программного обеспечения и систем удаленного обновления. ИИ-решения на транспорте часто требуют регулярной загрузки новых моделей, патчей и параметров. Если про- цесс обновления не защищен должным обра- зом, он может стать вектором проникновения вредоносного кода. В таком случае атакующий получает возможность модифицировать модель, отключить защитные механизмы или внедрить скрытую функциональность. Как ни странно, но кейс кибербезопасности, завязанный на информационной безопасности специализированного транспортного про- граммного обеспечения (ПО), в рамках WAIC 2026 наиболее часто рассматривался в контексте применимости для стран Америки и Европы. Еще один опасный класс угроз – атаки на облачную и гибридную инфраструктуру. Мно- гие транспортные ИИ-системы зависят от внеш- них вычислительных ресурсов, где происходит обработка больших массивов данных, обучение www.secuteck.ru август – сентябрь 2026