💻 computer science

Affine Encryption and Adaptive Single-Neighbor Prediction for High-Capacity Reversible Data Hiding in Encrypted Images

本論文は、ブロックごとのアフィン暗号化と適応型単一近傍予測器を組み合わせることで、既存の手法と比較して埋め込み容量を大幅に向上させ、分散に基づく分離性の必要性を排除しつつ、ブロックの分散を撹乱しながら埋め込み領域を確保する、暗号化画像向けの高容量可逆データ隠蔽スキームを提案する。

原著者： Ngoc Hung Nguyen, Van At Pham

公開日 2026-10-09

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Ngoc Hung Nguyen, Van At Pham

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

デジタル時代において、膨大な量のプライベートな写真は、暗号化によって守られ、他人の目に触れないようリモートサーバーに保存されています。この鍵は、サーバーを運営している人々でさえも画像を見ることができないようにするためのものです。しかし、ある実用的な問題が生じます。それは、サーバーが画像の中身を見ることなく、ラベルやセキュリティコードのような小さな情報をファイルに付加する必要がある場合です。もしサーバーが、そのメモを追加するためにファイルを開こうとすれば、プライバシーが侵害されてしまいます。しかし、ファイルを開けなければ、メモを隠すための空きスペースを見つけることもできません。科学者たちは、「暗号化された画像における可逆データ隠蔽（reversible data hiding）」と呼ばれる巧妙な回避策を開発しました。この技術により、サーバーはロックされた画像の中に余分なデータを詰め込むことができ、後で権限を持つ人がそのデータを回収し、あたかもデータが存在しなかったかのように、画像を正確に元の状態へと復元できるのです。課題は常に、画像の品質や鍵のセキュリティを損なうことなく、メッセージを隠すための十分なスペースを見つけることでした。

ベトナム科学技術アカデミーと工業技術経済大学の研究者による最近の研究は、現在利用可能な最も高度な手法における特定の弱点に対処しています。既存のトップクラスのシステムは、画像を小さなブロックに分割し、隣接するピクセル間の関係性を維持するように各ブロック内のピクセルを撹乱することで機能します。この維持された関係性が、データを隠すために利用できる冗長性のパターンを生み出します。しかし、研究者たちは、この主要な手法には2つの重大な欠陥があることを発見しました。第一に、この手法はブロック内のすべてのピクセルに全く同じ数値を加算することでピクセルを撹動していました。これは内部のパターンを維持してはいたものの、ブロック全体の「粗さ」や分散（バリアンス）は変化させませんでした。つまり、観察者は、暗号化されたブロックの統計的特性を見るだけで、画像の滑らかな平坦な領域と、複雑なテクスチャを持つ領域の違いを判別できてしまったのです。これはセキュリティ漏洩を意味します。第二に、この手法は、隣接するピクセルに基づいてあるピクセルがどうあるべきかを推測するために、固定された不変のルールを使用していましたが、そのルールは画像のあらゆる部分に対して必ずしも最も効率的な選択肢ではありませんでした。

これらの問題を解決するために、チームは単純な定数の加算に代わる、より複雑な「傾斜したシフト（slanted shift）」を用いた新しいアプローチを提案しました。ブロック内のピクセルを平らな床だと想像してみてください。旧来の手法は、床全体を同じ量だけ持ち上げるものでしたが、それによって傾きは変わりませんでした。新しい手法は、床を傾け、片側をもう一方よりも高く持ち上げます。この傾きは、データ隠蔽サーバーが所有する特別な鍵を用いて計算されますが、サーバーが実際の明るさを知ることなく、隣接するピクセル間の差異を見ることができるように設計されています。この傾斜によってブロックの分散が変化するため、滑らかな領域とテクスチャのある領域の統計的な差が消失し、暗号化された画像を分析することが非常に困難になります。さらに、このシフトはブロック全体にわたる直線であるため、数学的な隣接関係の差が完璧に相殺されます。これにより、データ隠蔽サーバーは、真の画像値を隠している秘密のオフセットを知ることなく、暗号化された数値に対して直接作業を行うことができるのです。

この暗号化の変化に伴い、データの隠蔽方法にも変更が必要となりました。以前のシステムは、3つの隣接するピクセルの複雑な平均を用いて予測を行っていましたが、その手法は新しい傾斜したシフトには対応できませんでした。研究者たちはこれを、新しい暗号化においても確実に機能する、より単純な単一隣接ピクセル予測に置き換えました。また、予測の開始地点をブロック内でテストし、隠されたメッセージのためのスペースを最も多く創出できる場所を選択する適応型システムを導入しました。この柔軟性は、固定された単一のルールではスペースが不足してしまうような、複雑なテクスチャを持つ画像において特に有用です。これらの改善を組み合わせることで、研究者たちは、修正されたブロックを追跡するための別途のマップを使用する必要性を排除し、以前はスペースを浪費していた工程を解消しました。

標準的な画像セットおよび一般的な画像セットを用いた実験結果は、この新手法が完全に可逆であり、かつ大幅に効果的であることを示しています。標準的なテスト画像において、新技術は以前の最高の手法と比較して、隠蔽できるデータ量を約16%増加させ、1.48 bits per pixelに達しました。より多様で汎用的な画像においては、その改善はさらに顕著であり、容量を4%から12%向上させ、最大2.01 bits per pixelに達しました。決定的なことに、新手法はブロックの分散を、滑らかな領域とテクスチャのある領域を区別できないレベルまで撹乱することに成功し、セキュリティ漏洩をランダムな偶然と同等のレベルまで低減させました。この研究は、暗号化の幾何学的な構造を「平らなシフト」から「傾斜したシフト」へと変更し、それに合わせて予測戦略を適応させることで、元の画像を完璧に復元する能力を損なうことなく、暗号化された画像により多くのデータをより安全に隠すことが可能であることを裏付けています。

技術要約：暗号化画像における高容量可逆データ隠蔽のためのアフィン暗号化および適応型単一近傍予測

問題提起
暗号化画像における可逆データ隠蔽（RDHEI）は、クラウドサービスが暗号化された画像の中に補助データ（ラベル、認証コードなど）を、画像を復号することなく埋め込むことを可能にする。これにより、権限を持つユーザーは後にデータを抽出し、元の画像を完全に復元することができる。空き領域を確保する手法であるVRAE（Vacating Room After Encryption）は、コンテンツ所有者の処理負荷が最小限で済むため、クラウドへのアウトソーシングに適しているが、高い埋め込み容量を実現することは依然として困難である。

著者らは、Chaiら[16]による最近のベースライン手法における特定の弱点を特定している。当該手法は、埋め込みのためにブロック内の画素の冗長性を維持する相関保存型暗号化を利用している。このベースラインは、ブロック内のすべての画素に一定のオフセットを加えるブロックレベルの暗号化を採用している。著者らは、このアプローチにおける2つの決定的な欠陥を指摘している：

統計的漏洩： ブロック内のすべての画素に同じ定数が加算されるため、ブロックの分散は変化しない。これにより、たとえグローバルなエントロピーが高く見えたとしても、観測者は分散に基づいて平滑なブロックとテクスチャのあるブロックを区別できてしまう。
不適切な予測： ベースラインは、予測器として固定された参照位置と3近傍平均を使用している。このヒューリスティックはすべての画像領域に対して最適ではなく、埋め込み容量を制限している。

手法
提案手法は、VRAEの一般的な構造（ブロック置換、暗号化、予測、およびHBP-RMC：High-Bit-Plane Redundancy Coding）を維持しつつ、特定された弱点に対処するために暗号化および予測ステージを再設計している。

相関保存型アフィン暗号化：
定数のオフセットを加える代わりに、コンテンツ所有者は各ブロックに対して、 $Z_B(i, j) = (X_B(i, j) + a_B i + b_B j + c_B) \mod 256$ で定義されるパーブロックのアフィン変調（傾斜面）を適用する。

鍵の委譲： 変調鍵 $K_m$ は、傾斜鍵 $K_s$ とオフセット鍵 $K_c$ に分割される。コンテンツ所有者は両方を保持するが、データ隠蔽者（クラウド）には $K_s$ のみを委譲する。
準同型性： この暗号化は、モジュロによるペアワイズ差分に対して準同型的である。定数項 $c_B$ は2つの画素の差を計算する際に相殺され、残る既知のオフセット $\Delta r$ は傾斜パラメータ（ $a_B, b_B$ ）と座標の差にのみ依存する。これにより、データ隠蔽者は絶対的な画素値を知ることなく、予測残差を計算できる。
分散のスクランブル： ベースラインとは異なり、この手法はブロックの分散をスクランブル化するため、平滑なブロックとテクスチャのあるブロックの情報漏洩を防ぐ。
ロケーションマップの除去： アフィン変調は条件付きのラッピングチェックなしにすべてのブロックに一様に適用されるため、ベースラインで必要とされていたロケーションマップ（ $\Phi$ ）が排除され、サイド情報のオーバーヘッドが削減される。

