Алгоритмы обнаружения дублирующего контента в изображениях критической информационной инфраструктуры с использованием методов машинного обучения

В статье рассматривается метод выявления аномалий в визуальном контенте критической информационной инфраструктуры. Этот метод основывается на сравнении хэш-строк, получаемых из визуальных данных, для обнаружения потенциальных отклонений или дублирующего контента, который может указывать на нарушения авторских прав, распространение неправомерного контента или другие угрозы безопасности. Предметом исследования является процесс выявления аномалий в изображениях критической информационной инфраструктуры (КИИ) с использованием технологии хэширования. Актуальность исследования обусловлена растущей угрозой нарушений авторских прав и распространения нелегального контента. С учетом усложнения методов кибератак и увеличения объема визуального контента, анализ и мониторинг изображений становятся особенно важными. Критическая информационная структура, включая системы государственного управления, науки, экономики и энергетики, напрямую зависят от защиты своей информации. Поэтому выявление аномалий в изображениях и их оперативное реагирование играют ключевую роль в сохранении целостности и конфиденциальности данных. Целью являются разработка алгоритма для идентификации дублирования контента и создание эффективного инструмента для мониторинга изображений. В работе применяется интеграция методов компьютерного зрения и алгоритмов машинного обучения. Разработка включает использование хэш-строк для прецизионного сравнения изображений. Научная новизна данного исследования заключается в разработке и внедрении нового подхода к выявлению аномалий в изображениях критической информационной инфраструктуры с использованием технологии хэширования. Применение технологии обеспечивает уникальные идентификаторы для визуальных данных и позволяет эффективно сравнивать и анализировать изображения. Такой подход значительно увеличивает скорости обработки данных и точность выявления дублирования контента и аномалий в изображениях. Классификация изображений на основе хэширования обеспечивает более высокую степень чувствительности к аномалиям и позволяет отсеивать ложные срабатывания, что является критически важным для организаций с высоким уровнем защищенности информации. Результаты показывают высокую эффективность предложенного метода, достигнута значительная степень точности в выявлении аномалий, что подтверждено экспериментами на реальных данных. Представленные алгоритмы продемонстрировали улучшение по сравнению с существующими решениями.

критическая информационная инфраструктура, визуальный контент, аномалии, угрозы, компьютерное зрение, похожие изображения, дублирующий контент, хэш-строки, перцептивное хэширование, машинное обучение