💻 computer science

Image Encryption Algorithm Based on Convolutional Neural Networks and Dynamic S-Box Generation

Dieses Paper schlägt einen dynamischen Bildverschlüsselungsalgorithmus vor, der faltungsneuronale Netzwerke nutzt, um adaptive, eingabebedingte S-Boxen zu generieren und dadurch die Nichtlinearität sowie die Resistenz gegenüber verschiedenen kryptografischen Angriffen im Vergleich zu herkömmlichen Methoden mit festen S-Boxen zu erhöhen.

Ursprüngliche Autoren: Ans Ibrahim Mahameed, Fadhil Abbas Fadhil, Maryam Mahdi Alhusseini, Mohammad-Reza Feizi-Derakhshi, Nikolai Safiullin

Veröffentlicht 2026-06-22

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Ans Ibrahim Mahameed, Fadhil Abbas Fadhil, Maryam Mahdi Alhusseini, Mohammad-Reza Feizi-Derakhshi, Nikolai Safiullin

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 intelligentes Schloss, das sich jedes Mal verändert

Stellen Sie sich vor, Sie haben ein sehr wertvolles Gemälde (Ihr Bild), das Sie einem Freund schicken müssen. Normalerweise würden Sie es in einem Tresor mit einem Standard-Schloss aufbewahren. Aber wenn ein Dieb weiß, wie dieses Schloss funktioniert, kann er es knacken.

Dieses Paper schlägt eine neue Art von „Tresor“ für digitale Bilder vor. Anstatt ein Standard-Schloss zu verwenden, das unveränderlich ist, haben die Autoren ein intelligentes Schloss gebaut, das seine Form jedes Mal neu gestaltet, wenn man es benutzt. Sie nennen dies eine „Dynamische S-Box“.

So haben sie es gebaut und warum es funktioniert:

1. Das Problem mit alten Schlössern

Die traditionelle Bildverschlüsselung ist wie die Verwendung eines Generalschlüssels, der in viele verschiedene Schlösser passt. Sie ist starr. Wenn ein Hacker das Schloss studiert, kann er das Muster erkennen und es knacken. Das Paper sagt, dass diese alten Methoden zu vorhersehbar sind, weil sie sich nicht basierend auf dem spezifischen Bild ändern, das sie schützen.

2. Die Lösung: Ein „lernendes“ Schloss (Das CNN)

Die Autoren verwendeten eine Art Künstliche Intelligenz namens Convolutional Neural Network (CNN). Stellen Sie sich ein CNN wie einen superintelligenten Schüler vor, der tausende von Bildern studiert hat. Er weiß, wie man Muster, Texturen und Details erkennt.

Wie es funktioniert: Wenn Sie ein spezifisches Bild verschlüsseln wollen (wie ein Foto eines Hauses oder eines Pavians), betrachtet das CNN genau dieses spezifische Bild.
Die Magie: Basierend auf dem, was es in diesem speziellen Foto sieht, entwirft das CNN sofort ein einzigartiges, maßgeschneidertes „Schloss“ (die S-Box) nur für dieses Bild.
Das Ergebnis: Wenn Sie ein Bild eines Hauses verschlüsseln, erhalten Sie ein einzigartiges Schloss. Wenn Sie ein Bild eines Pavians verschlüsseln, erstellt das CNN ein völlig anderes Schloss. Selbst wenn Sie dasselbe Haus erneut mit einer winzigen Änderung verschlüsseln (wie einer ziehenden Wolke), ändert sich das Schloss komplett.

