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.