💻 computer science

Image Encryption via Data-Identified Discrete Chaotic Maps

Este trabajo propone un marco novedoso de cifrado de imágenes basado en datos que utiliza el algoritmo SINDy-PI para aprender dinámicas de mapas caóticos explícitos directamente a partir de datos observacionales, creando así un esquema de cifrado altamente seguro y dependiente de los datos que supera a los métodos tradicionales de mapas fijos en sensibilidad, aleatoriedad y resistencia a ataques estadísticos y diferenciales.

Autores originales: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Publicado 2026-05-21

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La Gran Idea: Una Cerradura que Se Construye a Sí Misma

Imagina que quieres enviar una foto secreta a un amigo. Por lo general, utilizas una cerradura (un algoritmo de cifrado) que todos saben cómo construir, y simplemente les das una llave específica (como una contraseña) para abrirla. Si un hacker roba la llave, puede abrir la cerradura.

Este artículo propone una forma completamente diferente. En lugar de darle a tu amigo una llave para una cerradura prefabricada, le das una receta y una bolsa de ingredientes. Él utiliza esos ingredientes para construir una cerradura única justo frente a él.

Los "ingredientes" son los datos utilizados para entrenar el sistema, y la "receta" es un algoritmo informático inteligente llamado SINDy-PI. La "llave" es simplemente el punto de partida (dos números diminutos).

Cómo Funciona: La Cerradura "Cambiaformas"

1. El Detective Inteligente (SINDy-PI)
Piensa en el algoritmo SINDy-PI como un detective superinteligente. Por lo general, los científicos tienen que adivinar cuáles son las reglas de un sistema caótico (una máquina compleja e impredecible). Este detective no adivina. Observa un montón de datos (observaciones de la máquina en movimiento) y descubre las reglas matemáticas exactas que la gobiernan. Incluso puede encontrar reglas ocultas que los humanos podrían pasar por alto, como interacciones complejas entre diferentes partes de la máquina.

2. El Mapa Dependiente de los Datos
En este nuevo sistema, la "cerradura" no tiene una forma fija. Es un mapa caótico (una regla matemática que baraja números).

Antigua Forma: Todos utilizan el mismo mapa (como el famoso mapa de Hénon).
Nueva Forma: El mapa se construye a partir de los datos. Si le proporcionas al detective datos ligeramente diferentes (incluso datos con un poco de "ruido" aleatorio, como la estática en una radio), el detective construye un mapa ligeramente diferente.

3. La Llave Secreta
Lo único que necesitas compartir con tu amigo para desbloquear el mensaje es el punto de partida (dos números, como 0.2 y 0.3).

El Giro: Incluso si un hacker roba esos dos números, no puede abrir la cerradura. ¿Por qué? Porque no sabe qué mapa fue construido. ¿Tenía el mapa un término extra diminuto? ¿Fue construido a partir de datos con un tipo específico de ruido? Sin la estructura exacta del mapa, la llave es inútil.

El Proceso: Barajando la Imagen

Una vez que se ha construido el mapa único, así es como se baraja la foto:

Mezcla: El mapa genera una secuencia caótica de números. Estos números le indican al ordenador que mezcle las filas y las columnas de la imagen, como barajar una baraja de cartas.
Difusión: El mapa genera más números para cambiar los colores reales de los píxeles. Si cambias solo un píxel en la foto original, el mapa asegura que cada píxel individual en la foto final barajada cambie. Es como dejar caer una sola gota de tinta roja en un cubo de agua; todo el cubo se vuelve rosa.

Por Qué Es Tan Seguro (Los Resultados)

Los autores probaron esto en tres tipos diferentes de sistemas caóticos (el mapa de Hénon, un mapa logístico 3D y un mapa de Lozi) y descubrieron que funciona muy bien para todos ellos. Esto es lo que mostraron sus pruebas:

