💻 computer science

Image Encryption via Data-Identified Discrete Chaotic Maps

تقترح هذه الورقة إطار عمل مبتكر لتشفير الصور يعتمد على البيانات، يستخدم خوارزمية SINDy-PI لتعلم ديناميكيات الخرائط الفوضوية الصريحة مباشرة من البيانات الرصدية، مما يؤدي إلى إنشاء مخطط تشفير عالي الأمان ومعتمد على البيانات يتفوق على طرق الخرائط الثابتة التقليدية في الحساسية، والعشوائية، والمقاومة للهجمات الإحصائية والتفاضلية.

المؤلفون الأصليون: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

نُشر 2026-05-21

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الفكرة الكبرى: قفل يبني نفسه بنفسه

تخيل أنك تريد إرسال صورة سرية لصديقك. عادةً، تستخدم قفلاً (خوارزمية تشفير) يعرف الجميع كيفية بنائه، وتمنحه فقط مفتاحاً محدداً (مثل كلمة مرور) لفتحه. إذا سرق مخترقٌ هذا المفتاح، يمكنه فتح القفل.

تقترح هذه الورقة البحثية طريقة مختلفة تماماً. فبدلاً من إعطاء صديقك مفتاحاً لقفل جاهز، أنت تعطيه وصفة وحقيبة من المكونات. سيستخدم هو تلك المكونات لـ بناء قفل فريد أمام عينيه مباشرة.

"المكونات" هي البيانات المستخدمة لتدريب النظام، و"الوصفة" هي خوارمازمية حاسوبية ذكية تسمى SINDy-PI. أما "المفتاح" فهو مجرد نقطة البداية (رقمين صغيرين جداً).

كيف يعمل الأمر: القفل "متغير الشكل"

1. المحقق الذكي (SINDy-PI)
تخيل خوارزمية SINDy-PI كأنها محقق فائق الذكاء. عادةً، يضطر العلماء لتخمين القواعد التي تحكم الأنظمة الفوضوية (آلة معقدة وغير متوقعة)، لكن هذا المحقق لا يخمن؛ بل ينظر إلى كومة من البيانات (ملاحظات لحركة الآلة) ويكتشف القواعد الرياضية الدقيقة التي تحكمها. يمكنه حتى اكتشاف القواعد الخفية التي قد يغفل عنها البشر، مثل التفاعلات المعقدة بين أجزاء مختلفة من الآلة.

2. الخريطة المعتمدة على البيانات
في هذا النظام الجديد، ليس "القفل" شكلاً ثابتاً، بل هو خريطة فوضوية (قاعدة رياضية تقوم بتشويش الأرقام).

الطريقة القديمة: الجميع يستخدم نفس الخريطة (مثل خريطة هينون - Hénon map الشهيرة).
الطالط الجديدة: الخريطة تُبنى من البيانات. إذا قمت بتغذية المحقق ببيانات مختلفة قليلاً (حتى لو كانت بيانات تحتوي على قدر ضئيل من "الضجيج" العشوائي، مثل التشويش في الراديو)، فإن المحقق سيبني خريطة مختلفة قليلاً.

3. المفتاح السري
الشيء الوحيد الذي تحتاج لمشاركته مع صديقك لفتح الرسالة هو نقطة البداية (رقمين، مثل 0.2 و 0.3).

الخدعة: حتى لو سرق مخترق هذين الرقمين، فلن يتمكن من فتح القفل. لماذا؟ لأنه لا يعرف أي خريطة تم بناؤها. هل تضمنت الخريطة حداً إضافياً صغيراً؟ هل بُنيت من بيانات تحتوي على نوع معين من الضجيج؟ بدون هيكل الخريطة الدقيق، يصبح المفتاح بلا فائدة.

