Информационная безопасность нейронных сетей в оценках россиян: от профессиональных практик к личным
Журнал: Теория и практика общественного развития @teoria-practica
Рубрика: Социология
Статья в выпуске: 9, 2026 года.
Бесплатный доступ
В статье анализируются оценки россиянами проблем информационной безопасности нейронных сетей в условиях смещения акцента применения с профессиональных практик на личные при сохранении параллельного или гибридного использования. На основе МНК-регрессии выявляется связь между интенсивностью применения нейронных сетей и оценками россиянами их информационной безопасности. На примере больших языковых моделей по критерию Краскела-Уоллиса проверяется значимость различий в оценках их информационной безопасности между группами пользователей, распределенными по полу, возрасту и уровню образования. Полученные результаты свидетельствуют об однородности критического отношения к информационной безопасности независимо от пола и возраста, и наличии статистически значимых различий по уровню образования. Отмечается противоречие между принятием больших языковых моделей как инструмента и восприятием низкой защищенности пользователя. Указывается на целесообразность встраивания механизмов информационной защиты пользователей непосредственно в интерфейсы нейронных сетей.
Короткий адрес: https://sciup.org/149152312
IDS: 149152312 | УДК: 316.4:004.8 | DOI: 10.24158/tipor.2026.9.7
Information Security of Neural Networks in the Russians’ Assessments: From Professional to Personal Practices
The article analyzes the Russians’ assessments of information security issues related to neural networks amid a shift in the emphasis of their use from professional practices to personal ones, while parallel or hybrid use is possessed. Drawing on OLS regression, the relationship between the intensity of neural network usage and the Russians’ assessments of neural network security is identified. With large language models as a case study, the Kruskal–Wallis test has been chosen to appoint a significance of the differences in assessments of their information security across the groups distributed by gender, age, and education level. The obtained results testify to the uniformity of critical attitude towards the information security apart from gender or age and the presence of statistically significant differences by education level. A contradiction between the adoption of large language models as a tool and the perception of low user security is highlighted. The study notes the advisability of embedding user protection mechanisms directly into the neural network interfaces.
Текст научной статьи Информационная безопасность нейронных сетей в оценках россиян: от профессиональных практик к личным
1Санкт-Петербургский государственный университет, Санкт-Петербург, Россия, 2Дальневосточный институт управления – филиал Российской академии народного хозяйства и государственной службы, Хабаровск, Россия, , ,
Введение . Период с 2020 года по настоящее время стал временем интеграции систем искусственного интеллекта, алгоритмов машинного обучения, цифровых платформ с разговорными ботами, приложений для генерации видеоизображений, текстов и графики в бытовую, образовательную и профессиональную сферы жизни россиян. Большие языковые модели (далее – БЯМ) и генеративный искусственный интеллект меняют способы поиска информации, создания контента и взаимодействия в интернете. Однако границы приватности размываются, а оценки информационной безопасности нейронных сетей российскими пользователями остаются неоднозначными.
В современной литературе информационная безопасность искусственного интеллекта изучается в контексте выявления и оценки социальных рисков внедрения технологии, а также непредсказуемости социальных последствий (Волошина, 2026; Лукьянова, 2019; Левашов, Гребняк, 2023). Некоторые авторы отмечают, что для создания интерфейса, обеспечивающего конфиденциальность конечных пользователей, недостаточно технических мер по снижению рисков, необходимо также общественное понимание этих рисков. При этом представления о сложных социо-технических системах, таких как искусственный интеллект, часто неоднозначны и трудноформа-лизуемы (Choi, Zhunis, Dong, 2025; Cheng, Lee, Rapuano, 2026). Что касается оценки пользователями информационной безопасности нейронных сетей, то отечественные ученые указывают: население в большинстве случаев готово к использованию сервисов на основе искусственного интеллекта, но в то же время население выражает опасения по поводу возможного негативного влияния искусственного интеллекта и нейронных сетей на рынок труда. Необходимость учета этих рисков связывается исследователями с возможными социальными последствиями распространения нейронных сетей (Ладыжец, 2023; Левашов, Гребняк, 2023). При этом актуальным остается изучение востребованности применения нейронных сетей для решения повседневных задач россиян и осмысление влияния на нее оценок информационной безопасности. Высокая скорость распространения практик применения нейронных сетей и слабая прогнозируемость их социальных последствий требуют осмысления оценок информационной безопасности этих технологий со стороны общественности. В связи с этим целью исследования является выявление взаимосвязи между активностью применения нейронных сетей и оценками их информационной безопасности в условиях смешения профессиональных и личных практик.
