Image Encryption via Data-Identified Discrete Chaotic Maps

기술 요약: 데이터 식별 이산 혼돈 지도를 통한 이미지 암호화

문제 제기
전통적인 혼돈 기반 이미지 암호화 방식은 주로 사전 정의된 고정 혼돈 시스템 (예: 표준 헤논 지도 또는 3 차 로지스틱 지도) 에 의존합니다. 이러한 접근법의 주요 보안 우려는 혼돈 지도의 수학적 구조가 알려져 있거나 쉽게 역추적될 수 있어, 초기 조건 (키) 이 유출될 경우 시스템이 취약해진다는 점입니다. 또한, 완전히 새로운 혼돈 시스템을 수동으로 제안하는 것은 복잡하고 어려운 작업입니다. 본 논문은 혼돈 지도 자체가 고정되지 않고 데이터에서 동적으로 유도됨으로써 전통적인 키 공간 이상의 암시적 보안 계층을 추가하는 더 강력한 암호화 패러다임의 필요성을 다룹니다.

방법론
저자들은 SINDy-PI (Sparse Identification of Nonlinear Dynamics - Parallel Implicit) 알고리즘을 활용한 데이터 기반 이미지 암호화 프레임워크를 제안합니다. 방법론은 다음과 같은 핵심 단계를 포함합니다:

1. 알고리즘 적응: 연속 시간 시스템을 위해 설계된 SINDy-PI 알고리즘을 이산 시간 혼돈 시스템에 맞게 수정합니다. 여기에는 매핑 특성에 부합하도록 사전 선택 함수 라이브러리를 재구성하고, 데이터 생성 논리를 런게 - 쿠타와 같은 시간 단계 적분 방법 대신 순환 반복을 사용하도록 조정하는 작업이 포함됩니다.
2. 데이터 기반 지도 식별: 사전 정의된 방정식을 사용하는 대신, 시스템은 혼돈 시스템 (예: 헤논, 3 차 로지스틱, 또는 로지 지도) 에서 관측 데이터를 생성합니다. 그런 다음 SINDy-PI 알고리즘은 교차항과 고차 비선형성을 포함한 명시적 동역학 방정식을 이 데이터에서 직접 식별합니다.
3. 암호화 방식:
   • 키 구조: 암호화 키는 초기 조건 $(x_0, y_0)$만으로 구성됩니다. 혼돈 지도의 특정 형태는 키로 전송되지 않으며, 지도를 생성하는 데 사용된 훈련 데이터에서 유도됩니다.
   • 과정: 식별된 지도와 초기 조건을 사용하여 혼돈 시퀀스를 생성합니다. 이 시퀀스는 다음에 사용됩니다:
     • 스램블링: 혼돈 시퀀스에 기반한 독립적인 행 및 열 정렬을 통해 픽셀 위치를 치환합니다.
     • 확산: 단일 비트의 평문 변경이 전체 암호문에 영향을 미치도록 보장하기 위해 다중 라운드 (4 라운드) 의 가산 확산 (mod 256) 을 통해 픽셀 값을 변경합니다.
4. 복호화: 성공적인 복호화에는 암호화 시 사용된 것과 정확히 동일한 초기 조건 및 정확히 동일한 지도 구조 (기호 표현) 가 필요합니다. 지도가 데이터에 의존하므로, 올바른 초기 조건을 가지고 있더라도 잘못된 지도 구조 (다른 훈련 데이터에서 유도된) 를 가진 공격자는 이미지를 복호화할 수 없습니다.

주요 기여

• 이산 시스템에 대한 첫 번째 적용: 이전에는 연속 시간 시스템으로 제한되었던 SINDy-PI 알고리즘을 이산 혼돈 지도 식별로 확장합니다.
• 데이터 의존적 암시적 키: 혼돈 지도 구조 자체가 암시적 키로 작용하는 새로운 보안 메커니즘을 도입합니다. 동일한 초기 조건이라도 다른 훈련 데이터 (예: 변하는 노이즈 시드) 가 사용되면 약간 다른 지도 구조가 생성되어 완전히 다른 암호문을 만들어냅니다.
• 일반성: 2 차 헤논 지도, 3 차 로지스틱 지도, 그리고 구간별 선형 로지 지도라는 세 가지 서로 다른 혼돈 시스템에서 프레임워크가 검증되어 다양한 동역학 구조에 대한 적용 가능성을 입증했습니다.
• 향상된 민감도: 이 방식은 초기 조건에 대해 극도로 민감하며 ($10^{-16}$의 섭동으로 완전한 복호화 실패 발생), 지도 구조 자체에 대해서도 높은 민감도를 보입니다.

실험 결과
256 $\times$ 256 그레이스케일 "달 표면" 이미지를 사용하여 프레임워크를 테스트했습니다. 결과는 다음과 같습니다:

• 정보 엔트로피: 암호화된 이미지는 거의 이상적인 엔트로피 값 ($\approx 7.9976$ 비트) 을 달성하여 매우 균일한 픽셀 분포를 나타냈습니다.
• 상관관계: 픽셀 간 상관관계는 수평, 수직, 대각선 방향에서 모두 무시할 수 있는 수준 (약 0.08) 으로 감소하여 고정 매개변수 방식보다 훨씬 낮았습니다.
• 키 민감도: 초기 값에서 $10^{-16}$만큼의 작은 섭동만으로도 PSNR 이 $\approx 10.2$ dB 로 나타나 무손실 임계값인 30 dB 를 훨씬 하회하여 완전한 복호화 실패를 확인했습니다.
• 차분 공격: 이 방식은 차분 공격에 대한 강력한 저항력을 보였으며, NPCR(픽셀 변경률) 은 평균 99.6556%, UACI(통합 평균 변경 강도) 는 평균 33.5824% 로 이론적 이상치와 밀접하게 일치했습니다.
• 지도 민감도: 동일한 초기 조건을 사용하더라도 약간 다른 훈련 데이터 (무노이즈 vs 저노이즈) 로 식별된 지도를 적용했을 때, 결과 암호문은 NPCR 99.6231% 및 UACI 33.4057% 를 보여 지도 구조가 독립적이고 중요한 보안 요소로 작용함을 확인했습니다.

의의 및 주장
본 논문은 시스템 식별과 암호화를 통합함으로써 혼돈 기반 암호학에 대한 새로운 패러다임을 확립한다고 주장합니다. 주요 의의는 고정된 지도를 넘어 적응형, 데이터 중심 보안 아키텍처로 이동하는 데 있습니다. 지도 구조를 훈련 데이터에 의존하게 함으로써 저자들은 이 시스템이 기존 방식보다 역추적 및 알려진 평문 공격에 더 효과적으로 저항하는 추가 보안 계층을 도입한다고 주장합니다. 저자들은 이 접근법이 알고리즘 설계에 더 많은 옵션을 제공할 뿐만 아니라 기존 혼돈 기반 알고리즘의 낮은 보안 문제를 해결한다고 단언합니다. 향후 작업은 초혼돈 시스템으로 방법을 확장하고 물리적 혼돈 회로에서의 실험적 시간 계열 데이터를 통해 검증하는 것으로 제시됩니다.