Демонстратор программно-технического средства автоматизированного распознавания вредоносных мультимедийных объектов в сети Интернет (итоги исследования)

В первой половине текущего века одним из трендовых направлений, представленных широкомасштабными фундаментальными и прикладными исследованиями, является проблема взаимодействия человека с интернет-пространством [6; 7]. Данные исследования проводятся в русле многих научных дисциплин. Однако в качестве инструментария преи-

Демонстратор программно-технического средства автоматизированного распознавания ...

мущественно используются нейрокогнитивные и нейрокомпьютерные технологии [14]. И это очевидно: качественно новые знания чаще появляются с представлением новых данных и (или) их новых комбинаций. И то, и другое становится доступным при усовершенствовании инструментария – программных и аппаратных средств извлечения и обработки больших и (или) малозаметных данных.

Проблема взаимодействия человека с интернет-пространством стала актуальной в связи с тем, что настоящий этап существования мировой цивилизации ознаменован тотальным подключением индивида к Сети. То, что происходит в Сети, значительно, а в отдельных случаях критически влияет и на поведение отдельных субъектов, и на поведение масс [6]. Поведение масс является фактором безопасности в любом масштабе рассмотрения. Получение практически применимых результатов, повышающих процент распознавания и нейтрализации потенциально вредоносных мультимедийных объектов в сети Интернет, способных нанести ущерб индивидуальному, групповому и массовому сознанию и психофизиологическому состоянию граждан Российской Федерации, является деятельностью по обеспечению государственной безопасности нашей страны.

В этой связи Российский фонд фундаментальных исследований (РФФИ) в 2018 году объявил конкурс на лучшие научные проекты междисциплинарных фундаментальных исследований, в том числе по теме 26-822 «Фундаментальные проблемы взаимодействия человека с интернет-пространством: нейрокогнитивные и нейрокомпьютерные технологии» [13]. В рамках данного конкурса получили государственную финансовую поддержку такие исследовательские проекты, как «Психологическое и генетическое исследование предикторов, определяющих поведение пользователей при восприятии интернет-контента различной информационной направленности»; «Особенности реализуемых в интернет-пространстве когнитивных моделей взаимодействий между индивидуумами»; «Разработка научно-методических подходов к анализу интернет-дискурса электронного участия в социальных сетях»; «Разработка психологических агентных моделей реакций сетевых сообществ на информационные сообщения различной модальности»; «Разработка социокиберфизической системы мониторинга разнородного интернет-контента в целях противодействия проявлению агрессии, давления и других форм деструктивного воздействия на индивидуальное и групповое сознание пользователей»; «Методология построения когнитивных ассистентов, предотвращающих виктимное поведение в информационном пространстве, на основе современных концепций распределенных вычислений и технологий интеллектуального анализа данных»; «Мониторинг и выявление деструктивных информационных воздействий и негативных личностных тенденций молодого поколения при взаимодействии с интернет-пространством на основе методов нейрокомпьютерной и нейросетевой обработки интернет-контента»; «Персональные когнитивные ассистенты, сопровождающие деятельность человека в информационном пространстве»; «Разработка методов нейросетевого анализа визуального интернет-кон-тента пользователей социальных сетей с целью автоматизированного определения выраженности личностных черт, связанных с психологическим неблагополучием»; «Разработка комплексного подхода к анализу русскоязычных аудио-, видео- и текстовых материалов с целью выявления агрессивного поведения пользователей информационного пространства на основе нейросетевых технологий»; «Разработка методологии моделирования когнитивных функций на основе данных нейропсихологии и нейрофизиологии, когнитивной психологии, лингвистики»; «Разработка моделей и методов выявления ин- формационных угроз и защиты от них в интернет-пространстве» и др. Всего из 2018 поддержано РФФИ 24 проекта по рассматриваемой в данной публикации тематике.

Среди перечисленного списка исследовательских работ был представлен и авторский проект «Модели и методы выявления и интеллектуальной обработки деструктивного мультимедийного интернет-контента» [15].

Цель проекта – получить практически применимые результаты, повышающие результативность распознавания и нейтрализации потенциально вредоносных мультимедийных объектов в сети Интернет, способных нанести ущерб индивидуальному, групповому и массовому сознанию и психофизиологическому состоянию граждан Российской Федерации.

В рамках работ по достижению цели авторским коллективом были сформулированы следующие задачи .