La Prueba de la "Una Gota" (Sensibilidad): Si cambias los números de partida en una cantidad tan pequeña que es casi imposible de medir (0.0000000000000001), el descifrado falla por completo. El resultado es solo ruido aleatorio. Esto demuestra que el sistema es increíblemente sensible a la llave.
El "Camuflaje Estadístico" (Histogramas): Una foto normal tiene patrones (muchos píxeles oscuros, pocos brillantes). La foto cifrada parece estática pura. Si cuentas los píxeles, están distribuidos perfectamente de manera uniforme, lo que no deja a los hackers ninguna pista con la que trabajar.
La Prueba del "Vecino" (Correlación): En una foto normal, un píxel suele ser muy similar al que tiene al lado. En la foto cifrada, los vecinos son completamente ajenos entre sí. La conexión está totalmente rota.
La Prueba del "Cambio Mínimo" (Ataques Diferenciales): Si un hacker cambia solo un bit diminuto en la foto original, la versión cifrada cambia por completo (aproximadamente el 99.6% de los píxeles cambian). Esto hace imposible adivinar la original comparando dos versiones cifradas.

La Capa de Seguridad "Oculta"

La parte más única de este artículo es el concepto de la "Llave Implícita".
Por lo general, la seguridad depende de cuántas llaves tienes. Aquí, la seguridad depende del hecho de que la cerradura misma cambia según los datos de entrenamiento.

Analogía: Imagina que dos personas tienen la misma llave (los números de partida). Pero la Persona A construyó su cerradura usando el "Conjunto de Datos A", y la Persona B construyó su cerradura usando el "Conjunto de Datos B" (que tenía un poco de ruido diferente). Aunque las llaves son idénticas, las cerraduras son ligeramente diferentes. Si un hacker tiene la llave pero no sabe qué "Conjunto de Datos" se utilizó para construir la cerradura, está atrapado.

Resumen

Este artículo presenta una nueva forma de cifrar imágenes donde las reglas de cifrado no son fijas. En su lugar, se descubren sobre la marcha a partir de datos utilizando un algoritmo inteligente. Esto añade una capa oculta de seguridad: incluso si alguien roba tu contraseña, no puede desbloquear tus datos a menos que también conozca los "ingredientes" exactos utilizados para construir la cerradura. El sistema es extremadamente sensible, estadísticamente perfecto y funciona en varios tipos de sistemas caóticos.

Resumen Técnico: Encriptación de Imágenes mediante Mapas Caóticos Discretos Identificados por Datos

Planteamiento del Problema
Los esquemas tradicionales de encriptación de imágenes basados en caos dependen predominantemente de sistemas caóticos predefinidos y fijos (por ejemplo, el mapa de Hénon estándar o mapas logísticos 3D). Una preocupación de seguridad significativa con estos enfoques es que la estructura matemática del mapa caótico a menudo es conocida o fácilmente reversible, dejando al sistema vulnerable si las condiciones iniciales (la clave) se ven comprometidas. Además, proponer sistemas caóticos completamente nuevos manualmente es una tarea compleja y difícil. El artículo aborda la necesidad de un paradigma de encriptación más robusto donde el propio mapa caótico no sea fijo, sino que se derive dinámicamente de los datos, añadiendo así una capa implícita de seguridad más allá del espacio de claves tradicional.

Metodología
Los autores proponen un marco de encriptación de imágenes impulsado por datos que utiliza el algoritmo SINDy-PI (Identificación Escasa de Dinámicas No Lineales - Implícito Paralelo). La metodología implica los siguientes pasos fundamentales:

Adaptación del Algoritmo: El algoritmo SINDy-PI, diseñado originalmente para sistemas de tiempo continuo, se modifica para sistemas caóticos de tiempo discreto. Esto implica reconstruir la biblioteca de funciones de preselección para coincidir con las características de mapeo y ajustar la lógica de generación de datos para utilizar iteración cíclica en lugar de métodos de integración de pasos de tiempo (como Runge-Kutta).
Identificación de Mapas Impulsada por Datos: En lugar de utilizar una ecuación predefinida, el sistema genera datos observacionales a partir de un sistema caótico (por ejemplo, mapas de Hénon, logísticos 3D o Lozi). El algoritmo SINDy-PI identifica entonces las ecuaciones dinámicas explícitas, incluidos los términos cruzados y las no linealidades de orden superior, directamente desde estos datos.
Esquema de Encriptación:
- Estructura de la Clave: La clave de encriptación consiste únicamente en las condiciones iniciales $(x_0, y_0)$ . La forma específica del mapa caótico no se transmite como clave; se deriva de los datos de entrenamiento utilizados para generar el mapa.
- Proceso: Utilizando el mapa identificado y las condiciones iniciales, se genera una secuencia caótica. Esta secuencia se utiliza para:
  - Barajado: Ordenamiento independiente de filas y columnas basado en la secuencia caótica para permutar las posiciones de los píxeles.
  - Difusión: Difusión aditiva de múltiples rondas (cuatro rondas) (módulo 256) para alterar los valores de los píxeles, asegurando que un cambio de un solo bit en el texto plano afecte a todo el texto cifrado.
Desencriptación: El desencriptado exitoso requiere exactamente las mismas condiciones iniciales y exactamente la misma estructura de mapa (expresión simbólica) utilizadas durante la encriptación. Dado que el mapa depende de los datos, un atacante con las condiciones iniciales correctas pero la estructura de mapa incorrecta (derivada de datos de entrenamiento diferentes) no podrá desencriptar la imagen.