Методология, методика и эмпирическая база исследования. Данное исследование ориентировано на выявление статистических закономерностей между оценкой информационной безопасности нейронных сетей и практикой их применения, что соответствует позитивистской парадигме. Полученные результаты интерпретировались в рамках концепции парадокса приватности и теории практик, что объясняет сочетание обеспокоенности пользователей информационной безопасностью с продолжением использования нейронных сетей и позволяет рассматривать использование нейронных сетей как формирующуюся устойчивую практику (Choi, Zhunis, Dong, 2025; Вебер, 2016).
В исследовании использованы данные Росстата о динамике применения искусственного интеллекта в организациях в период с 2022 г. по 2024 г., а также данные онлайн-опроса ВЦИОМ «О, дивный нейромир»1 (декабрь 2025 г., N = 3239). Для задач исследования были выделены подвыборки пользователей нейронных сетей (2318 респондентов) и пользователей, осведомленных о существовании нейронных сетей (3235 респондентов). Под пользователями, осведомленными о существовании нейронных сетей, понимались респонденты, которые указали, что слышали о нейронных сетях, под пользователями нейронных сетей – те, кто указал, что применял их. Для анализа использовались методы описательной статистики, трендовый анализ (ARIMAX), регрессионный анализ (МНК), непараметрический критерий Краскела-Уоллиса для независимых выборок. Информационная безопасность операционализировалась на основе ответа на вопрос о БЯМ «Какие описания подходят нейросети?»: «безопасный для пользователей, то есть, надежно хранит и защищает их информацию»2. Критерий Краскела-Уоллиса использовался для понимания наличия или отсутствия различий в оценках информационной безопасности больших языковых моделей как частного случая нейронных сетей в зависимости от половозрастных характеристик и уровня образования. Регрессионный анализ (МНК) применялся для понимания того, как уровень образования и оценка безопасности нейронных сетей соотносятся с частотой индивидуального применения нейронных сетей.
Методологическими ограничениями исследования являются использование данных он-лайн-опроса, дизайн которого определялся ВЦИОМ, что потребовало адаптации данных под задачи нашего исследования. Также операционализация информационной безопасности осуществлялась через субъективное восприятие пользователями безопасности больших языковых моделей в части надежности хранения и защиты данных. Указанные ограничения влияют на границы интерпретации полученных результатов.
Применение нейронных сетей: смещение от профессиональных практик к личным. Нами были проанализированы данные Росстата о доле организаций, использующих искусственный интеллект, за 2022–2024 гг. По данным формы федерального статистического наблюдения № 3-ин-форм «Сведения об использовании цифровых технологий и производстве связанных с ними товаров и услуг» доля организаций, использующих искусственный интеллект, составляла: в 2022 г. – 6,6 %, в 2023 г. – 4,9 %, в 2024 г. – 4,8 %.1 Проведенный трендовый анализ с построением модели ARIMAX позволил построить прогноз применения искусственного интеллекта организациями на 2025–2026 гг. (таблица 1). Помимо данных о доле организаций, использующих искусственный интеллект, нами использовались показатели качества модели – коэффициент корреляции фактических и модельных значений, а также 95 % доверительный интервал прогноза. В официальной статистике Росстата отдельные данные по нейронным сетям не выделены. Поскольку нейронные сети являются одним из классов технологий искусственного интеллекта, данные Росстата используются для отражения общего контекста применения технологии в профессиональной сфере.
Таблица 1 . Прогноз применения искусственного интеллекта в организациях РФ на 2025–2026 гг.2
Table 1 . Forecast of Artificial Intelligence Adoption in Russian Organizations for 2025–2026
|
Год |
Прогноз, % |
Ст. ошибка |
95 % доверительный интервал |
|
2025 |
4,26815 |
0,469824 |
(3,34731, 5,18899) |
|
2026 |
3,96561 |
0,651851 |
(2,68800, 5,24321) |
Составлена модель ARIMAX(1, 1); коэффициент корреляции между фактическими и модельными значениями составил 61 %.
Пиковое использование систем на базе искусственного интеллекта было пройдено в 2022 г. (6,6 % организаций в среднем по РФ). Можно сделать вывод, что в настоящее время идет выравнивание доли его применения в диапазоне около 4 % организаций (рис. 1).
Рис. 1 . Прогноз применения искусственного интеллекта в организациях РФ3
Fig. 1 . Forecast of Artificial Intelligence Adoption in Organizations of the Russian Federation
На фоне снижения использования искусственного интеллекта в организациях целесообразно рассмотреть, как соотносятся практики применения нейронных сетей на индивидуальном уровне (таблица 2).