• 1.    Осуществить системный анализ угроз информационно-психологической безопасности пользователей автоматизированных систем, а также применяемых в Российской Федерации и за рубежом нормативно-правовых, организационных и технических мер по обеспечению защиты пользователей от негативного контента, способного причинить вред их здоровью и развитию.

• 2.    Выполнить исследование путей повышения результативности выявления скрытых информационных вложений в мультимедийных потоках данных. Разработать концептуальную модель системы распознавания потенциально вредоносных конструкций в потоках данных специального вида.

• 3.    Разработать методы и алгоритмы обнаружения потенциально вредоносной информации в мультимедийных потоках данных и снижения скорости ее распространения в социальных сетях с применением математического аппарата интеллектуального анализа данных (Data Mining) и нейросетевых технологий, осуществление их программной реализации.

• 4.    Провести экспериментальные исследования по практическому обнаружению и блокированию потенциально вредоносной информации в файлах мультимедийных форматов, а также по анализу топологии больших графов с целью обнаружения ключевого подмножества дуг, влияющих на возможность неконтролируемого (эпидемиологического) распространения информации по сети.

Обзор работ по вопросу исследования

Решение поставленных задач осуществлялось путем декомпозиции их на подзадачи, результаты решения которых, а также концепция всего исследования излагаются ниже.

Обоснование актуальности исследования описано в работе [16]. В публикации перечислены угрозы национальной безопасности в информационной сфере, которые создают предпосылки для расширения спектра междисциплинарных фундаментальных исследований, ориентированных на решение проблем нейрокомпьютерного и нейрокогнитив-ного взаимодействия человека с интернет-пространством. Существующая ситуация и тренды в данной области обосновывают востребованность программно-технических средств защиты от вредоносного информационного контента. Обозначенная проблематика сопряжена с необходимостью формирования системы формализованных признаков, позволяющих построить решающие правила объективного отнесения тех или иных информационных сообщений, распространяемых по сети Интернет к классу потенциально вредоносных. Развитие положений цитируемой выше публикации изложено в работе, описывающей требуемую функциональность программно-технических средств мониторинга и защиты потребителей (пользователей) интернет-контента от психотравмирую-

Демонстратор программно-технического средства автоматизированного распознавания ...

щей информации, «Признаковое пространство потенциально вредоносного контента: от гипотезы к эксперименту» [18]. В частности, в работе изложен подход к проведению экспериментального исследования, направленного на получение признаков, характерных для потенциально вредоносного контента. На основе экспериментально полученной информации стало возможным выработать решающие правила для автоматического обнаружения деструктивного мультимедийного интернет-контента.

В ходе разработки темы исследования стало также понятно, что необходимо уточнить смысловое наполнение терминов, которыми будут описываться различные аспекты выполняемой работы. Решению этой подзадачи посвящена публикация [11], где рассматривается проблема совместного использования терминологического аппарата разных предметных областей для описания процесса воздействия информационных сообщений на мышление, эмоциональную сферу и поведение индивида и группы. Описан алгоритм формализованного перехода от номинальной к интервальной шкале оценок информационного воздействия контента на состояние психики индивида. Обосновывается перечень методов исследования проявлений контаминации психики человека, взаимоувязанных с уровнями рассматриваемой проблематики: индивидуальным, групповым и массовым. Обозначена актуальность разработки и создания специализированного программного обеспечения для выявления и предотвращения распространения деструктивного мультимедийного контента в сети Интернет.

В статье [32] описан подход к оценке оперативности процесса выявления контаминационного контента в потоках мультимедийных объектов. Показана возможность разделения мультимедийных объектов на составляющие – текст, видео, аудио и др., их параллельная обработка, анализ и последующее объединение результатов. Выполнена формализация указанного процесса с помощью модели системы массового обслуживания типа Split-Join, а также представлена реализация численного метода расчета его вероятностно-временных характеристик. Результаты оценки представлены в виде набора начальных моментов распределения случайной длительности обработки запроса в системе. В работе [20] помимо текстового описания представлены иллюстрации архитектуры программнотехнической системы (демонстратора).

В работе [34] рассмотрена проблема, связанная с вероятностным и иррациональным характером поведения человека, а также представлен вариант ее решения в рамках концепции исследования. Эта особенность поведения является главной трудностью для его математического моделирования: прочной теоретической основы для прогностического статистического моделирования иррациональных решений, принимаемых человеком, до сих пор не выработано. В статье описывается один из вариантов моделирования иррациональности в поведении человека при осуществлении выборов.

