MMIF: GPU-Accelerated Parallel Cryptographic Permutation Network for Secure Multimodal Medical Image Fusion in Brain Tumor Detection

आधुनिक अस्पताल में, मानव शरीर के भीतर देखने की डॉक्टर की क्षमता पहले से कहीं अधिक सटीक हो गई है। विभिन्न स्कैनरों—जैसे कि सीटी स्कैन से प्राप्त विस्तृत संरचनात्मक मानचित्र, एमआरआई की सॉफ्ट-टिश्यू स्पष्टता, और पीईटी स्कैन द्वारा दिखाई गई चयापचय गतिविधि—से छवियों को संयोजित करके, चिकित्सक मस्तिष्क ट्यूमर का एक एकल, व्यापक चित्र बना सकते हैं। यह प्रक्रिया, जिसे मल्टीमॉडल इमेज फ्यूजन कहा जाता है, सटीक निदान और सर्जिकल योजना के लिए महत्वपूर्ण है। हालाँकि, यह शक्तिशाली उपकरण एक नई भेद्यता भी पैदा करता है। इन संलयित (फ्यूज्ड) छवियों में अत्यधिक संवेदनशील रोगी डेटा होता है, और जैसे-जैसे वे कंप्यूटरों के बीच स्थानांतरित होते हैं या बाद में समीक्षा के लिए संग्रहीत किए जाते हैं, उनके चोरी होने या अनधिकृत आँखों द्वारा देखे जाने का जोखिम रहता है। इस डेटा की सुरक्षा करना आवश्यक है, लेकिन पारंपरिक तरीके जो इसे सुरक्षित रखने के लिए उपयोग किए जाते हैं, अक्सर एक भारी कीमत वसूलते हैं: वे धीमे होते हैं। एक व्यस्त क्लिनिक में, एक कंप्यूटर द्वारा छवि को स्क्रैम्बल (बदलने) करने के दौरान लगने वाले कुछ सेकंड का विलंब भी देखभाल के प्रवाह को बाधित कर सकता है, जिससे डॉक्टरों को उन परिणामों को देखने के लिए इंतजार करना पड़ता है जिनकी उन्हें आवश्यकता होती है।

VIT-AP यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इन मेडिकल छवियों को सुरक्षित करने का एक नया तरीका विकसित किया है जो सुरक्षा से समझौता किए बिना इस गति की समस्या को हल करता है। उनका दृष्टिकोण, जिसे वे 'पैरेलल क्रिप्टोग्राफिक परम्यूटेशन नेटवर्क' कहते हैं, एन्क्रिप्शन प्रक्रिया के काम करने के तरीके को मौलिक रूप से बदल देता है। छवि को डेटा के एक एकल ब्लॉक के रूप में मानने के बजाय, जिसे चरण-दर-चरण लॉक किया जाना चाहिए, वे छवि को आठ अलग-अलग परतों, या बिट-प्लेन में विभाजित करते हैं। कल्पना कीजिए कि एक डिजिटल फोटोग्राफ पारदर्शी शीटों का एक ढेर है, जहाँ प्रत्येक शीट दृश्य जानकारी का एक विशिष्ट हिस्सा रखती है। शोधकर्ताओं ने महसूस किया कि इन शीटों को एक के बाद एक, बल्कि स्वतंत्र रूप से और साथ-साथ (समानांतर रूप से) शफल किया जा सकता है। ऐसा करके, शक्तिशाली ग्राफिक्स प्रोसेसर का उपयोग करते हुए, जो एक साथ हजारों कार्यों को संभालने के लिए डिज़ाइन किए गए हैं, उन्होंने एक धीमी, क्रमिक प्रक्रिया को एक तीव्र, समानांतर प्रक्रिया में बदल दिया।

उनकी पद्धति का मूल भाग अराजकता (केओस) और जीव विज्ञान से प्रेरित कोडिंग का चतुराईपूर्ण उपयोग है ताकि शफलिंग पैटर्न बनाया जा सके। सिस्टम पहले एक 'केओटिक सीक्वेंस' उत्पन्न करता है, जो संख्याओं की एक ऐसी धारा है जो यादृच्छिक (रैंडम) प्रतीत होती है और अपनी शुरुआती स्थितियों के प्रति अत्यंत संवेदनशील होती है, ठीक वैसे ही जैसे मौसम में एक छोटा सा बदलाव कुछ दिनों बाद एक पूरी तरह से अलग तूफान का कारण बन सकता है। इस केओटिक धारा को फिर डीएनए के चार बिल्डिंग ब्लॉक्स पर आधारित एक कोड में अनुवादित किया जाता है। इन जैविक प्रतीकों का उपयोग प्रत्येक आठ छवि परतों में पिक्सेल को पुनर्व्यवस्थित करने के लिए निर्देशों का एक अनूठा सेट बनाने के लिए किया जाता है। क्योंकि परतों को एक ही समय में प्रोसेस किया जाता है, कंप्यूटर को अगली परत शुरू करने से पहले एक परत के समाप्त होने का इंतजार नहीं करना पड़ता। एक बार जब परतों को शफल कर दिया जाता है, तो उन्हें एक एकल छवि में पुन: संयोजित किया जाता है और एक सरल गणितीय ऑपरेशन का उपयोग करके सुरक्षा की एक अंतिम परत दी जाती है जो डेटा को यादृच्छिक संख्याओं की दूसरी धारा के साथ मिला देती है। यह अंतिम चरण सुनिश्चित करता है कि मूल छवि में एक सूक्ष्म परिवर्तन भी पूरी तरह से अलग एन्क्रिप्टेड संस्करण में बदल जाए, जिससे हमलावर के लिए मूल सामग्री का अनुमान लगाना अत्यंत कठिन हो जाता है, हालांकि शोधकर्ताओं ने उल्लेख किया है कि विशिष्ट प्लेनटेक्स्ट-साइफरटेक्स्ट पेयर्स तक पहुंच रखने वाला एक दृढ़ हमलावर संभावित रूप से अंतर्निहित अनुक्रमों को पुनर्गठित कर सकता है।

