💻 computer science

Image Encryption via Data-Identified Discrete Chaotic Maps

Dieser Beitrag schlägt ein neuartiges datengesteuertes Bildverschlüsselungsframework vor, das den SINDy-PI-Algorithmus nutzt, um explizite chaotische Abbildungsdynamiken direkt aus Beobachtungsdaten zu erlernen, wodurch ein hochsicheres, datenabhängiges Verschlüsselungsschema entsteht, das traditionelle Methoden mit festen Abbildungen in Bezug auf Sensitivität, Zufälligkeit sowie Widerstandsfähigkeit gegen statistische und differentielle Angriffe übertrifft.

Ursprüngliche Autoren: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Veröffentlicht 2026-05-21

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die große Idee: Ein Schloss, das sich selbst baut

Stellen Sie sich vor, Sie möchten ein geheimes Foto an einen Freund senden. Normalerweise verwenden Sie ein Schloss (einen Verschlüsselungsalgorithmus), von dem jeder weiß, wie man es baut, und Sie geben dem Freund nur einen spezifischen Schlüssel (wie ein Passwort), um es zu öffnen. Wenn ein Hacker den Schlüssel stiehlt, kann er das Schloss öffnen.

Dieses Papier schlägt einen völlig anderen Weg vor. Anstatt Ihrem Freund einen Schlüssel für ein vorgefertigtes Schloss zu geben, übergeben Sie ihm ein Rezept und eine Tüte mit Zutaten. Er verwendet diese Zutaten, um einzigartiges Schloss direkt vor seinen Augen zu bauen.

Die „Zutaten" sind die Daten, die zum Trainieren des Systems verwendet werden, und das „Rezept" ist ein intelligenter Computeralgorithmus namens SINDy-PI. Der „Schlüssel" ist lediglich der Startpunkt (zwei winzige Zahlen).

Wie es funktioniert: Das „Gestaltwandelnde" Schloss

1. Der clevere Detektiv (SINDy-PI)
Stellen Sie sich den SINDy-PI-Algorithmus als einen superscharfsinnigen Detektiv vor. Normalerweise müssen Wissenschaftler raten, welche Regeln ein chaotisches System (eine komplexe, unvorhersehbare Maschine) steuern. Dieser Detektiv rät nicht. Er betrachtet einen Haufen Daten (Beobachtungen der sich bewegenden Maschine) und ermittelt die exakten mathematischen Regeln, die sie lenken. Er kann sogar verborgene Regeln finden, die Menschen übersehen könnten, wie komplexe Wechselwirkungen zwischen verschiedenen Teilen der Maschine.

2. Die datenabhängige Karte
In diesem neuen System ist das „Schloss" keine feste Form. Es ist eine chaotische Abbildung (eine mathematische Regel, die Zahlen durcheinanderwirbelt).

Alter Weg: Jeder verwendet dieselbe Karte (wie die berühmte Hénon-Abbildung).
Neuer Weg: Die Karte wird aus den Daten gebaut. Wenn Sie dem Detektiv leicht unterschiedliche Daten zuführen (selbst Daten mit einem winzigen Haufen zufälligen „Rauschens", wie statisches Rauschen im Radio), baut der Detektiv eine leicht unterschiedliche Karte.

3. Der geheime Schlüssel
Das Einzige, was Sie mit Ihrem Freund teilen müssen, um die Nachricht zu entschlüsseln, ist der Startpunkt (zwei Zahlen, wie 0,2 und 0,3).

Die Wendung: Selbst wenn ein Hacker diese beiden Zahlen stiehlt, kann er das Schloss nicht öffnen. Warum? Weil er nicht weiß, welche Karte gebaut wurde. Hatte die Karte einen winzigen zusätzlichen Term? Wurde sie aus Daten mit einer bestimmten Art von Rauschen gebaut? Ohne die exakte Kartenstruktur ist der Schlüssel nutzlos.

