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

技術要約：畳み込みニューラルネットワークと動的S-Box生成に基づく画像暗号化アルゴリズム

問題提起
従来の画像暗号化アルゴリズムは、データの大量性、強い空間相関、およびデータのクラスタリングといった画像データの特有の性質に対して、しばしば課題を抱えています。AESのような従来の対称鍵アルゴリズムは、非線形性と混乱（Confusion）を導入するために固定された置換ボックス（S-box）に依存しています。しかし、これらの固定S-boxは特定の入力データに対する適応性に欠け、線形および差分解読分析に対して脆弱になる可能性があります。近年の研究では、カオス系やメタヒューリスティック最適化を用いてS-boxの適応性を向上させる試みがなされていますが、その多くは非データ駆動型または手動設計であり、柔軟性や高度な攻撃に対するセキュリティが制限されています。したがって、安全で画像特有のS-boxを生成できる、インテリジェントでデータ駆動型のシステムの必要性が示されています。

手法
提案されるフレームワークは、畳み込みニューラルネットワーク（CNN）を古典的な暗号理論的原理と統合した、動的な画像暗号化スキームを導入するものです。この手法は、主に以下の5つの段階で進行します。

1. データセットの準備と前処理： グレースケール画像パッチ（例：USC-SIPI、MNIST、またはCIFAR-10）のデータセットを、$N \times N$（例：$32 \times 32$）にリサイズし、範囲 $[0, 1]$ にスケーリングします。目的は、CNNを訓練するための統計的および空間的パターンを抽出することです。
2. CNNベースのS-Box生成： CNNは、理想的な置換変換を学習するように訓練されます。
   • アーキテクチャ： ネットワークは、画像の複雑さを抽出するためのReLU活性化関数を備えた畳み込み層と、置換値（16または64要素のベクトル）へとマッピングする全結合層を利用します。
   • 出力の強制： カスタム出力層により、生成されたベクトルが有効な全単射S-box（$[0, 255]$ 内の異なる値の置換）を形成することを保証します。これには、重複した値を破棄し、CNNの重みに駆動されるハイブリッドノイズ注入アルゴリズムを用いてそれらを再生成するプロセスが含まれます。
   • 損失関数： 訓練には、多目的損失関数 $Loss = -(\alpha \cdot \text{Nonlinearity} + \beta \cdot \text{SAC} + \gamma \cdot \text{BIC} + \delta \cdot \text{Uniformity})$ を採用します。これは、線形解読への耐性、厳密な雪崩効果（SAC）、ビット独立性基準（BIC）、および値の均一性のために最適化されます。
3. S-Boxの評価： 生成されたS-boxは、暗号規格（非線形性、SAC、差分一様性、ビット独立性）に対して厳格にテストされます。あらかじめ設定された閾値を超えるもののみが暗号化に使用されます。
4. 暗号化プロセス： 本スキームは、複数ラウンド（通常は3〜5ラウンド）にわたって繰り返される、修正された置換・置換ネットワーク（SPN）アーキテクチャを利用します。
   • 置換（Substitution）： ピクセル値を、動的に生成されたCNNベースのS-boxを用いて置き換えます。
   • 置換（Permutation）： ピクセルの位置を、秘密鍵によって反復実行されるカオス写像（例：ロジスティック写像またはローレンツ写像）から導出された置換ベクトルを用いて並べ替えます。
   • 拡散（Diffusion）： 第2のCNNベースのS-boxまたは疑似乱数生成器（PRNG）によって生成されたキーストリームと、置換された画像との間で、ピクセル単位のXOR演算が適用されます。
5. 復号： 元の画像をロスレスで復元するために、逆置換ベクトルと動的S-boxの逆関数を用いて、プロセスを逆転させます。

主な貢献

• 適応型S-Box生成： 本フレームワークは、学習された特徴量によって置換パターンが駆動される、動的なS-boxを生成します。これにより、静的な手法と比較して非線形性と混乱が強化されます。
• ハイブリッドセキュリティアーキテクチャ： 深層学習とカオス非線形系の統合により、ランダム性と複雑性が増し、特に差分攻撃および統計的攻撃に対する耐性を高めています。
• 性能とスケーラビリティ： アルゴリズムは低重量かつスケーラブルに設計されており、高解像度画像データを保護しながら、リアルタイムアプリケーションへの適用能力を示しています。
• 包括的な評価： 本研究は、標準的なベンチマーク画像（Baboon、House、Airplane、Pepper）を用いてアルゴリズムを批判的に検証し、その性能を従来のおよび最新の暗号化アルゴリズムと比較しています。

実験結果
提案手法は、いくつかの暗号指標を用いて標準的なテスト画像に対して評価されました。

• エントロピー： 値は理想的な最大値である8.0に接近しました（7.9947から7.9980の範囲）。これは、ピクセル分布が極めて予測困難であることを示しています。
• NPCR（Number of Pixels Change Rate）： 結果は99.5%を超え（例：Baboonで99.610%）、微細な入力変化に対する高い感度と、差分攻撃に対する強い耐性を実証しました。
• UACI（Unified Average Changing Intensity）： スコアは理想的な33%付近を推移し（例：33.42%）、元の画像と暗号化された画像との間の顕著な差異を確認しました。
• 相関： 隣接するピクセル間の平均相関係数はほぼゼロであり（例：0.0058）、平文の自然な空間相関を効果的に破壊しました。
• ヒストグラムの一様性： 暗号化された画像は平坦で一様なヒストグラムを示し、視覚的パターンを消失させました。
• 堅牢性： システムは、クロッピング（最大20%）やノイズ攻撃（ガウスおよびソルト・アンド・ペッパー）に対して耐性を示し、許容可能なPSNRおよびSSIM値とともに、認識可能な特徴を維持しました。
• NIST統計テスト： 生成された暗号鍵は、主要なNIST統計テスト（周波数、ラン、系列、線形複雑性など）をすべて通過し、p値は有意水準である0.01を上回りました。
• 速度： 暗号化および復号時間は、テストされた画像サイズに対して50ミリ秒未満であり、計算効率を確認しました。

意義と主張
本論文は、提案されたCNNベースの動的S-boxアプローチが、従来の固定S-box法と比較して、性能、複雑性、およびセキュリティの間の優れたバランスを提供すると主張しています。置換メカニズムをデータ駆動型かつ画像特有のものにすることで、既知平文攻撃、差分攻撃、および統計的攻撃に対する耐性を大幅に高めています。著者らは、この手法が従来の画像暗号化におけるトレードオフを解決し、現代のマルチメディアおよび通信システムにおける安全な転送と保存に適した、堅牢でインテリジェントなソリューションを提供すると断言しています。本研究は、暗号コンポーネントの設計への深層学習の統合が、より信頼性が高く効率的な画像暗号化システムへの実行可能な道筋であることを結論付けています。