An (n, n) Threshold Color QR Code-based Visual Secret Sharing Scheme for Privacy Images

Resumen Técnico: Un esquema de distribución de secretos visuales basado en códigos QR de color con umbral (n, n) para imágenes de privacidad

Declaración del Problema
Los esquemas de Distribución de Secretos Visuales (VSS, por sus siglas en inglés) son técnicas criptográficas diseñadas para codificar imágenes secretas en múltiples partes distribuidas, lo que permite la transmisión segura de contenido sobre canales públicos sin exponer el contenido original. Aunque los esquemas de VSS tradicionales protegen eficazmente imágenes binarias, en escala de grises y a color, a menudo sufren dos limitaciones críticas en aplicaciones prácticas:

1. Partes sin sentido: La mayoría de los esquemas existentes generan partes que aparecen como ruido aleatorio y sin estructura. Estas partes "sin sentido" pueden despertar sospechas entre posibles atacantes, reduciendo la seguridad práctica de la transmisión.
2. Recuperación con pérdida o complejidad: Muchos esquemas capaces de manejar imágenes a color de tono continuo resultan en una recuperación imperfecta (errores residuales) o dependen de cálculos criptográficos complejos. Por el contrario, los esquemas que logran una recuperación sin pérdida aún pueden producir partes sin sentido.

El artículo aborda el desafío de diseñar un esquema de VSS que garantice simultáneamente la reconstrucción sin pérdida de imágenes a color de tono continuo y genere partes significativas e inocuas que se mezclen en entornos digitales cotidianos para evitar la detección.

Metodología
Los autores proponen un nuevo esquema de Distribución de Secretos Visuales de umbral (n, n) basado en códigos QR de Color (CQR), denominado CQRVSS. La metodología central aprovecha la redundancia de color inherente a los códigos QR para encriptar imágenes secretas.

• Concepto Fundamental: Los códigos QR estándar consisten en módulos negros y blancos. El esquema explota el hecho de que los decodificadores de códigos QR dependen del contraste de luminancia en lugar de tonos específicos. Al reemplazar los módulos negros por colores "oscuros" específicos y los módulos blancos por colores "claros" específicos, los autores generan códigos CQR que siguen siendo decodificables por escáneres estándar mientras transportan datos ocultos.
• Selección de Color y Análisis de Luminancia:
  • El esquema utiliza el modelo de color RGB. Define dos conjuntos de colores, $E_0$ (oscuro) y $E_1$ (claro), basados en cálculos de luminancia (utilizando el modelo YIQ).
  • Para garantizar la seguridad y evitar la recuperación parcial con menos de $n$ partes, los autores introducen valores aleatorios en los canales de color. Esto modifica los colores base (por ejemplo, Rojo, Verde, Azul, Cian, Magenta, Amarillo) para crear conjuntos modificados $\hat{E}_0$ y $\hat{E}_1$. Esto asegura que cualquier parte individual o subconjunto de partes no revele información sobre el secreto.
• Proceso de Encriptación (Distribución de Secretos):
  • El esquema requiere $n$ códigos QR de cobertura (donde $n \ge 4$).
  • Para cada píxel de la imagen secreta, el algoritmo selecciona cuatro códigos QR de cobertura distintos.
  • Dependiendo de la combinación de módulos negros (K) y blancos (W) en los códigos QR de cobertura seleccionados en una coordenada específica, el algoritmo modifica los valores de color correspondientes en las cuatro partes.
  • La modificación implica operaciones XOR bit a bit en los canales Rojo, Verde y Azul. El proceso asegura que la suma XOR de todas las $n$ partes en cualquier posición de píxel reconstruya exactamente el valor del píxel del secreto original.
  • El algoritmo maneja varios escenarios (por ejemplo, 4K, 4W, 3K1W, 2K2W, 1K3W) seleccionando combinaciones de colores específicas de los conjuntos modificados para mantener un alto contraste para la legibilidad del decodificador mientras se integra el secreto.
• Proceso de Desencriptación:
  • El receptor debe poseer todas las $n$ partes.
  • La desencriptación se realiza aplicando una operación XOR bit a bit a través de todas las $n$ partes píxel por píxel.
  • El resultado es la recuperación sin pérdida de la imagen a color de tono continuo original.

Contribuciones Clave

1. Partes con Sentido: El esquema utiliza códigos QR de color como partes. A diferencia del ruido aleatorio, estas partes son códigos QR válidos y decodificables que transportan información pública. Esto reduce significamente la sospecha de los atacantes que monitorean canales públicos, mejorando la seguridad práctica del esquema.
2. Recuperación Sin Pérdida: El método propuesto logra una reconstrucción perfecta y libre de errores de imágenes a color de tono continuo. Esto es crítico para aplicaciones que requieren alta fidelidad, como la imagenología médica, la microscopía científica y los dibujos de diseño.
3. Seguridad de Umbral (n, n): El esquema está diseñado para que menos de $n$ partes no revelen absolutamente ninguna información sobre el secreto. La introducción de valores aleatorios en los canales de color asegura que los intentos de reconstrucción parcial produzcan resultados aleatorios e ininteligibles.
4. Simplicidad: Los procesos de encriptación y desencriptación se basan en operaciones XOR simples y sustitución de color, evitando cálculos criptográficos complejos.

Resultados Experimentales
Los autores realizaron experimentos utilizando MATLAB R2016b con imágenes de prueba estándar (Baboon, Barbara) y la biblioteca ZXing para la generación de códigos QR.

• Calidad de Recuperación: En las configuraciones de umbral (4, 4) y (7, 7), las imágenes reconstruidas eran idénticas a las imágenes secretas originales. La Relación Señal-Ruido de Pico (PSNR) se calculó como $\infty$ dB, confirmando una recuperación sin pérdida.
• Seguridad: Los experimentos demostraron que reconstruir la imagen con menos de $n$ partes (por ejemplo, 2 o 3 partes en un esquema de (4,4)) resultaba en imágenes aleatorias y sin sentido, confirmando la condición de seguridad.
• Decodificabilidad: Las partes CQR generadas fueron decodificadas con éxito por un decodificador estándar de WeChat (versión de 8.0.54). El estudio encontró que se requiere un factor de escala (min) de al menos 2 para que las partes sean decodificables, recomendándose un factor de 5 o superior para asegurar que las partes parezcan visualmente naturales para el Sistema Visual Humano (HVS).

Significancia y Reivindicaciones
El artículo afirma que el esquema CQRVSS representa un avance significativo sobre los métodos existentes al resolver el compromiso entre la significatividad de las partes y la calidad de la recuperación.

• Seguridad Mejorada: Al reemplazar las partes sin sentido por códigos QR reconocibles, el esquema mitiga el riesgo de ataques dirigidos a paquetes de datos sospechosos.
• Practicidad: El uso de la infraestructura estándar de códigos QR y operaciones XOR simples hace que el esquema sea factible para su despliegue en el mundo real en redes públicas.
• Aplicabilidad: La capacidad de realizar una recuperación sin pérdida hace que el esquema sea adecuado para imágenes sensibles dependientes de los detalles (por ejemplo, tarjetas de identidad, registros de salud, datos organizacionales confidenciales) que no pueden tolerar los artefactos comunes en los esquemas de VSS basados en medio tono o rejillas difusas.

Los autores concluyen que, si bien la implementación actual es un esquema de umbral (n, n), el marco proporciona una base sólida para trabajos futuros que extiendan esto a configuraciones de umbral (k, n) más flexibles.