3. Der Verschlüsselungsprozess: Ein dreistufiger Tanz

Sobald das CNN dieses maßgeschneiderte Schloss erstellt hat, durchläuft das Bild einen dreistufigen Tanz, um es zu verschleiern:

Substitution (Die Maske): Das maßgeschneiderte Schloss des CNN ersetzt jeden Pixel (Punkt) im Bild durch einen neuen, zufälligen Wert. Es ist, als würde man jeden Buchstaben in einer geheimen Nachricht durch einen anderen Buchstaben ersetzen, basierend auf einem Code, der nur für diese spezifische Nachricht existiert.
Permutation (Das Mischen): Das Bild wird dann durchgemischt. Stellen Sie sich vor, Sie nehmen ein Kartendeck, betrachten die Reihenfolge und mischen sie dann so durch, dass der „Haus“-Pixel nicht mehr neben dem „Dach“-Pixel liegt. Dies geschieht mithilfe von „chaotischen Maps“ (Mathematik, die wie ein Wirbelwind wirkt), um sicherzustellen, dass das Mischen völlig zufällig ist.
Diffusion (Die Welle): Schließlich wird das Bild mit einem geheimen Schlüsselstrom vermischt. Dies ist wie das Hinzufügen einer Schicht aus statischem Rauschen, das sich über das gesamte Bild ausbreitet. Wenn Sie nur einen winzigen Punkt im Originalfoto ändern, sorgt dieser Schritt dafür, dass das gesamte verschlüsselte Bild völlig anders aussieht.

4. Warum ist das besser? (Die Testergebnisse)

Die Autoren testeten ihre neue Methode an Standardbildern (wie einem Pavian, einem Haus, einem Flugzeug und einer Paprika). Hier ist das, was sie herausfanden:

Unvorhersehbarkeit (Entropie): Die verschlüsselten Bilder sahen aus wie reines statisches Rauschen. Die Daten waren so zufällig, dass es unmöglich war, das ursprüngliche Bild zu erraten. Der „Zufälligkeitswert“ war nahezu perfekt (nahe bei 8,0).
Sensitivität (NPCR & UACI): Wenn sie nur einen einzigen Pixel im Originalfoto änderten, änderte sich das verschlüsselte Ergebnis um mehr als 99 %. Es ist, als würde man einen einzigen Buchstaben in einem Wort ändern und der gesamte Satz verwandelt sich in Kauderwelsch. Dies macht es für Hacker sehr schwer, das Geheimnis zu erraten.
Geschwindigkeit: Trotz der Intelligenz und Komplexität war das System schnell. Es konnte Bilder in weniger als 50 Millisekunden verschlüsseln und entschlüsseln (schneller als ein menschliches Blinzeln).
Resilienz: Sie versuchten, die Bilder zu „brechen“, indem sie Teile abschneiden (Cropping) oder Rauschen (Statik) hinzufügten. Selbst mit diesen Schäden konnte das Originalbild mit guter Qualität wiederhergestellt werden, was beweist, dass das System robust ist.

5. Das Urteil

Das Paper kommt zu dem Schluss, dass durch die Verwendung eines „intelligenten Schülers“ (des CNN), um ein einzigartiges Schloss für jedes einzelne Bild zu entwerfen, sie ein Verschlüsselungssystem geschaffen haben, das:

Schwerer zu knacken ist als alte, feste Methoden.
Schneller ist als viele komplexe Alternativen.
Anpassungsfähig ist, was bedeutet, dass es mit dem Bild, das es schützt, mitlernt.

Kurz gesagt: Sie haben die Bildverschlüsselung von einem „Einheits-Schloss“ in einen „maßgeschneiderten, formverändernden“ Tresor verwandelt, der seine Regeln jedes Mal ändert, wenn man ihn benutzt.

Technisches Resümee: Bildverschlüsselungsalgorithmus basierend auf Convolutional Neural Networks und dynamischer S-Box-Generierung

Problemstellung
Traditionelle Bildverschlüsselungsalgorithmen haben oft Schwierigkeiten mit den einzigartigen Eigenschaften von Bilddaten, wie etwa dem hohen Datenvolumen, der starken räumlichen Korrelation und der Datenclusterbildung. Konventionelle symmetrische Schlüsselalgorithmen, wie AES, verlassen sich auf feste Substitutionsboxen (S-Boxen), um Nichtlinearität und Konfusion zu erzeugen. Diese festen S-Boxen sind jedoch nicht an spezifische Eingangsdaten anpassbar, was sie anfällig für lineare und differenzielle Kryptanalyse macht. Während jüngere Studien versucht haben, die Anpassungsfähigkeit von S-Boxen durch chaotische Systeme oder metaheuristische Optimierungen zu verbessern, bleiben viele davon nicht datengesteuert oder handgefertigt, was ihre Flexibilität und Sicherheit gegenüber hochentwickelten Angriffen einschränkt. Es besteht ein nachgewiesener Bedarf an intelligenten, datengesteuerten Systemen, die in der Lage sind, sichere, bildspezifische S-Boxen zu generieren.