Таблица 2 . Применение нейронных сетей по типам практик (N = 2318)1
Table 2 . Neural Network Usage by Practice Type (n = 2318)
|
Тип практики |
Количество, в чел. |
Доля, в % |
|
Бытовое использование (Life) |
1796 |
77 |
|
Профессиональное использование (Prof) |
1186 |
51 |
|
Использование в образовании (Edu) |
1204 |
52 |
Личные практики применения нейронных сетей – в первую очередь бытовые – преобладают над профессиональными. Сопоставление этих данных позволяет говорить о различии между динамикой применения ИИ на организационном уровне и структурой индивидуальных практик использования нейронных сетей. При этом данные не позволяют непосредственно установить переход пользователей от профессионального использования к личному.
Характеристика оценок информационной безопасности нейронных сетей россиянами . Непонимание принципов работы нейронных сетей, а также низкая оценка их пользы может выступать одним из барьеров их применения. Отказ от использования нейронных сетей не следует однозначно связывать с низким уровнем образования, отсутствием интереса к технологии или опасениями, связанными с ее использованием. Одним из возможных объяснений является отсутствие у респондентов задач, для решения которых применение нейронных сетей воспринималось бы как необходимое или более эффективное по сравнению с привычными способами деятельности. Поэтому их отказ от использования нейронных сетей обусловлен силой укоренившейся привычки (Вебер, 2016).
Описательная статистика переменных: частоты применения нейронных сетей (y1), уровня образования (StatusEdu) и оценки безопасности хранения данных (SecurNN) позволяет сделать ряд выводов (таблица 3).
Таблица 3 . Описательная статистика анализируемых переменных, 2025 г. 2
Table 3 . Descriptive Statistics of Analysed Variables, 2025
|
Переменная |
Среднее |
Медиана |
Минимум |
Максимум |
|
y1 |
1,8365 |
2,0000 |
0,00000 |
3,0000 |
|
StatusEdu |
1,9032 |
2,0000 |
0,00000 |
3,0000 |
|
SecurNN |
0,46739 |
0,00000 |
0,00000 |
2,0000 |
|
Переменная |
Ст. откл. |
Вариация |
Асимметрия |
Эксцесс |
|
y1 |
1,2851 |
0,69974 |
-0,49506 |
-1,4858 |
|
StatusEdu |
0,77665 |
0,40807 |
-0,71419 |
0,50973 |
|
SecurNN |
0,68632 |
1,4684 |
1,1478 |
-0,011061 |
Среди россиян, использующих нейронные сети, наблюдается преобладание лиц с незаконченным высшим (с 3-его курса вуза) или высшим образованием: медиана по шкале образования (от 0 до 3) составила 2. Также на вопрос: «Безопасны ли для пользователей нейросети и искусственный интеллект, то есть, надежно ли они хранят и защищают информацию?» преобладающим ответом был «нет». Россияне в целом отмечают опасность для хранения и передачи данных при использовании нейросетевого анализа и искусственного интеллекта.
В части исследования применимости россиянами нейронных сетей и искусственного интеллекта по мере повышения уровня образования и оценки безопасности хранения данных нейронных сетей, была проведена оценка модели регрессии. В части взаимосвязи применения нейросетей с уровнем образования, МНК-анализ демонстрирует, что частота использования нейросетей и искусственного интеллекта возрастает по мере повышения уровня образования (таблица 4).
Таблица 4 . Модель 1. МНК, использованы наблюдения 1–3235, зависимая переменная – частота использования (y1), 2025 г. 1
Table 4 . Model 1. OLS Analysis, Observations 1–3235 Used, Dependent Variable –
Frequency of Use, y1, 2025
|
Критерий |
Коэффициент |
Ст. ошибка |
t-статистика |
p-значение |
||
|
const |
1,60249 |
0,0596513 |
26,86 |
<0,0001 |
||
|
StatusEdu |
0,122938 |
0,0290194 |
4,236 |
<0,0001 |
||
|
Критерий |
Значение |
Критерий |
Значение |
|||
|
Среднее завис. перемен |
1,836476 |
Ст. откл. завис. перем |
1,285052 |
|||
|
Сумма кв. остатков |
5311,013 |
Ст. ошибка модели |
1,281698 |
|||
|
F(1, 230) |
17,94710 |
Р-значение (F) |
0,000023 |
|||
|
Лог. правдоподобие |
-5392,148 |
Крит. Акаике |
10788,30 |
|||
|
Крит. Шварца |
10800,46 |
Крит. Хеннана-Куинна |
10792,65 |
|||
Выявлена обратная связь между оценкой безопасности хранения данных и частотой применения нейронных сетей: чем ниже оценка безопасности, тем выше частота применения (таблица 5).
