使用机器学习方法检测关键信息基础设施图像中的重复内容的算法

DOI:

EDN:

评审日期

出版日期

注解: 本文讨论了一种用于检测关键信息基础结构的可视内容中的异常的方法。 该方法依赖于比较源自视觉数据的哈希字符串，以检测可能指示侵犯版权、分发非法内容或其他安全威胁的潜在偏差或重复内容。 该研究的主题是使用散列技术检测关键信息基础设施（CII）图像异常的过程。 该研究的相关性是由于侵犯版权的威胁越来越大以及非法内容的传播。 鉴于网络攻击方法的日益复杂和视觉内容的数量不断增加，图像分析和监控变得尤为重要。 关键信息结构，包括公共行政、科学、经济和能源系统，直接取决于对其信息的保护。 因此，图像异常的检测及其及时响应对于保持数据的完整性和机密性起着关键作用。 目标是开发一种算法来识别重复内容并创建有效的图像监控工具。 这项工作采用了计算机视觉方法和机器学习算法的集成。 该开发包括使用哈希字符串进行精确图像比较。 这项研究的科学新颖之处在于开发和实施了一种使用散列技术检测关键信息基础设施图像异常的新方法。 技术的使用为视觉数据提供唯一标识符，并允许您有效地比较和分析图像。 这种方法显着提高了数据处理的速度和检测图像中重复内容和异常的准确性。 基于散列的图像分类提供了对异常的更高程度的敏感度，并允许您过滤掉误报，这对于具有高水平信息安全的组织至关重要。 结果表明所提出的方法的高效率，在检测异常方面实现了显着程度的准确性，这通过对真实数据的实验证实。 所提出的算法显示了对现有解决方案的改进。

出版日期: