💻 computer science

A Grayscale image encryption using cubic fractional transformation and logistic map

本論文は、置換、拡散、およびXORベースの攪乱を行うために、ロジスティック写像と3次分数変換によって生成されたSボックスを組み合わせたグレースケール画像暗号化スキームを提案し、包括的な統計解析および鍵感度分析を通じて強固なセキュリティを実証するものである。

原著者： Abdul Qadeer, Rashid Ali, Tahir Sajjad Ali

公開日 2026-07-22

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Abdul Qadeer, Rashid Ali, Tahir Sajjad Ali

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

デジタル世界を、データが通貨であり、画像が最も価値のある宝石として取引される、活気ある都市であると想像してみてください。この高速な交換作業において、それらの宝石を泥棒から守り続けることは、絶え間ない戦いです。これが、暗号学（秘密の書き方の科学）の世界です。その核心には、シンプルながらも強力なアイデアがあります。それは、あなたの顔の写真のような認識可能なものを、適切な鍵を持たない者には単なる静止ノイズ（砂嵐）のように見えるまで徹底的にかき乱すというものです。これを行うために、暗号学者は主に2つのトリックを使用します。第一に、**置換（substitution）**です。これは、単語のすべての文字を、秘密のコードブックに従って全く別の記号に入れ替えるようなものです。第二に、**かき混ぜ（scrambling）**です。これは、トランプのデッキを取り出し、順番が混沌とするまでシャッフルしてから配るようなものです。目標は、最終的な結果を、いかなるパターンも見いだせないほどランダムに見せることであり、これにより、たとえハッカーがメッセージを盗んだとしても、それを解読するための特定の指示なしには意味を成さないようにすることです。

「A Grayscale image encryption using cubic fractional transformation and logistic map（立方分数変換とロジスティック写像を用いたグレースケール画像の暗号化）」と題された論文の中で、研究者のアブドゥル・カディール、ラシド・アリ、およびタヒル・サジャド・アリは、グレースケイル画像（白黒写真）をかき混ぜるための、新しい3ステップのレシピを提案しています。彼らは単一のトリックを使うのではなく、カスタムメイドのコードブック、数学的なシャッフルマシン、そしてカオス生成器を組み合わせることで、画像の周囲に要塞を築いています。

まず、チームは独自のS-box（置換ボックス）を構築します。これは彼らの秘密のコードブックとして機能します。標準的またはランダムなコードブックを使用する代わりに、彼らは**立方分数変換（Cubic Fractional Transformation: CFT）**と呼ばれる数学的公式を用いてこれを構築します。これは、写真のグレーの階調を表す0から255までのすべての数字が、新しい予測不可能な数字に入れ替わる、唯一無二の特注の暗号ホイールを焼き上げるようなものだと考えてください。著者らは、この特定の数学的レシピが、非常に非線形であり、一般的な攻撃に対して耐性を持つ（平均非線形性は106.75）コードブックを生み出すと示唆しています。

ピクセル値がこのカスタムコードブックによって入れ替えられた後も、画像の形状自体は変わりませんが、色は変わっています。次のステップは、置換（permutation）、すなわちシャッフルです。研究者たちは、同じCFTの数学を用いて、2つのランダムな数列を生成します。これらの数列は、円環シフトを実行するための指示セットとして機能します。これは、画像の行と列を、秘密鍵によって決定される方法で、スライドパズルのように円を描くようにスライドさせることを意味します。このステップにより、ピクセルは配置換えされ、もともと隣り合っていたピクセルが遠く離れた場所へと移動し、局所的なパターンを破壊します。

最後に、チームは**ロジスティック写像（Logistic map）を用いたかき混ぜ（scrambling）**プロセスを適用します。これは、カオス的で予測不可能な数列を生み出すことで有名な数学的関数です。彼らはこれを使用して、ランダムな数値のストリームを生成します。その後、シャッフルされた画像とこのランダムなストリームとの間で、ブール演算XOR（一種のバイナリ数学）を実行します。これが最終的なロックとなります。これは画像データを混沌と混合し、元の画像や鍵のわずかな変化が、最終的な画像に全く異なる結果をもたらすことを保証します。

研究者たちは、「Lena」、「Baboon」、「Clock」といった標準的なテスト画像を用いて彼らの手法をテストしました。彼らのシミュレーションによれば、暗号化された画像は純粋な静止ノイズのように見えます。彼らがエントロピー（ランダム性の尺度）を測定したところ、暗号化された画像は理想的な最大値である8に非常に近い値（具体的には約7.997）を示し、データが高度にランダムであることを示唆しました。また、彼らは鍵感受性（key sensitivity）についても確認し、秘密鍵を極めて微量（例えば0.000000000000005）変更しただけで、元の画像を復元することが不可能になることを見出しました。これは、システムが正しい鍵に対して極めて敏感であることを証明しています。さらに、NPCR（画素変化率）およびUAI（統一平均変化強度）の値は高く（それぞれ約99.6%および33.4%）、元の写真のたった1つのピクセルの変化が、暗号化されたバージョンにおいて大規模かつ予測不可能な変化を引き起こすことを示しています。

本論文は、CFT生成のS-box、CFTベースのシャッフル、およびロジスティック写像のかき混ぜの組み合わせが、堅牢な暗号化スキームを作り出すことを示唆しています。著者らは、彼らの手法が、鍵を推測しようとしたり、画像の統計的パターンを分析したりするような一般的な暗号学的攻撃に耐えると結論づけています。しかし、これらの知見は、テスト画像に対するアルゴリズムの性能に関するシミュレーションと数学的分析に基づいたものであり、活動的なハッカーに対する現実世界での展開に関するものではありません。この研究は、視覚的なデータがますます貴重となっている時代において、デジタル画像を保護するための安全な方法を提案しており、視覚データを封じ込めるための新しい方法を提示しています。

技術要約：3次分数変換とロジスティック写像を用いたグレースケール画像の暗号化

問題提起
現代のテクノロジー時代において、情報技術の急速な進化は、特に画像ベースの情報保護のための堅牢な手法を必要としています。対称鍵および非対称鍵システムを含む様々な暗号化技術が存在しますが、認識可能な画像を認識不可能な形式に変換することで安全な伝送を確保する、効率的なアルゴリズムへの継続的なニーズがあります。既存の手法はしばしばカオス系や代数構造に依存していますが、著者らは、差分攻撃、線形攻撃、および統計的解析といった一般的な暗号解読攻撃に耐えるために、置換（substitution）、置換（permutation）、および拡散（diffusion）の特性を効果的に組み合わせるスキームの必要性を指摘しています。

手法
本論文は、3次分数変換（Cubic Fractional Transformation: CFT）とロジスティック写像を用いて生成された置換ボックス（S-box）を統合した、新しいグレースケール画像暗号化スキームを提案しています。 $256 \times 256$ のグレースケール画像の暗号化プロセスは、以下の3段階のワークフローに従います。

S-Boxの生成と置換（Substitution）:
- S-boxは、3次分数変換（CFT）を用いて構築されます。この変換は、 $F(x) = \frac{1}{ax^3 + b} \mod (2n+1)$ と定義され、特定のパラメータ $a=95$ および $b=15$ を用います。
- 無効な出力（具体的には分母がゼロになる場合、または結果が有効な範囲外に外れる場合）を処理するために、著者らは修正されたCFTを適用し、問題のある入力（ $x=176$ および $x=184$ ）に対して特定の値（0 および 106）を割り当てます。
- この生成されたS-boxを使用して元の画像の画素値を置換し、置換後の画像行列 $S'$ を作成します。
置換（Permutation / Diffusion）:
- 置換プロセスを駆動するために、異なるパラメータセット（ $k_1$ および $k_2$ ）を持つCFTを用いて2つのランダムな数列を生成します。
- アルゴリズムは、第1の数列を用いて置換後の画像 $S'$ に対して列方向の巡回シフト（column-wise circular shift）を適用し、続いて第2の数列を用いて行方向の巡回シフト（row-wise circular shift）を適用します。これにより、暗号化前画像 $P$ が得られます。
攪乱（Scrambling / Confusion）:
- $t_{n+1} = \gamma \times t_n (1 - t_n)$ で定義されるロジスティック写像を利用して、カオス数列を生成します。
- この数列は過渡現象を除去するために処理され、8ビットの整数値に変換されます。
- 暗号化前の画像の画素とカオス数列との間でビット単位のXOR演算が行われます。このプロセスでは、現在の暗号化画素が、直前の暗号化画素、現在の暗号化前画素、およびカオス数列の値に依存するフィードバック機構を採用しています。

復号
復号アルゴリズムはプロセスを逆転させます：

ロジスティック写像によって生成された同じカオス数列を使用して、XOR演算を逆転させます。
CFT生成された数列を使用して、行方向および列方向の巡回シフトを逆転させます。
元の画素値を復元するために、逆S-box（元のCFTパラメータから導出されたもの）を適用します。

主な貢献

斬新なS-Box構築: 本論文は、線形分数変換に関する先行研究を拡張し、S-boxの構築に特に3次分数変換を利用する初めての手法であると主張しています。
ハイブリッド・アプローチ: 本スキームは、代数的に構築されたS-boxの混乱（confusion）特性と、CFTベースの置換による拡散（diffusion）能力、およびロジスティック写像のカオス的なランダム性を効果的に組み合わせています。
包括的なセキュリティ分析: 著者らは、標準的な暗号学的指標に対して提案されたスキームの厳格な評価を提供しています。

結果と性能
アルゴリズムは、MATLAB R2017aを使用し、標準的なグレースケール画像（Clock, Lena, Baboon, Pepper, Female）を用いてテストされました。結果は以下を示しています：

鍵空間: 本スキームは4つの秘密鍵（ $k_0, k_1, k_2, k_3$ ）を利用し、その鍵空間は $2^{147}$ であり、ブルートフォース攻撃（総当たり攻撃）に耐えるための最小要件を超えています。
鍵感度: システムは鍵の変化に対して非常に敏感です。ロジスティック写像のパラメータ $\gamma$ に対する微小な変化（例：$0.000000000000005$）が、全く異なる復号画像をもたらし、不正アクセスを防止します。
差分解析: 提案手法は高いNPCR（画素変化率）およびUACI（平均変化強度）を達成しています。例えば、Lena画像ではNPCR 99.5910%、UACI 33.3255%を記録しており、既存のスキームと同等またはそれを上回る数値を示しており、既知平文攻撃および選択平文攻撃に対する強力な耐性を示しています。
相関係数: 暗号化は隣接する画素間の相関を大幅に減少させます。元の画像が高い相関（例：Lenaの水平方向で0.9451）を示す一方で、暗号化画像はゼロに近い値（例：-0.0049）を示し、統計的な関係性を効果的に断ち切っています。
エントロピー: 暗号化画像の情報エントロピーは理想的な値である8に接近しています（例：Lenaで7.9973）。これは高いランダム性と予測不可能性を示しています。
ヒストグラム解析: 暗号化画像のヒストグラムは一様分布を示しており、元の画像の構造に関する統計的なヒントを一切残していません。

意義と主張
著者らは、提案されたアルゴリズムがグレースケール画像暗号化のための安全かつ効果的な手法であると主張しています。彼らは、CFTを通じて構築された特定のS-boxが、高い非線形性（平均106.75）、低い線形確率（0.1484）、および低い差分確率（0.0391）を含む強力な暗号特性を備えており、線形および差分暗号解読に対して耐性があることを断言しています。本研究は、CFTベースの置換・置換とロジスティック写像ベースの攪乱の組み合わせが、様々な種類の画像に対して暗号化を行うのに適した、一般的な暗号攻撃に耐えうる堅牢なシステムを構築することを結論付けています。

関連論文