Разработка алгоритмов автоматической проверки мультимедийных информационных потоков, выводимых на мониторы пользователей оконечных устройств доступа к сети Интернет, требует объективных критериев отнесения информационных сообщений к категории токсичного и, напротив, позитивного контента. Решение данной задачи требует соответствующей методики отбора образцов контаминационного графического (вербально-графического) контента, а также процедур первичной статистической обработки результатов тестирования испытуемых. В публикации [17] представлено описание того, как решалась данная подзадача. Среди прочего отмечено, что инертность усовершенствования правовых механизмов и невозможность своевременного обнаружения и блокирования потенциально вредоносных мультимедийных объектов приводит к тому, что токсичная информация проникает в массовое сознание. Выходом из сложившегося положения может явиться ввод в эксплуатацию интеллектуальной системы автоматической обработки потоков информации, способной классифицировать контент, выявлять потенциально вредоносный и блокировать или снижать скорость распространения в ин-тернет-пространстве того или иного контента. Рассматривается ассоциированная с решаемой задачей проблематика категоризации объектов контента, относимых к классу негативных (потенциально вредоносных) или, напротив, позитивных. Авторский подход отличается сведением к минимуму субъективной составляющей процесса классификации мультимедийного контента по степени его влияния на интернет-пользователя. Информационные сообщения по механизмам их влияния на пользователя сети рассматриваются в двух аспектах: подпороговое воздействие (реализуется на бессознательном уровне посредством специально организованного синтаксического содержания) и сознательное воздействие (осуществляется посредством семантики сообщения). Классификация мультимедийных информационных сообщений, содержащих специфические цветографические схемы, аудиоэффекты, мерцания, кадры-вставки и др., реализуется посредством мониторинга вызываемых предъявляемым стимульным материалом психофизиологических (нейросенсорных) эффектов и позволяет отнести любой мультимедийный объект к положительным, нейтральным или негативным. Предложен апробированный подход к получению объективной интегральной характеристики, позволяющей относить графический стимульный материал к классам позитивного или негативного контента.

На основе проработанной концепции исследования были описаны требования к разрабатываемому демонстратору. Сформулированные к интеллектуальной системе защиты пользователей от деструктивного мультимедийного интернет-контента требования изложены в публикации [3]. В работе обобщены результаты исследований, проведенных авторами в области распознавания и блокирования потенциально опасного мультимедийного контента, способного оказать негативное воздействие на психику пользователей автоматизированных систем. Представленная концепция построения системы защиты пользователей реализует многомодельный подход к обнаружению потенциально вредоносного воздействия в информационных потоках. Четкая классификация с последующим дообучением осуществляется на основе нейронных сетей. Семантические распознаватели наличия деструктивного контента в мультимедийных потоках данных построены на основе адаптированных алгоритмов фрактального, фоносемантического и сентимент-анализа, дискретного вейвлет-преобразования, перцептивного хеширования, быстрого преобразования Фурье и др. Для подтверждения вредоносного информационно-психофизиологического воздействия на потребителей мультимедийного контента используется нечеткий классификатор на основе аппарата размытых множеств.

Проблемы построения обучающих выборок вредоносного графического контента в сети Интернет с применением нейросетевого распознавателя и программно-аппаратного комплекса получения данных окулометрии Gazepoint HD3, а также структура сверточной нейросети, потенциально способной в рамках парадигмы глубокого обучения к обобщению и выделению на различных уровнях иерархии слабоформализуемых признаков, отличающих графический контент негативного содержания, способный нанести ущерб психике и физиологическому состоянию пользователей, рассмотрены в работе [5]. Для обучения нейросетевого классификатора распознавать контент того или иного класса,

Демонстратор программно-технического средства автоматизированного распознавания ...

был предложен способ отбора изображений с различным смысловым наполнением и экспрессией [8]. Формирование системы признаков потенциально вредоносных мультимедийных объектов и отнесение информационных объектов к классу вредоносных в рамках исследовательской концепции осуществляется на основе анализа проведения испытуемых [33]. Анализ реакции испытуемых на разный контент принимается в качестве внешних критериев отнесения контента к тому или иному классу. В работах [2; 4] рассматривается проблематика формирования набора данных, который может быть использован в качестве обучающей выборки для интеллектуального классификатора деструктивного визуального контента. Описана методика проведения экспериментального исследования с применением видеоокулографа, процедуры детектирования аномалий в данных и получения категориальных оценок эмоциональной значимости изображений. Техническая реализация, включая дизайн целевого обследования испытуемых, изложена в [28].