العملية: تشويش الصورة

بمجرد بناء الخريطة الفريدة، إليك كيفية تشويش الصورة:

الخلط (Shuffling): تقوم الخريطة بتوليد تسلسل فوضوي من الأرقام. هذه الأرقام تخبر الحاسوب بخلط صفوف وأعمدة الصورة، تماماً مثل خلط أوراق اللعب.
الانتشار (Diffusing): تولد الخريطة المزيد من الأرقام لتغيير الألوان الفعلية للبكسلات. إذا غيرت بكسلاً واحداً فقط في الصورة الأصلية، تضمن الخريطة أن كل بكسل في الصورة المشوشة النهائية سيتغير. الأمر يشبه إلقاء قطرة واحدة من الحبر الأحمر في دلو من الماء؛ سيتحول الدلو بأكم له إلى اللون الوردي.

لماذا هو آمن للغاية (النتائج)

اختبر المؤلفون هذا النظام على ثلاثة أنواع مختلفة من الأنظمة الفوضوية (خريطة هينون، وخريطة لوجيستيك ثلاثية الأبعاد، وخريطة لوزي) ووجدوا أنه يعمل بشكل رائع في جميعها. إليك ما أظهرته اختباراتهم:

اختبار "القطرة الواحدة" (الحساسية): إذا غيرت أرقام البداية بمقدار ضئيل جداً لدرجة يصعب قياسها (0.0000000000000001)، فإن عملية فك التشفير تفشل تماماً، وتتحول النتيجة إلى ضجيج عشوائي. هذا يثبت أن النظام حساس للغاية للمفتاح.
"التمويه الإحصائي" (المخططات البيانية): الصور العادية لها أنماط (بكسلات كثيرة داكنة، وقليلة فاتحة). أما الصورة المشفرة فتبدو كأنها تشويش محض. إذا قمت بعدّ البكسلات، ستجدها موزعة بالتساوي التام، مما لا يترك للمخترق أي أدلة للعمل عليها.
"اختبار الجار" (الارتباط): في الصورة العادية، يكون البكسل عادةً مشابهاً جداً للبكسل المجاور له. أما في الصورة المشفرة، فالجيران غير مرتبطين ببعضهم تماماً؛ لقد انقطع الاتصال كلياً.
"اختبار التغيير الطفيف" (الهجمات التفاضلية): إذا قام مخترق بتغيير جزء صغير جداً في الصورة الأصلية، فإن النسخة المشفرة تتغير بالكامل (حوالي 99.6% من البكسلات تتغير). هذا يجعل من المستحيل تخمين الأصل عن طريق مقارنة نسختين مشفرتين.

طبقة الأمان "الخفية"

الجزء الأكثر تميزاً في هذه الورقة البحثية هو مفهوم "المفتاح الضمني" (Implicit Key).
عادةً، تعتمد الحماية على عدد المفاتيح التي تملكها. هنا، تعتمد الحماية على حقيقة أن القفل نفسه يتغير بناءً على بيانات التدريب.

مثال توضيحي: تخيل أن شخصين يملكان نفس المفتاح (أرقام البداية). لكن الشخص (أ) بنى قفله باستخدام "مجموعة البيانات أ"، والشخص (ب) بنى قفله باستخدام "مجموعة البيانات ب" (التي كانت تحتوي على ضجيج مختلف قليلاً). رغم أن المفاتيح متطابقة، إلا أن الأقفال مختلفة قليلاً. إذا كان لدى المخترق المفتاح ولكنه لا يعرف أي "مجموعة بيانات" استُخدمت لبناء القفل، فسيبقى عالقاً.

الملخص

تقدم هذه الورقة طريقة جديدة لتشفير الصور حيث لا تكون قواعد التشفير ثابتة، بل يتم اكتشافها أثناء العمل من البيانات باستخدام خوارزمية ذكية. وهذا يضيف طبقة أمان خفية: حتى لو سرق شخص ما كلمة المرور الخاصة بك، فلن يتمكن من فتح بياناتك ما لم يعرف أيضاً "المكونات" الدقيقة المستخدمة لبناء القفل. النظام حساس للغاية، ومثالي إحصائياً، ويعمل على أنواع مختلفة من الأنظمة الفوضوية.