Der Prozess: Das Bild durcheinanderwirbeln

Sobald die einzigartige Karte gebaut ist, wird das Foto wie folgt verschlüsselt:

Mischen: Die Karte erzeugt eine chaotische Zahlenfolge. Diese Zahlen weisen dem Computer an, die Zeilen und Spalten des Bildes zu mischen, wie beim Mischen eines Kartendecks.
Diffundieren: Die Karte erzeugt weitere Zahlen, um die tatsächlichen Farben der Pixel zu ändern. Wenn Sie nur ein Pixel im Originalfoto ändern, stellt die Karte sicher, dass sich jedes einzelne Pixel im finalen verschlüsselten Foto ändert. Es ist wie das Hinzufügen eines einzigen Tropfen roter Tinte in einen Eimer Wasser; der gesamte Eimer wird rosa.

Warum es so sicher ist (Die Ergebnisse)

Die Autoren testeten dies an drei verschiedenen Arten von chaotischen Systemen (der Hénon-Abbildung, einer 3D-logistischen Abbildung und einer Lozi-Abbildung) und stellten fest, dass es für alle hervorragend funktioniert. Hier ist, was ihre Tests zeigten:

Der „Ein Tropfen"-Test (Empfindlichkeit): Wenn Sie die Startzahlen um eine Menge ändern, die so klein ist, dass sie fast nicht messbar ist (0,0000000000000001), schlägt die Entschlüsselung vollständig fehl. Das Ergebnis ist nur zufälliges Rauschen. Dies beweist, dass das System unglaublich empfindlich auf den Schlüssel reagiert.
Die „Statistische Tarnung" (Histogramme): Ein normales Foto hat Muster (viele dunkle Pixel, wenige helle). Das verschlüsselte Foto sieht aus wie reines Rauschen. Wenn Sie die Pixel zählen, sind sie perfekt gleichmäßig verteilt, was Hackern keine Anhaltspunkte zur Arbeit gibt.
Der „Nachbar"-Test (Korrelation): In einem normalen Foto ist ein Pixel normalerweise dem nächsten sehr ähnlich. Im verschlüsselten Foto sind Nachbarn völlig unabhängig. Die Verbindung ist komplett unterbrochen.
Der „Winzige Änderung"-Test (Differentielle Angriffe): Wenn ein Hacker nur ein einziges winziges Bit im Originalfoto ändert, ändert sich die verschlüsselte Version vollständig (etwa 99,6 % der Pixel ändern sich). Dies macht es unmöglich, das Original durch den Vergleich zweier verschlüsselter Versionen zu erraten.

Die „versteckte" Sicherheitsebene

Der einzigartigste Teil dieses Papiers ist das Konzept des „impliziten Schlüssels".
Normalerweise beruht Sicherheit darauf, wie viele Schlüssel Sie haben. Hier beruht die Sicherheit darauf, dass sich das Schloss selbst basierend auf den Trainingsdaten ändert.

Analogie: Stellen Sie sich vor, zwei Personen haben denselben Schlüssel (die Startzahlen). Aber Person A baute ihr Schloss mit „Datensatz A", und Person B baute ihr Schloss mit „Datensatz B" (der einen winzigen Unterschied im Rauschen hatte). Obwohl die Schlüssel identisch sind, sind die Schlösser leicht unterschiedlich. Wenn ein Hacker den Schlüssel hat, aber nicht weiß, welcher „Datensatz" zum Bau des Schlosses verwendet wurde, ist er festgefahren.

Zusammenfassung

Dieses Papier stellt eine neue Art zur Verschlüsselung von Bildern vor, bei der die Verschlüsselungsregeln nicht festgelegt sind. Stattdessen werden sie in Echtzeit aus Daten entdeckt, und zwar mithilfe eines intelligenten Algorithmus. Dies fügt eine versteckte Sicherheitsebene hinzu: Selbst wenn jemand Ihr Passwort stiehlt, kann er Ihre Daten nicht entschlüsseln, es sei denn, er kennt auch die exakten „Zutaten", die zum Bau des Schlosses verwendet wurden. Das System ist extrem empfindlich, statistisch perfekt und funktioniert bei verschiedenen Arten von chaotischen Systemen.