Обоснование критериев оценки влияния интернет-контента на психологическое здоровье потребителя информации представлено в [10; 29].

Проработка концепции исследования, проведенные эксперименты и полученный в ходе их выполнения опыт и практически применимые результаты предоставили данные для создания демонстратора программно-технического средства, повышающего результативность распознавания и нейтрализации потенциально вредоносных мультимедийных объектов в сети Интернет, способных нанести ущерб индивидуальному, групповому и массовому сознанию и психофизиологическому состоянию граждан Российской Федерации.

Ключевые моменты при реализации демонстратора изложены в публикациях [9; 12; 19].

Помимо публикаций теоретические положения концепции исследования реализованы следующими программно-техническими средствами и базами данных.

• 1.    Программное средство разработки онтологических моделей стратифицированного представления состояний сложных иерархических систем [27]. Программа предназначена для построения моделей представления состояний сложных иерархических систем в виде онтологии в форматах RDF, RDFS, OWL2 для инструментального обеспечения проведения системного анализа сложных гетерогенных иерархических систем.

• 2.    Программный модуль параметризации логико-лингвистического описания классов деструктивного медиаконтента на основе окулографических данных [22]. Программа предназначена для описания параметров, полученных с систем видеоокулографии. Программа позволяет эксперту производить различные операции над выделенными в ходе разметки виртуальными объектами, их связями, атрибутами: объединять в одну категорию (класс = rdfs: Class), разводить по разным категориям, определять степень их пересечения и др.; давать новым классам (категориям) человекопонятное описание, характеристику.

• 3.    Программное средство выявления ключевых признаков негативного интернет-кон-тента в мультимедийных объектах на основе метода латентно-семантического анализа с динамическим определением ранговых значений [26]. В данном программно-техническом средстве программные модули основаны на симбиозе применения методов предварительной обработки данных и метода латентно-семантического анализа с динамическим определением ранговых значений, позволяющем всесторонне описать семантическую структуру анализируемых данных, автоматически выделить оптимальные значения сингулярных чисел и провести оценку смысловой близости ключевых признаков негативного Интернет-контента в мультимедийных объектах. Подробнее функциональность программного средства изложена в работе [30].

• 4.    Программа оценивания результативности выявления скрытых информационных вложений в мультимедийных потоках данных на основе алгоритмически реализованной модели многоканальной неэкспоненциальной системы массового обслуживания с разделением задач и агрегированием результатов их параллельной обработки [25]. Программа предназначена для повышения результативности процесса выявления скрытых информационных вложений в мультимедийных потоках данных за счет использования модели многоканальной неэкспоненциальной системы массового обслуживания с разделением задач и агрегированием результатов их параллельной обработки.

• 5.    Программное средство унифицированного хранения и обработки результатов экспериментов по влиянию деструктивного медиаконтента на оператора ЭВМ [23]. Данное средство предназначено для хранения и обработки результатов экспериментов, состоящей в автоматизированном интеллектуальном анализе числовых параметров психофизиологических характеристик, полученных по объединенным каналам окулографии и психометрии. Заявленная функциональность предназначена для реализации логико-аналитической обработки результатов окулографии и психометрии с целью подготовки исходных данных для обучения нейросетевого распознавания.

• 6.    Программный модуль фильтрации окулографических данных и выявления ключевых признаков деструктивного медиаконтента на основе статистической обработки результатов измерений с определением пороговых значений случайных величин [24]. Модуль предназначен для статистической обработки результатов измерений, а именно: подбора типа и параметров вероятностного распределения с последующей фильтрацией исходных данных на основе выявления аномалий в поступающей статистической выборке и выявления ключевых признаков в окулографических данных на основе анализа распределения частот проявления признаков деструктивного медиаконтента.

• 7.    Фактографическая база данных результатов экспериментов по влиянию деструктивного информационного воздействия потенциально опасного мультимедийного контента на оператора ЭВМ [21]. Это реляционная база данных, содержащая результаты экспериментов по влиянию деструктивного медиаконтента на оператора ЭВМ.

