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.
The article discusses an approach to the implementation of a system for steganographic analysis of digital images based on a neural network classifier. It is used as a part of an integrated system for monitoring information security events of corporate infocommunication systems. As a basic structure for the neural network classifier, it is proposed to use a modified version of the convolutional neural network. Its preprocessing module implements the histogram method for analyzing the color and brightness characteristics of digital images. To automate the learning process of the neural network classifier, it is suggested to introduce a module for mass generation of stegocontainers with predefined values for the type and size of a digital image as well as for the size of the payload into the structure of the system being developed. Based on the developed structure of the steganalysis system for digital images, a factorial experiment was planned and conducted to evaluate the quality of the described neural network classifier in comparison with the known solutions of binary statistical classifiers. The choice of the area under the error curve (AUC ROC) as a metric for assessing the quality of classification is the main feature of the experiment. The results show that it is possible to use neural network classifiers to solve steganalysis problems, including their implementation in advanced information security tools.