ملخص تقني: تشفير الصور عبر الخرائط الفوضوية المحددة بالبيانات

بيان المشكلة
تعتمد معظم مخططات تشفير الصور القائمة على الفوضى (Chaos) بشكل أساسي على أنظمة فوضوية محددة مسبقاً وثابتة (مثل خريطة هينون القياسية أو خرائط لوجستيك ثلاثية الأبعاد). وتتمثل إحدى المخاوف الأمنية الكبيرة في هذه النهج في أن البنية الرياضية للخريطة الفوضوية غالباً ما تكون معروفة أو يسهل هندستها عكسياً، مما يجعل النظام عرضة للاختراق إذا تم كشف الظروف الأولية (المفتاح). علاوة على ذلك، فإن اقتراح أنظمة فوضوية جديدة تماماً يدوياً يعد مهمة معقدة وصعبة. تعالج هذه الورقة الحاجة إلى نموذج تشفير أكثر قوة حيث لا تكون الخريطة الفوضوية ثابتة بل يتم اشتقاقها ديناميكياً من البيانات، مما يضيف طبقة أمنية ضمنية تتجاوز حيز المفتاح التقليدي.

المنهجية
يقترح المؤلفون إطار عمل لتشفير الصور يعتمد على البيانات باستخدام خوارزمية SINDy-PI (التعرف المتناثر على الديناميكيات غير الخطية - المتوازي الضمني). تتضمن منهجية العمل الخطوات الجوهرية التالية:

تكييف الخوارزمية: تم تعديل خوارزمية SINDy-PI، المصممة أصلاً للأنظمة ذات الزمن المستمر، لتناسب الأنظمة الفوضوية ذات الزمن المنفصل. يتضمن ذلك إعادة بناء مكتبة وظائف ما قبل الاختيار لتتناسب مع خصائص التعيين (mapping)، وتعديل منطق توليد البيانات لاستخدام التكرار الدوري بدلاً من طرق التكامل بخطوات زمنية (مثل طريقة رونج-كوتا).
تحديد الخريطة القائم على البيانات: بدلاً من استخدام معادلة محددة مسبقاً، يقوم النظام بتوليد بيانات رصدية من نظام فوضوي (مثل خرائط هينون، أو لوجستيك ثلاثي الأبعاد، أو لوزي). تقوم خوارزمية SINDy-PI بعد ذلك بتحديد المعادلات الديناميكية الصريحة، بما في ذلك الحدود المتقاطعة واللاخطية من الرتب العليا، مباشرة من هذه البيانات.
مخطط التشفير:
- بنية المفتاح: يتكون مفتاح التشفير حصرياً من الظروف الأولية $(x_0, y_0)$ . ولا يتم إرسال الشكل المحدد للخريطة الفوضوية كمفتاح؛ بل يتم اشتقاقه من بيانات التدريب المستخدمة لتوليد الخريطة.
- العملية: باستخدام الخريطة المحددة والظروف الأولية، يتم توليد تسلسل فوضوي. يُستخدم هذا التسلسل لـ:
  - الخلط (Scrambling): فرز الصفوف والأعمدة بشكل مستقل بناءً على التسلسل الفوضوي لتبديل مواقع البكسلات.
  - الانتشار (Diffusion): انتشار إضافي متعدد الجولات (أربع جولات) (mod 256) لتغيير قيم البكسلات، مما يضمن أن تغيراً في بت واحد من النص الصريح يؤثر على كامل النص المشفر.
فك التشفير: يتطلب فك التشفير الناجح كلاً من الظروف الأولية الدقيقة وكذلك هيكل الخريطة (التعبير الرمزي) الدقيق المستخدم أثناء التشفير. وبما أن الخريطة تعتمد على البيانات، فإن المهاجم الذي يمتلك الظروف الأولية الصحيحة ولكن بهيكل خريطة خاطئ (مشتق من بيانات تدريب مختلفة) لن يتمكن من فك تشفير الصورة.