Technische Zusammenfassung: Bildverschlüsselung mittels datenidentifizierter diskreter chaotischer Abbildungen

Problemstellung
Traditionelle, auf Chaos basierende Bildverschlüsselungsverfahren stützen sich überwiegend auf vordefinierte, feste chaotische Systeme (z. B. die Standard-Hénon-Abbildung oder 3D-logistische Abbildungen). Ein erhebliches Sicherheitsbedenken bei diesen Ansätzen besteht darin, dass die mathematische Struktur der chaotischen Abbildung oft bekannt oder leicht rückentwickelbar ist, wodurch das System anfällig wird, falls die Anfangsbedingungen (der Schlüssel) kompromittiert werden. Darüber hinaus ist das manuelle Vorschlagen völlig neuer chaotischer Systeme eine komplexe und schwierige Aufgabe. Der vorliegende Beitrag adressiert die Notwendigkeit eines robusteren Verschlüsselungsparadigmas, bei dem die chaotische Abbildung selbst nicht festgelegt ist, sondern dynamisch aus Daten abgeleitet wird, wodurch eine implizite Sicherheitsebene jenseits des traditionellen Schlüsselraums hinzugefügt wird.

Methodik
Die Autoren schlagen einen datengesteuerten Rahmen für die Bildverschlüsselung vor, der den SINDy-PI-Algorithmus (Sparse Identification of Nonlinear Dynamics – Parallel Implicit) nutzt. Die Methodik umfasst folgende Kernschritte:

Algorithmenanpassung: Der SINDy-PI-Algorithmus, ursprünglich für kontinuierliche Zeitssysteme entwickelt, wird für diskrete chaotische Systeme modifiziert. Dies beinhaltet die Rekonstruktion der Bibliothek von Vorauswahl-Funktionen, um die Abbildungseigenschaften zu entsprechen, sowie die Anpassung der Logik zur Datengenerierung, um zyklische Iteration anstelle von Zeitschritt-Integrationsmethoden (wie Runge-Kutta) zu verwenden.
Datengetriebene Abbildungsidentifikation: Anstatt einer vordefinierten Gleichung generiert das System Beobachtungsdaten aus einem chaotischen System (z. B. Hénon-, 3D-logistische oder Lozi-Abbildungen). Der SINDy-PI-Algorithmus identifiziert dann explizite dynamische Gleichungen, einschließlich Kreuzterme und nichtlinearer Terme höherer Ordnung, direkt aus diesen Daten.
Verschlüsselungsschema:
- Schlüsselstruktur: Der Verschlüsselungsschlüssel besteht ausschließlich aus den Anfangsbedingungen $(x_0, y_0)$ . Die spezifische Form der chaotischen Abbildung wird nicht als Schlüssel übertragen; sie wird aus den Trainingsdaten abgeleitet, die zur Generierung der Abbildung verwendet wurden.
- Prozess: Unter Verwendung der identifizierten Abbildung und der Anfangsbedingungen wird eine chaotische Sequenz generiert. Diese Sequenz wird verwendet für:
  - Verschlüsselung (Scrambling): Unabhängige Zeilen- und Spaltensortierung basierend auf der chaotischen Sequenz, um Pixelpositionen zu permutieren.
  - Diffusion: Mehrstufige (vier Runden) additive Diffusion (mod 256), um Pixelwerte zu verändern und sicherzustellen, dass eine Änderung eines einzelnen Bits im Klartext den gesamten Geheimtext beeinflusst.
Entschlüsselung: Eine erfolgreiche Entschlüsselung erfordert exakt dieselben Anfangsbedingungen und exakt dieselbe Abbildungsstruktur (symbolischer Ausdruck), die während der Verschlüsselung verwendet wurden. Da die Abbildung datenabhängig ist, kann ein Angreifer mit den korrekten Anfangsbedingungen, aber der falschen Abbildungsstruktur (abgeleitet aus unterschiedlichen Trainingsdaten), das Bild nicht entschlüsseln.