Таблица 5 . Модель 2. МНК, использованы наблюдения 1–3235, зависимая переменная – частота использования (y1), 2025 г. 2
Table 5 . Model 2. OLS Analysis, Observations 1–3235 Used, Dependent Variable –
Frequency of Use, y1, 2025
|
Критерий |
Коэффициент |
Ст. ошибка |
t-статистика |
p-значение |
||
|
const |
2,10058 |
0,0260660 |
80,59 |
<0,0001 |
||
|
SecurNN |
-0,565054 |
0,0313949 |
-18,00 |
<0,0001 |
||
|
Критерий |
Значение |
Критерий |
Значение |
|||
|
Среднее завис. перемен. |
1,836476 |
Ст. откл. завис. перем. |
1,285052 |
|||
|
Сумма кв. остатков |
4854,125 |
Ст. ошибка модели |
1,225329 |
|||
|
F(1, 230) |
323,9384 |
Р-значение (F) |
0,000000 |
|||
|
Лог. правдоподобие |
-5246,647 |
Крит. Акаике |
10497,29 |
|||
|
Крит. Шварца |
10509,46 |
Крит. Хеннана-Куинна |
10501,65 |
|||
Россияне в целом отмечают опасность хранения и передачи данных при использовании нейронных сетей. По данным опроса, критическую оценку безопасности хранения и защиты данных в БЯМ дали 84,5 % пользователей 3 , что может рассматриваться как потенциальный барьер для расширения практик применения нейронных сетей в профессиональной деятельности. Особенности нейронных сетей: чрезмерная зависимость от качества данных, на которых они обучались, а также непрозрачность содержания, когда механизм их работы и причины сбоев не являются объективно понятными пользователям и выступают источником непредсказуемости и потенциальных угроз в области информационной безопасности.
В ходе исследования также были сформулированы гипотезы: H0 1 : «Распределение оценки информационной безопасности БЯМ не различается статистически значимо между пользователями разного пола»; H0 2 : «Распределение оценки информационной безопасности БЯМ не различается статистически значимо между пользователями разного возраста»; H0 3 : «Распределение оценки информационной безопасности БЯМ не различается статистически значимо между пользователями разного образования» с помощью критерия Краскела-Уоллиса для независимых выборок. По результатам анализа с учетом поправки на множественные сравнения Бонферрони нулевая гипотеза не отклоняется для пола и возраста. Статистически значимое различие зафиксировано только по образованию (p = 0,009) (таблица 6).
Таблица 6 . Сводка критерия Краскела-Уоллиса для независимых выборок, 2025 г.
Table 6 . Summary of the Kruskal–Wallis Test for Independent Samples, 2025
|
Критерий |
Безопасность хранения |
|
1 |
2 |
|
Распределение по полу |
|
|
Статистика критерия |
4,820 |
1 Использована подвыборка респондентов, осведомленных о нейронных сетях. Источник данных: О, дивный нейромир! [Электронный ресурс] // ВЦИОМ. 2025. 22 дек. URL: reviews/analiticheskii-obzor/o-divnyi-neiromir (дата обращения: 01.06.2026).
2 Там же.
3 О, дивный нейромир! [Электронный ресурс] // ВЦИОМ. 2025. 22 дек. URL: (дата обращения: 01.06.2026).
Продолжение таблицы 6
|
1 |
2 |
|
Степень свободы |
1 |
|
Асимптотическая значимость (2-сторонний критерий) |
0,028 |
|
p (Бонферрони) |
0,084 |
|
Распределение по возрасту |
|
|
Статистика критерия |
5,798 |
|
Степень свободы |
2 |
|
Асимптотическая значимость (2-сторонний критерий) |
0,055 |
|
p (Бонферрони) |
0,165 |
|
Распределение по образованию |
|
|
Статистика критерия |
11,465 |
|
Степень свободы |
2 |
|
Асимптотическая значимость (2-сторонний критерий) |
0,003 |
|
p (Бонферрони) |
0,009 |
Можно сделать вывод об отсутствии устойчивых статистически значимых различий в оценках пользователей нейронных сетей информационной безопасности БЯМ по полу и возрасту: восприятие информационной безопасности не объясняется социально-демографическими характеристиками. Выявленное исключение – связь уровня образования с оценкой признака «безопасность хранения» – позволяет сделать предположение, что более образованные пользователи могут быть более чувствительны к безопасности хранения данных. Полученные результаты согласуются с теорией практик и позволяют предположить, что оценки формируются в процессе практического взаимодействия с технологией, а не под влиянием групповых различий.