Contribuciones Clave

Primera Aplicación a Sistemas Discretos: Este trabajo extiende el algoritmo SINDy-PI, previamente limitado a sistemas de tiempo continuo, a la identificación de mapas caóticos discretos.
Clave Implícita Dependiente de Datos: El artículo introduce un mecanismo de seguridad novedoso donde la propia estructura del mapa caótico actúa como una clave implícita. Incluso con condiciones iniciales idénticas, diferentes datos de entrenamiento (por ejemplo, semillas de ruido variables) resultan en estructuras de mapa ligeramente diferentes, produciendo textos cifrados completamente distintos.
Generalidad: El marco se valida en tres sistemas caóticos distintos: el mapa de Hénon 2D, el mapa logístico 3D y el mapa Lozi lineal a trozos, demostrando su aplicabilidad a diversas estructuras dinámicas.
Sensibilidad Mejorada: El esquema exhibe una sensibilidad extrema a las condiciones iniciales (una perturbación de $10^{-16}$ causa un fallo total de desencriptado) y una alta sensibilidad a la propia estructura del mapa.

Resultados Experimentales
El marco se probó utilizando una imagen en escala de grises de "superficie lunar" de 256 $\times$ 256 píxeles. Los resultados indican:

Entropía de Información: Las imágenes encriptadas alcanzaron valores de entropía cercanos a lo ideal ( $\approx 7.9976$ bits), lo que indica una distribución de píxeles altamente uniforme.
Correlación: La correlación entre píxeles se redujo a niveles insignificantes (aprox. 0.08 en direcciones horizontal, vertical y diagonal), significativamente menor que en los esquemas de parámetros fijos.
Sensibilidad a la Clave: Perturbaciones tan pequeñas como $10^{-16}$ en los valores iniciales resultaron en una PSNR de $\approx 10.2$ dB (muy por debajo del umbral de pérdida nula de 30 dB), confirmando un fallo total de desencriptado.
Ataques Diferenciales: El esquema demostró una fuerte resistencia a los ataques diferenciales, con una TPCP (Tasa de Cambio de Píxeles) promedio del 99.6556% y una IACU (Intensidad Media Unificada de Cambio) promedio del 33.5824%, coincidiendo estrechamente con los ideales teóricos.
Sensibilidad al Mapa: Cuando se utilizaron las mismas condiciones iniciales con mapas identificados a partir de datos de entrenamiento ligeramente diferentes (sin ruido vs. bajo ruido), los textos cifrados resultantes mostraron una TPCP del 99.6231% y una IACU del 33.4057%, confirmando que la estructura del mapa actúa como un factor de seguridad crítico e independiente.

Significado y Afirmaciones
El artículo afirma establecer un nuevo paradigma para la criptografía basada en caos al unificar la identificación de sistemas con la encriptación. El significado principal radica en ir más allá de los mapas fijos hacia arquitecturas de seguridad adaptativas y centradas en los datos. Al hacer que la estructura del mapa dependa de los datos de entrenamiento, los autores argumentan que el sistema introduce una capa adicional de seguridad que resiste la ingeniería inversa y los ataques de texto plano conocido de manera más efectiva que los esquemas tradicionales. Los autores afirman que este enfoque no solo proporciona más opciones para el diseño de algoritmos, sino que también ofrece una solución al problema de la baja seguridad en los algoritmos existentes basados en caos. El trabajo futuro se describe como la extensión del método a sistemas hipercaóticos y su validación en series temporales experimentales de circuitos caóticos físicos.