المساهمات الرئيسية

أول تطبيق على الأنظمة المنفصلة: يوسع هذا العمل خوارزمية SINDy-PI، التي كانت تقتصر سابقاً على الأنظمة ذات الزمن المستمر، لتشمل تحديد الخرائط الفوضوية المنفصلة.
مفتاح ضمني يعتمد على البيانات: تقدم الورقة آلية أمنية مبتكرة حيث يعمل هيكل الخريطة الفوضوية كمفتاح ضمني. فحتى مع تماثل الظروف الأولية، تؤدي بيانات التدريب المختلفة (مثل بذور الضجيج المتغيرة) إلى هياكل خرائط مختلفة قليلاً، مما ينتج عنه نصوص مشفرة مختلفة تماماً.
العمومية: تم التحقق من صحة إطار العمل عبر ثلاثة أنظمة فوضوية متميزة: خريطة هينون ثنائية الأبعاد، وخريطة لوجستيك ثلاثية الأبعاد، وخريطة لوزي الخطية المجزأة، مما يثبت قابليتها للتطبيق على هياكل ديناميكية متنوعة.
الحساسية المعززة: يظهر المخطط حساسية شديدة للظروف الأولية (حيث يؤدي اضطراب بمقدار $10^{-16}$ إلى فشل تام في فك التشفير) وحساسية عالية لهيكل الخريطة نفسه.

النتائج التجريبية
تم اختبار إطار العمل باستخدام صورة رمادية (grayscale) بحجم 256 $\times$ 256 لسطح القمر. وتشير النتائج إلى ما يلي:

اعتلاج المعلومات (Information Entropy): حققت الصور المشفرة قيم اعتلاج قريبة من المثالية ( $\approx 7.9976$ بت)، مما يشير إلى توزيع بكسلات منتظم للغاية.
الارتباط (Correlation): انخفض الارتباط بين البكسلات إلى مستويات مهملة (حوالي 0.08 في الاتجاهات الأفقية والعمودية والقطرية)، وهو أقل بكثير من المخططات ذات المعاملات الثابتة.
حساسية المفتاح: أدت الاضطرابات الصغيرة بقدر $10^{-16}$ في القيم الأولية إلى نسبة PSNR تبلغ $\approx 10.2$ ديسيبل (أقل بكثير من عتبة الفقدان غير المفقود البالغة 30 ديسيبل)، مما يؤكد الفشل التام في فك التشفير.
الهجمات التفاضلية: أظهر المخطط مقاومة قوية للهجمات التفاضلية، حيث بلغ متوسط معدل تغير عدد البكسلات (NPCR) نسبة 99.6556% ومتوسط كثافة التغير المتوسط الموحد (UACI) نسبة 33.5824%، وهي قيم قريبة جداً من القيم المثالية النظرية.
حساسية الخريطة: عند استخدام نفس الظروف الأولية مع خرائط تم تحديدها من بيانات تدريب مختلفة قليلاً (خالية من الضجيج مقابل منخفضة الضجيج)، أظهرت النصوص المشفرة الناتلة NPCR بنسبة 99.6231% و UACI بنسبة 33.4057%، مما يؤكد أن هيكل الخريطة يعمل كعامل أمني حاسم ومستقل.

الأهمية والادعاءات
تدعي الورقة أنها أرست نموذجاً جديداً لتشفير الفوضى من خلال توحيد تحديد النظام مع التشفير. تكمن الأهمية الرئيسية في الانتقال من الخرائط الثابتة إلى بنى أمنية تكيفية تركز على البيانات. ومن خلال جعل هيكل الخريطة معتمداً على بيانات التدريب، يرى المؤلفون أن النظام يقدم طبقة أمان إضافية تقاوم الهندسة العكسية وهجمات النص المعروف بشكل أكثر فعالية من المخططات التقليدية. ويؤكد المؤلفون أن هذا النهج لا يوفر فقط المزيد من الخيارات لتصميم الخوارزميات، بل يقدم أيضاً حلاً لمشكلة انخفاض الأمن في خوارزميات الفوضى الحالية. وقد تم تحديد العمل المستقبلي ليشمل توسيع الطريقة لتشمل الأنظمة فائقة الفوضى (hyperchaotic systems) والتحقق من صحتها على السلاسل الزمنية التجريبية من الدوائر الفوضوية الفيزيائية.