Окулографические данные поступают из различных источников: GazepointHD3, «Цве-томер», Biomouse, после чего выполняется их предварительная обработка и усвоение в базе данных, где реализовано хранение более 60 различных параметров окулографических измерений, каждое из которых имеет привязку к временной шкале. Реализация совместного хранения данных, получаемых из различных измерительных систем, открывает возможности для последующей комплексной аналитической обработки с использованием интеллектуальных методов.

Изложенная функциональность разработанных программных элементов потребовалась для итеративного уточнения и корректировки возможностей демонстратора. Все перечисленные модули вошли в состав специализированного программного обеспечения, вошедшего в состав демонстратора.

Полный список разработанной научно-технической документации по выполненному исследованию представлен на сайте проекта [15].

Помимо публикаций, разработанных программных средств и баз данных результатом исследования явился демонстратор. Демонстратор – это программно-техническое средство, принимающее данные из интернета, автоматически обрабатывающее их в соответствии с заложенными алгоритмами и выводящее на монитор пользователя преобразованный в соответствии с пользовательскими настройками контент.

Демонстратор программно-технического средства автоматизированного распознавания ...

Аппаратная часть демонстратора представлена высокопроизводительным сервером, подключаемым к сети Интернет. Архитектура специального программного обеспечения (далее – СПО) демонстратора имеет модульную структуру.

На Рисунке 1 показана реализованная целевая функциональность СПО демонстратора.

Рисунок 1. Этапы обработки пиксельного изображения на дисплее пользовательского ПК средствами СПО демонстратора

Вышеизложенная концепция программно-технического средства, изготовленного для повышения результативности автоматизированного интеллектуального распознавания вредоносных мультимедийных «объектов» в сети Интернет, реализована в демонстраторе. На момент завершения исследования демонстратор функционирует с контентом, размещенном на ограниченном (избранном) перечне IP-адресов.

СПО демонстратора функционирует как десктопное опционально настраиваемое фоновое приложение. После установки приложения на свой ПК пользователь посредством фильтров настраивает «поведение» программы при обнаружении ей ключевых слов и (или) словосочетаний. В зависимости от настроек программа либо накладывает маску на область монитора, которая распознается как токсичная, либо сигнализирует о наличии в изображении признаков деструктивного воздействия на пользователя, либо, не отвлекая пользователя, сохраняет в журнал факты срабатывания СПО на вредоносные виртуальные объекты с возможностью последующего более подробного ознакомления с этими объектами.

В реализованной версии СПО демонстратор работает с текстовым контентом и статичной графикой. Однако возможность автоматической интеллектуальной обработки мультимедийного контента (видеороликов), аудиозаписей, а также яркостно-частотных пульсаций заложена в архитектуру.

Результаты и их обсуждение

Последовательность обработки контента средствами СПО демонстратора следующая. Через типовой браузер на монитор пользователя выводится контент с заданного IP-адреса. СПО демонстратора делает скриншот экрана и отправляет сделанное изображение в обработку по технологии Image2Text technology [31]. Символьные элементы (в том числе текст) автоматически анализируется алгоритмами посимвольного сравнения входящих символов с символами, словами, фразами, имеющимися в хранилище слов и фраз. Также тесты с монитора анализируются на предмет их смыслового содержания [35] с последующим отнесению к классам «токсичный», «не токсичный», «подозрительный».

Технология Image2Text обеспечивает конвертацию пиксельной области в ее текстовый описательный эквивалент. После того как описание изображения получено, оно (текстовое описание) направляется на анализ в модуль обработки текстов.

На Рисунке 2, а, б продемонстрированы примеры конвертации статичного изображе- ния в текст.

Рисунок 2. Примеры конвертации статичного изображения в текст: а – азиатка в красной блузке поедает белой ложкой гусениц (насекомых) из тарелки; б – брюнетка с бородой в бело-зеленом платье на фоне белой стены с черными линиями (фото Кончиты Вурст)

Варианты конвертации изображения (Рисунок 2, а ) в его текстовое описание средствами СПО демонстратора следующие:

• •    картина будущего китайской пищевой промышленности;

• •    картина крупнейшей в мире фермы по разведению насекомых;

• •    картина мира насекомоядных субъектов;

• •    картина мира насекомоядных;

• •    картина будущего китайской общины…

Таким образом, первые 2-3 строки текста вполне соответствуют по смыслу человеческому описанию изображения.