Обсуждение. Социальные аспекты угроз информационной безопасности нейронных сетей . Исследования информационной безопасности показывают – постепенное осознание того, что широкое внедрение нейронных сетей в практику принятия решений начинает нести дополнительные угрозы (Шалак, 2024). Социальная природа этих угроз в том, что в запросы к языковым моделям попадают коммерческие предложения, договоры, финансовые отчеты, персональные данные клиентов, деловая переписка. Например, существует множество приложений для анализа юридических документов. Такие системы разрабатываются с интегрированным искусственным интеллектом и алгоритмами распознавания текстов и правовых конструкций, но при этом не гарантируют конфиденциальность в обработке загружаемых в них документов. Пользователи, использующие эти системы, не всегда осознают, что существуют риски утечки данных.
Также уязвимости в системах с интегрированным искусственным интеллектом возникают вследствие использования синтетических данных для обучения нейронных сетей. Однако доля погрешностей таких моделей и синтетических данных может достигать 40 %1. Кроме того, модели, обученные на разных данных, даже если они в какой-то степени сходны структурно, могут генерировать отличающиеся результаты, несмотря на одинаковые запросы (Коваль, 2024; Greussing, Guenther, Baram-Tsabari, 2025). Эта непредсказуемость технологии приводит к критичности ее восприятия пользователями.
Заключение . Применение естественного языка в использовании нейронных сетей снижает сложность взаимодействия с технологией, что способствует распространению практик и росту интенсивности их применения, но не уменьшает реально существующие информационные риски.
По результатам проведенного исследования нами отмечен ряд противоречий и закономерностей. Данные описательной статистики показывают, что личные практики применения нейронных сетей в бытовой сфере и образовании преобладают над профессиональными. Тем самым мы отмечаем наблюдаемое в настоящее время смещение от профессионального использования нейронных сетей к личному.
На основе результатов МНК-анализа сделаны выводы о соотношении высокой частоты практик применения нейронных сетей с низкой оценкой их информационной безопасности. То есть скорость распространения практик применения нейронных сетей не сопровождается формированием представлений у пользователей о защищенности от информационных угроз. С одной стороны, присутствует высокая критичность оценки безопасности больших языковых моделей для пользователей, надежности хранения и защиты данных, но с другой стороны – интенсивность их использования. По нашим расчетам, на основе данных опроса ВЦИОМ, критичность отношения к безопасности для пользователя больших языковых моделей характерна 84,5 % пользователей нейронных сетей. Чем чаще пользователь использует нейронные сети, тем более он склонен критически оценивать их безопасность. Это согласуется с предположением, что критичная оценка безопасности больших языковых моделей складывается из опыта их применения, а не обусловлено, например, демографическими характеристиками.
В пользу этого говорят также результаты проведенного нами анализа по критерию Крас-кела-Уоллиса. Сформулированные нами гипотезы об отсутствии статистически значимых различий распределений оценок информационной безопасности больших языковых моделей между пользователями разного пола и возраста, были подтверждены. Это свидетельствует о том, что все выделенные демографические группы по полу и возрасту однородны в своих оценках информационной безопасности больших языковых моделей. Гипотеза об отсутствии статистически значимых различий распределений оценок информационной безопасности больших языковых моделей между пользователями разного образования была опровергнута. Различия по образованию могут быть связаны с тем, что более образованные пользователи нейронных сетей дают более критичную оценку в связи с большей частотой использования нейронных сетей. Мы предполагаем, что пользователи продолжают применять нейронные сети, несмотря на высокую критичность оценок их информационной безопасности в части хранения и защиты данных, поскольку технология уже встроена в их повседневные практики.
Результаты, которые были получены нами в ходе исследования, позволяют дать ряд рекомендаций. В первую очередь следует учитывать, что применение нейронных сетей смещается в личную сферу и начинает охватывать различные возрастные и образовательные группы. Критичность оценок информационной безопасности больших языковых моделей при этом не препятствует распространению личных практик их использования. В связи с этим, механизмы защиты данных пользователей при взаимодействии с нейронными сетями должны предусматривать риски приватности, возникающие в личных практиках. Во-вторых, поскольку низкие пользовательские оценки безопасности больших языковых моделей в части хранения данных сопровождаются активным индивидуальным использованием технологии, то целесообразным было бы встраивание механизмов оповещения в интерфейсы, например, о возможных информационных рисках в моменты ввода приватных данных. На наш взгляд, это может способствовать повышению уверенности пользователей в безопасности больших языковых моделей, поскольку способствует большему пониманию рисков при работе с разными типами данных и предотвращению ввода информации, к защищенности которых пользователи наиболее чувствительны.