モジュロ単一近傍予測：
アフィン暗号化はペアワイズ差分においてのみキャンセルされるため、ベースラインの（キャンセルを妨げる床関数に依存した）3近傍平均予測器は、単一近傍予測器に置き換えられる。

単一近傍予測器： 各画素は、単一の参照側近傍から予測される。暗号ドメインの残差は $e(p) = \text{smod}_{256}(Z_B(p) - Z_B(q) - \Delta r(p, q))$ として計算される。
残差の保存： 準同型性の性質により、この暗号化された残差は平文ドメインの残差と一致し、HBP-RMCに必要な冗長性を保持する。
適応型参照選択： 固定された参照位置を用いる代わりに、本手法ではブロック内のすべての可能な参照位置（ $k_1^2$ 個の位置）をテストし、HBP-RMCコーディング後に埋め込みスペース（一様なビットプレーン）を最大化する位置を選択する。この選択インデックス（ $4\times4$ ブロックの場合は4ビット）がサイド情報として格納される。

データ埋め込みと復元：
データ隠蔽者は傾斜鍵を使用して残差を計算し、HBP-RMCを介して空き領域を確保し、メッセージを埋め込む。復元プロセスでは、予測する近傍が既に復元されていることを保証するために、参照位置からのマンハッタン距離が増加する順序で画素を処理し、続いてフルキーを用いて復号を行う。

主な貢献

委譲された傾斜鍵を伴うアフィン暗号化： 定数オフセットを傾斜面に置き換え、ペアワイズ差分下でのキーストリームのキャンセルを可能にしつつ、プライバシー保護のためにブロック分散をスクランブル化する新しい暗号化スキーム。
モジュロ単一近傍予測器： ペアワイズ差分に依存する単一近傍予測器をアフィン暗号化に合わせて設計し、予測誤差のヒストグラムが平文ドメインと同一であることを保証する。
適応型参照選択： 特にテクスチャのある画像において埋め込み容量を最大化するために、ブロックごとに最適な参照位置を動的に選択するメカニズム。
ロケーションマップの排除： ブロックスキップのロジックとその付随するロケーションマップを排除することで、補助データのオーバーヘッドを削減。

実験結果
本手法は、 $4\times4$ ブロックを用い、標準的なデータセット（USC-SIPI）および一般的なデータセット（BOSSbase, BOWS2, UCID）の8ビットグレースケール画像を用いて評価された。

容量： 提案手法は、標準的な画像で1.48 bpp（ビット/画素）の純埋め込みレートを達成し（ベースラインより約16%向上）、一般的なデータセットでは最大2.01 bpp（4〜12%の向上）を達成した。
セキュリティ：
- ヒストグラム： 提案された暗号化は、一様なヒストグラムに近い結果（カイ二乗値 240–280）を生み出したのに対し、ベースラインは不均一なまま（6,800–49,600）であった。
- 分散： ベースラインのブロック分散は平滑なブロックとテクスチャのあるブロックを完全に分離したが、提案手法はこの分離性を偶然レベルまで低減させた。
- エントロピー： 両スキームとも高いグローバルエントロピー（~8 bits）を達成したが、提案手法はベースラインと比較して、ブロック間のローカルエントロピーの変動を大幅に抑制した。
可逆性： 本スキームは完全な可逆性を備えており、元の画像の完全な復元および隠されたメッセージの抽出が可能であることが検証された。

意義
本論文は、アフィン暗号化とモジュロ単一近傍予測器を統合することで、RDHEIにおける高い埋め込み容量とプライバシー保護のトレードオフを解決したと主張している。主な意義は、相関保存型の既存スキームに内在する分散ベースの漏洩を排除し、ロケーションマップのオーバーヘッドを取り除くことで、ネット埋め込みレートを高めつつ、暗号化された画像が未認可の観測者に対して基礎となるコンテンツ（平滑かテクスチャか）の構造的情報を一切明らかにしないようにした点にある。

関連論文