Матрица под угрозой: как защитить весовые коэффициенты нейросетей по российскому праву

Обучение современной нейросетевой модели (будь то LLM, компьютерное зрение или предиктивная аналитика) требует колоссальных инвестиций: затраты на GPU-кластеры, разметку данных и работу ML-инженеров исчисляются десятками и сотнями миллионов рублей. Однако с юридической точки зрения результат этих инвестиций представляет собой парадокс. Сам «интеллект» модели — ее обученные весовые коэффициенты (weights) — это всего лишь массив чисел с плавающей запятой (матрицы и тензоры), сохраненный в файле формата .safetensors, .bin или .pt.

Скопировать этот файл можно за секунду. И здесь перед российскими AI-стартапами и корпорациями встает острейшая проблема квалификации: каким образом защитить массив весов от кражи и несанкционированного копирования в правовом поле РФ? Разбираемся, какие стратегии защиты действительно работают.

Проблема квалификации

Согласно ст. 1261 ГК РФ, авторским правом охраняются программы для ЭВМ, включая исходный код и архитектуру (например, скрипты на Python, описывающие слои Transformer). Однако весовые коэффициенты не являются кодом. Они генерируются алгоритмически в процессе оптимизации (gradient descent) на основе датасета.

Иногда юристы пытаются зарегистрировать веса как базу данных (БД), охраняемую смежным правом (ст. 1260 ГК РФ). База данных — это объективная форма представления совокупности самостоятельных материалов. Но веса нейросети не являются «совокупностью самостоятельных материалов» — они жестко взаимозависимы. Извлечение одного тензора разрушает функциональность всей модели. В случае судебного спора оппонент легко докажет, что он не «извлекал материалы из БД», а использовал математическую модель по ее прямому функциональному назначению, что не нарушает смежных прав создателя БД.

Режим коммерческой тайны (ноу-хау)

И тут на помощь приходит режим коммерческой тайны. Чтобы суд или полиция (в рамках ст. 183 УК РФ «Незаконные получение и разглашение сведений, составляющих коммерческую тайну») встали на вашу сторону, компания должна выполнить ряд строгих процессуальных требований до момента утечки:

1. Введение режима коммерческой тайны (КТ). Должен быть издан приказ о введении режима КТ, утверждено Положение о КТ, а на носителях (серверах, флешках, файлах в облаке) проставлен гриф «Коммерческая тайна» с указанием обладателя;
2. Фиксация в перечне. В локальном акте компании (Перечне сведений, составляющих КТ) должно быть прямо прописано: «Массивы весовых коэффициентов, тензоры и бины обученных нейросетевых моделей [Название], включая чекпоинты (checkpoints) и промежуточные состояния»;
3. Ограничение доступа и логирование. Доступ к весам должен быть только у сотрудников, подписавших NDA (соглашение о неразглашении) и договоры о полной материальной ответственности. Все обращения к файлам весов должны логироваться (кто, когда, куда скопировал);
4. Учет обладателей. Если вы передаете модель партнеру или заказчику (например, для on-premise внедрения в контур банка), передача весов должна оформляться актом с обязательным подписанием соглашения о конфиденциальности, где веса прямо названы ноу-хау.

Только при наличии этого бумажного и организационного контура кража весов бывшим сотрудником или подрядчиком будет квалифицирована как правонарушение, влекущее гражданскую, административную и уголовную ответственность.

Как доказать факт кражи?

Даже при идеальном режиме КТ в суде возникнет проблема доказывания: как подтвердить, что модель конкурента использует именно ваши веса, а не обучена с нуля на похожих данных? Веса — это просто набор чисел, они не имеют визуального сходства.

Здесь на помощь приходят технологии цифрового водяного знака (Weight Watermarking) и бэкдоров (Backdoors), которые внедряются на этапе обучения и служат неопровержимым судебным доказательством.

• Триггерные паттерны (Trigger Sets): В модель на этапе обучения зашивается специфическая реакция на редкий, неочевидный запрос (например, при подаче на вход определенного зашумленного изображения или специфической промпт-конструкции модель выдает строго определенный, заранее известный вам ответ или ошибку). Если в суде вы продемонстрируете, что модель ответчика реагирует на этот скрытый триггер так же, как ваша, судья получит железное доказательство того, что ответчик использует ваши веса (ваше ноу-хау);
• Статистические аномалии: ML-инженеры могут внедрять в младшие биты весов (least significant bits) криптографические метки, которые не влияют на качество работы сети (accuracy), но легко считываются специальным скриптом-верификатором. Наличие такой метки в изъятых в ходе судебного обеспечения файлах конкурента снимает все вопросы о происхождении модели.

Лучшая защита — это не отдавать

С учетом сложности квалификации весов как объекта ИС, эффективным бизнес-решением для российских AI-компаний остается архитектурная защита.

Если модель предоставляет услуги через API (SaaS-модель), весовые коэффициенты физически никогда не покидают периметр ваших серверов. Клиент получает лишь результат инференса (текст, классификацию, картинку). В этом случае кража весов исключена в принципе, а защита сводится к классической кибербезопасности (защита от парсинга API, rate-limiting, защита от model extraction attacks, когда конкурент пытается обучить свою модель-клона на ответах вашей).

Если же бизнес-модель требует передачи весов (например, поставка ИИ-решения для гостайны или закрытого контура предприятия), контракт должен быть выстроен не как лицензионный договор на «Программу для ЭВМ» (что юридически некорректно для весов), а как Договор об отчуждении/предоставлении прав на использование ноу-хау с жесткими штрафными санкциями за декомпиляцию и передачу третьим лицам.

Резюме для бизнеса и юристов

Стратегия защиты ИИ-активов в 2026 году должна строиться на трех китах:

1. Юридическом: Безупречное оформление режима коммерческой тайны (ноу-хау) в отношении всех чекпоинтов и файлов весов, также можно задепонировать массив весов как базу данных в Роспатент и получить свидетельство;
2. Техническом: Внедрение невидимых водяных знаков и триггеров в архитектуру и веса модели для возможности последующей судебной экспертизы;
3. Бизнесовом: Минимизация поставок в пользу облачного API-доступа, где веса остаются под вашим физическим и юридическим контролем.

Только комплексный подход, объединяющий нормы ГК РФ о секретах производства и современные методы ML-безопасности, способен защитить «цифровое золото» вашей нейросети от недобросовестных конкурентов и инсайдеров.