Methodik
Das vorgeschlagene Framework führt ein dynamisches Bildverschlüsselungsschema ein, das Convolutional Neural Networks (CNNs) mit klassischen kryptographischen Prinzipien integriert. Die Methodik gliedert sich in fünf Primärstufen:

Datensatzvorbereitung und Vorverarbeitung: Ein Datensatz von Graustufen-Bildpatches (z. B. aus USC-SIPI, MNIST oder CIFAR-10) wird auf $N \times N$ (z. B. $32 \times 32$ ) skaliert und auf den Bereich $[0, 1]$ normiert. Das Ziel ist es, statistische und räumliche Muster zu extrahieren, um das CNN zu trainieren.
CNN-basierte S-Box-Generierung: Ein CNN wird trainiert, um eine ideale Substitations-Transformation zu erlernen.
- Architektur: Das Netzwerk nutzt Convolutional Layers mit ReLU-Aktivierung, um die Bildkomplexität zu extrahieren, gefolgt von Fully Connected Layers, die auf Substitutionswerte (Vektoren aus 16 oder 64 Elementen) abbilden.
- Ausgabe-Erzwingung (Output Enforcement): Eine benutzerdefinierte Ausgabeschicht stellt sicher, dass der generierte Vektor eine gültige bijektive S-Box bildet (eine Permutation distinkter Werte im Bereich $[0, 255]$ ). Dies geschieht durch das Verwerfen replizierter Werte und das Neu-Erstellen dieser Werte mittels eines hybriden Rauschinjektionsalgorithmus, der durch die CNN-Gewichte gesteuert wird.
- Verlustfunktion (Loss Function): Das Training verwendet eine Multi-Objective-Loss-Funktion: $Loss = -(\alpha \cdot \text{Nichtlinearität} + \beta \cdot \text{SAC} + \gamma \cdot \text{BIC} + \delta \cdot \text{Uniformität})$ . Dies optimiert die Resistenz gegen lineare Kryptanalyse, das Strict Avalanche Criterion (SAC), das Bit Independence Criterion (BIC) und die Wertuniformität.
S-Box-Evaluierung: Generierte S-Boxen werden strengen kryptographischen Standards (Nichtlinearität, SAC, Differenzielle Uniformität, Bit-Unabhängigkeit) unterzogen. Nur jene, die vordefinierte Schwellenwerte überschreiten, werden für die Verschlüsselung ausgewählt.
Verschlüsselungsprozess: Das Schema nutzt eine modifizierte Substitution-Permutation-Network (SPN) Architektur, die über mehrere Runden wiederholt wird (typischerweise 3–5):
- Substitution: Pixelwerte werden unter Verwendung der dynamischen, CNN-generierten S-Box ersetzt.
- Permutation: Pixelpositionen werden durch einen Permutationsvektor neu angeordnet, der aus chaotischen Maps (z. B. Logistic- oder Lorenz-Maps) abgeleitet wurde, welche mit einem geheimen Schlüssel iteriert wurden.
- Diffusion: Eine pixelweise XOR-Operation wird zwischen dem permutierten Bild und einem Key-Stream angewendet, der von einer zweiten CNN-basierten S-Box oder einem Pseudo-Random Number Generator (PRNG) generiert wird.
Entschlüsselung: Der Prozess wird unter Verwendung des inversen Permutationsvektors und der Inversen der dynamischen S-Box umgekehrt, um eine verlustfreie Wiederherstellung des Originalbildes zu gewährleisten.