Варианты конвертации изображения (Рисунок 2, б ) в его текстовое описание средствами СПО демонстратора следующие:

• •    картина человека, который родился мужчиной, но стал женщиной;

• •    изображение мужчины с бородой;

• •    Иисус Христос;

• •    фотография женщины с черными волосами;

• •    фотография мужчины, который не является мужчиной;

• •    фото мужчины, который не мужчина, а женщина;

• •    изображение мужчины, который не мужчина, а женщина;

• •    изображение женщины с длинными-предлинными волосами;

• •    изображение женщины, которая не является женщиной;

• •    изображение человека, который не является женщиной...

Семантический анализ данных вариантов описаний также может вывести на класс изображений гомосексуальной направленности, который отнесен к категории «токсичных».

Другие алгоритмы (реализующие их программные модули) автоматической обработки контента также могут итеративно подключаться в СПО демонстратора, что позволит увеличить интеллектуальность классификации выводимого на монитор пользователя интернет контента.

В зависимости от активированных классификационных критериев одни и те же изображения относятся демонстратором к разным категориям. На Рисунке 3, а , б показана

Демонстратор программно-технического средства автоматизированного распознавания ...

точность классификации. Выделены изображения, отнесение которых к определенному классу с экспертной точки зрения является спорным. Однако определенный граф ассоциаций вполне имеет основание для отнесения выделенных изображений к данным классам.

Рисунок 3. Результат автоматического распознавания изображений, их вербализация и отнесение к одному из классов (категорий) ( a ) к одной из категорий (альтернативные настройки критериев классификации) ( б )

Способность автоматического классификатора в составе СПО демонстратора распознавать изображения представлена на Рисунке 4.

Мера косинусного сходства между текстовым описанием и изображением

Рисунок 4. Мера косинусового сходства между автоматически распознанным изображением и экспертным описанием этого же изображения

Также стоит отметить такую функцию в СПО демонстратора, как возможность помещать шаблоны в репозиторий в ручном режиме. Это опция позволяет каждому пользователю сформировать свои классы, которые для него нежелательны, и осуществлять фильтрацию контента исходя из решения своих задач.

Выводы

Проведенное исследование позволило детально оценить актуальное положение дел в рассматриваемых предметных областях, а также установить имеющие место тенденции в их развитии. Сформулированная концепция решения задач позволила провести серию экспериментальных исследований, позволивших уточнить некоторые частные моменты, получить фактические разноплановые целевые данные и на основе проведенных работ создать модель программно-технического средства интеллектуальной автоматизированной обработки интернет-контента с целью защиты пользователя от негативного влияния информации, а затем реализовать модель в демонстраторе.

Вместе с тем исследование показало, что высокая вариативность данных на разных уровнях и этапах обработки трафика, а также цели пользователя накладывают большое количество нюансов, которые следует учитывать, чтобы юзабилити демонстратора не снижало эргономические характеристики программно-технической системы.

Таким образом, цель исследования можно считать достигнутой в полном объеме. Однако дальнейшая работа в продолжение данной тематики лежит в направлении проверки возможностей и органичений демонстратора на более разнообразном наборе данных.

Заключение

Выполненное исследование показало наличие широких возможностей создавать программно-аппаратные средства для интеллектуальной обработки контента, выводимого на

Демонстратор программно-технического средства автоматизированного распознавания ...

монитор пользователя. Однако ввиду огромного разнообразия форм этого контента, а также целей его восприятия пользователями формулировка классификационных критериев не является тривиальной. Один из подходов к формулировке и обоснованию таких критериев представлен в материалах исследования. Авторами описана концепция анализа и программной обработки интернет-контента, реализованная в созданном демонстраторе. Ввиду высокой вариативности параметров контента, требующих обработки, возможности демонстратора (в его актуальном на момент завершения исследования состоянии) ограничены функциями регистрации и обработки текста и статичных изображений. Анализ мультимедийного и аудиоматериала, а также динамики частотно-яркостных характеристик изображений технически возможен, но на данный момент не реализован в СПО демонстратора.

Таким образом, поставленные задачи выполнены, заявленная цель достигнута. Совершенствование функциональности демонстратора по обозначенным выше векторам возможно при продолжении исследования.