Hauptbeiträge

Erste Anwendung auf diskrete Systeme: Diese Arbeit erweitert den SINDy-PI-Algorithmus, der zuvor auf kontinuierliche Zeitssysteme beschränkt war, auf die Identifikation diskreter chaotischer Abbildungen.
Datenabhängiger impliziter Schlüssel: Der Beitrag führt einen neuartigen Sicherheitsmechanismus ein, bei dem die Struktur der chaotischen Abbildung selbst als impliziter Schlüssel fungiert. Selbst bei identischen Anfangsbedingungen führen unterschiedliche Trainingsdaten (z. B. variierende Rausch-Samen) zu leicht unterschiedlichen Abbildungsstrukturen, die völlig verschiedene Geheimtexte erzeugen.
Allgemeingültigkeit: Der Rahmen wurde über drei verschiedene chaotische Systeme validiert: die 2D-Hénon-Abbildung, die 3D-logistische Abbildung und die stückweise lineare Lozi-Abbildung, was seine Anwendbarkeit auf verschiedene dynamische Strukturen demonstriert.
Erhöhte Sensitivität: Das Schema zeigt extreme Sensitivität gegenüber Anfangsbedingungen (eine Störung von $10^{-16}$ führt zu einem vollständigen Entschlüsselungsversagen) und eine hohe Sensitivität gegenüber der Abbildungsstruktur selbst.

Experimentelle Ergebnisse
Der Rahmen wurde mit einem 256 $\times$ 256 großen Graustufenbild der „Mondoberfläche" getestet. Die Ergebnisse zeigen:

Informationsentropie: Die verschlüsselten Bilder erreichten nahezu ideale Entropiewerte ( $\approx 7,9976$ Bit), was auf eine hochgradig gleichmäßige Pixelverteilung hindeutet.
Korrelation: Die Inter-Pixel-Korrelation wurde auf vernachlässigbare Werte reduziert (ca. 0,08 in horizontaler, vertikaler und diagonaler Richtung), was signifikant niedriger ist als bei Schemata mit festen Parametern.
Schlüsselsensitivität: Störungen so klein wie $10^{-16}$ in den Anfangswerten führten zu einem PSNR von $\approx 10,2$ dB (weit unter der verlustfreien Schwelle von 30 dB), was ein vollständiges Entschlüsselungsversagen bestätigt.
Differentialangriffe: Das Schema zeigte eine starke Resistenz gegen Differentialangriffe, wobei die NPCR (Number of Pixels Change Rate) im Durchschnitt 99,6556 % und die UACI (Unified Average Change Intensity) im Durchschnitt 33,5824 % betrug, was den theoretischen Idealen nahekommt.
Abbildungssensitivität: Wenn dieselben Anfangsbedingungen mit Abbildungen verwendet wurden, die aus leicht unterschiedlichen Trainingsdaten identifiziert wurden (rauschfrei vs. geringes Rauschen), zeigten die resultierenden Geheimtexte eine NPCR von 99,6231 % und eine UACI von 33,4057 %, was bestätigt, dass die Abbildungsstruktur als kritischer, unabhängiger Sicherheitsfaktor fungiert.

Bedeutung und Behauptungen
Der Beitrag beansprucht, ein neues Paradigma für die chaosbasierte Kryptographie zu etablieren, indem er Systemidentifikation mit Verschlüsselung vereint. Die primäre Bedeutung liegt in der Überwindung fester Abbildungen hin zu adaptiven, datenzentrierten Sicherheitsarchitekturen. Indem die Abbildungsstruktur von den Trainingsdaten abhängig gemacht wird, argumentieren die Autoren, dass das System eine zusätzliche Sicherheitsebene einführt, die Reverse Engineering und Known-Plaintext-Angriffe wirksamer abwehrt als traditionelle Schemata. Die Autoren behaupten, dass dieser Ansatz nicht nur mehr Optionen für den Algorithmusentwurf bietet, sondern auch eine Lösung für das Problem der geringen Sicherheit in bestehenden chaosbasierten Algorithmen darstellt. Als zukünftige Arbeiten wird die Erweiterung der Methode auf hyperchaotische Systeme und die Validierung an experimentellen Zeitreihen aus physikalischen chaotischen Schaltkreisen skizziert.