जब शोधकर्ताओं ने ब्रेन ट्यूमर छवियों पर अपने सिस्टम का परीक्षण किया, तो परिणाम आश्चर्यजनक थे। नई पद्धति ने सुरक्षा का एक ऐसा स्तर प्राप्त किया जो सबसे जटिल मौजूदा तकनीकों के बराबर है, जिसमें एन्क्रिप्टेड छवियां किसी भी अवलोकनकर्ता के लिए कोई भी पहचान योग्य पैटर्न नहीं दिखातीं और रैंडम स्टैटिक (शोर) की तरह दिखाई देती हैं। इससे भी महत्वपूर्ण बात यह है कि गति परिवर्तनकारी थी। जहाँ पुराने तरीकों को एक मानक मेडिकल इमेज को एन्क्रिप्ट करने में बारह मिलीसेकंड से अधिक का समय लगता था, वहीं इस नए सिस्टम ने कार्य को मात्र 0.42 मिलीसेकंड में पूरा कर लिया। यह पारंपरिक दृष्टिकोणों की तुलना में लगभग तीस गुना की गति वृद्धि है। सिस्टम ने कंप्यूटर के ग्राफिक्स प्रोसेसर का पूर्ण उपयोग किया, जो 92.4 प्रतिशत उपयोग तक पहुँच गया, जबकि पुराने तरीके उपलब्ध शक्ति के पांचवें हिस्से का भी उपयोग करने में संघर्ष करते थे क्योंकि उनकी चरण-दर-चरण प्रकृति उन्हें समानांतर में काम करने से रोकती थी।

महत्वपूर्ण रूप से, शोधकर्ताओं ने पुष्टि की कि इस तीव्र एन्क्रिप्शन ने छवियों के चिकित्सा मूल्य को नुकसान नहीं पहुँचाया। क्योंकि यह प्रक्रिया गणितीय रूप से प्रतिवर्ती (रिवर्सिबल) है, मूल संलयित छवि को बिना किसी विवरण या गुणवत्ता के नुकसान के डिक्रिप्शन के बाद पूरी तरह से पुनः प्राप्त किया जा सकता है। इसका अर्थ है कि एक सर्जन एन्क्रिप्टेड छवि को देख सकता है, उसे तुरंत डिक्रिप्ट कर सकता है, और ट्यूमर की सीमाओं को बिल्कुल वैसा ही देख सकता है जैसा वे पहले थीं, बिना किसी विरूपण के जो गलत निदान का कारण बन सकता है। अध्ययन ने यह भी दिखाया कि सिस्टम विभिन्न प्रकार के साइबर हमलों के खिलाफ मजबूत है, जिसमें वे हमले भी शामिल हैं जहाँ एक हमलावर यह विश्लेषण करके कुंजी का अनुमान लगाने की कोशिश करता है कि इनपुट में छोटे बदलाव आउटपुट को कैसे प्रभावित करते हैं। डीएनए-प्रेरित शफलिंग और अंतिम मिक्सिंग स्टेप के संयोजन ने एक मजबूत ढाल बनाई जिसने डेटा को सुरक्षित रखते हुए आधुनिक क्लिनिकल वर्कफ्लो की गति से काम किया।

यह कार्य यह सुझाव देता है कि सुरक्षा प्रणाली के आर्किटेक्चर को फिर से सोचकर मेडिकल इमेजिंग में धीमी एन्क्रिप्शन की बाधा को हटाया जा सकता है। क्रमिक, चरण-दर-चरण लॉकिंग से हटकर समानांतर प्रसंस्करण को अपनाकर, यह संभव है कि मरीजों की गोपनीयता की रक्षा की जाए बिना उन डॉक्टरों की गति को धीमा किए बिना जिन्हें जीवन बचाने की आवश्यकता है। शोधकर्ता स्वीकार करते हैं कि हालांकि उनकी पद्धति उस विशिष्ट हार्डवेयर पर अत्यधिक प्रभावी है जिस पर उन्होंने परीक्षण किया है, भविष्य के कार्यों में यह पता लगाने की आवश्यकता होगी कि यह विभिन्न प्रकार के कंप्यूटरों और विभिन्न प्रकार की मेडिकल छवियों पर कैसा प्रदर्शन करती है। उन्होंने यह भी नोट किया कि अस्पतालों में व्यापक रूप से अपनाए जाने के लिए, इसे उन मानक सुरक्षा प्रोटोकॉल और की-मैनेजमेंट सिस्टम के साथ एकीकृत करने की आवश्यकता होगी जो पहले से ही उपयोग में हैं। फिर भी, अध्ययन एक स्पष्ट मार्ग प्रदान करता है: आधुनिक ब्रेन ट्यूमर डिटेक्शन को संचालित करने वाले संवेदनशील डेटा को संभालने का एक सुरक्षित, तेज़ और लॉसलेस तरीका, यह सुनिश्चित करते हुए कि रोगियों को ठीक करने के लिए उपयोग की जाने वाली तकनीक उन लोगों से सुरक्षित रहे जो उन्हें नुकसान पहुँचाना चाहते हैं।