Zentrale Beiträge

Adaptive S-Box-Generierung: Das Framework generiert dynamische S-Boxen, bei denen die gelernten Merkmale des spezifischen Eingangsbildes die Substitutionsmuster steuern. Dies verbessert die Nichtlinearität und Konfusion im Vergleich zu statischen Methoden.
Hybride Sicherheitsarchitektur: Die Integration von Deep Learning mit chaotischen nichtlinearen Systemen erhöht die Zufälligkeit und Komplexität, was gezielt die Resistenz gegen differenzielle und statistische Angriffe stärkt.
Leistung und Skalierbarkeit: Der Algorithmus ist auf geringes Gewicht und Skalierbarkeit ausgelegt und zeigt die Fähigkeit zur Echtzeitanwendung bei gleichzeitiger Sicherung hochauflösender Bilddaten.
Umfassende Evaluierung: Die Studie bietet eine kritische Untersuchung des Algorithmus unter Verwendung von Standard-Benchmark-Bildern (Baboon, House, Airplane, Pepper) und vergleicht dessen Leistung mit traditionellen und aktuellen Verschlüsselungsalgorithmen.

Experimentelle Ergebnisse
Die vorgeschlagene Methode wurde auf Standard-Testbildern anhand mehrerer kryptographischer Metriken evaluiert:

Entropie: Die Werte näherten sich dem idealen Maximum von 8,0 an (im Bereich von 7,9947 bis 7,9980), was auf hochgradig unvorhersehbare Pixelverteilungen hindeutet.
NPCR (Number of Pixels Change Rate): Die Ergebnisse überstiegen 99,5 % (z. B. 99,610 % für Baboon), was eine hohe Sensitivität gegenüber geringfügigen Eingangsänderungen und eine starke Resistenz gegen differenzielle Angriffe belegt.
UACI (Unified Average Changing Intensity): Die Werte bewegten sich um das Ideal von 33 % (z. B. 33,42 %), was signifikante Unterschiede zwischen dem Original- und dem verschlüsselten Bild bestätigt.
Korrelation: Die durchschnittlichen Korrelationskoeffizienten zwischen benachbarten Pixeln lagen nahe Null (z. B. 0,0058), wodurch die natürlichen räumlichen Korrelationen des Klartexts effektiv aufgebrochen wurden.
Histogramm-Uniformität: Die verschlüsselten Bilder wiesen flache, uniforme Histogramme auf, wodurch visuelle Muster zerstört wurden.
Robustheit: Das System zeigte Resilienz gegenüber Cropping (bis zu 20 %) und Rauschangriffen (Gauß- und Salt-and-Pepper-Rauschen), wobei erkennbare Merkmale mit akzeptablen PSNR- und SSIM-Werten erhalten blieben.
NIST-Statistiktests: Die generierten kryptographischen Schlüssel bestanden alle wichtigen NIST-Statistiktests (Frequenz, Läufe, Serialität, lineare Komplexität usw.) mit p-Werten über dem Signifikanzniveau von 0,01.
Geschwindigkeit: Die Verschlüsselungs- und Entschlüsselungszeiten lagen unter 50 Millisekunden für die getesteten Bildgrößen, was die rechnerische Effizienz bestätigt.

Bedeutung und Behauptungen
Das Paper behauptet, dass der vorgeschlagene CNN-basierte Ansatz zur dynamischen S-Box-Generierung ein überlegenes Gleichgewicht zwischen Leistung, Komplexität und Sicherheit im Vergleich zu traditionellen festen S-Box-Methoden bietet. Durch die Gestaltung des Substitutionsmechanismus als datengesteuert und bildspezifisch erhöht das System signifikant die Resistenz gegen Known-Plaintext-, Differenzial- und statistische Angriffe. Die Autoren führen aus, dass diese Methode die traditionellen Trade-offs in der Bildverschlüsselung löst und eine robuste, intelligente Lösung für die sichere Übertragung und Speicherung in modernen Multimedia- und Kommunikationssystemen bereitstellt. Die Studie kommt zu dem Schluss, dass die Integration von Deep Learning in das Design kryptographischer Komponenten einen gangbaren Weg zu zuverlässigeren und effizienteren Bildverschlüsselungssystemen darstellt.