Ключевые слова: цифровая стеганография, цифровые изображения, сверточная нейронная сеть, бинарная классификация, стеганографический контейнер, точность классификации
Разработка системы стегоанализа цифровых изображений на основе нейросетевого классификатора
УДК 004.75
DOI: 10.26102/2310-6018/2022.37.2.020
В статье рассматривается подход к реализации системы стеганографического анализа цифровых изображений на основе нейросетевого классификатора, которая используется в рамках комплексной системы мониторинга событий информационной безопасности корпоративных инфокоммуникационных систем. В качестве базовой структуры нейросетевого классификатора предлагается использование модифицированного варианта сверточной нейронной сети, модуль преобработки которой реализует гистограммный метод анализа цвето-яркостных характеристик цифровых изображений. Для автоматизации процесса обучения нейросетевого классификатора в структуру разрабатываемой системы предлагается ввести модуль массовой генерации стегоконтейнеров с заранее заданными значениями типа и размера цифрового изображения, а также размера полезной нагрузки. На основе разработанной структуры системы стегоанализа цифровых изображений был спланирован и проведен факторный эксперимент по оцениванию качества функционирования предложенного нейросетевого классификатора в сравнении с известными решениями бинарных статистических классификаторов. Особенностью проведенного эксперимента является выбор в качестве метрики оценивания качества классификации площади под кривой ошибок (AUC ROC). Результаты эксперимента продемонстрировали возможность применения нейросетевых классификаторов для решения задач стегоанализа, в частности, применительно к их реализации в перспективных средствах защиты информации.
Ключевые слова: цифровая стеганография, цифровые изображения, сверточная нейронная сеть, бинарная классификация, стеганографический контейнер, точность классификации
Для цитирования: Минайчев А.А., Мезенцев А.О., Яндашевская Э.А. Разработка системы стегоанализа цифровых изображений на основе нейросетевого классификатора. Моделирование, оптимизация и информационные технологии. 2022;10(2). URL: https://moitvivt.ru/ru/journal/pdf?id=1196 DOI: 10.26102/2310-6018/2022.37.2.020
Поступила в редакцию 03.06.2022
Поступила после рецензирования 14.06.2022
Принята к публикации 28.06.2022
Опубликована 30.06.2022