💻 computer science

A Grayscale image encryption using cubic fractional transformation and logistic map

본 논문은 치환, 확산 및 XOR 기반 스크램블링을 수행하기 위해 로지스틱 맵과 결합된 3차 분수 변환 생성 S-박스를 이용한 그레이스케일 이미지 암호화 기법을 제안하며, 종합적인 통계 및 키 민감도 분석을 통해 강력한 보안성을 입증한다.

원저자: Abdul Qadeer, Rashid Ali, Tahir Sajjad Ali

게시일 2026-07-22

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Abdul Qadeer, Rashid Ali, Tahir Sajjad Ali

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

디지털 세상을 데이터가 화폐이고 이미지가 가장 가치 있는 보석으로 거래되는 북적이는 도시라고 상상해 보십시오. 이 고속 교환 체계에서 그 보석들을 도둑으로부터 안전하게 지키는 것은 끊임없는 전쟁입니다. 이것이 바로 암호학, 즉 비밀스러운 글쓰기의 과학의 세계입니다. 그 핵심에는 단순하지만 강력한 아이디어가 자리 잡고 있습니다. 당신의 얼굴 사진처럼 인식 가능한 무언가를 가져와서, 올바른 키(key)를 가진 사람이 아니라면 그저 정적 노이즈(static noise)처럼 보이도록 철저하게 뒤섞어 버리는 것입니다. 이를 위해 암호학자들은 두 가지 주요 기술을 사용합니다. 첫째, 그들은 모든 글자를 비밀 코드북에 따라 완전히 다른 기호로 바꾸는 단어의 글자를 교체하는 것과 같은 **치환(substitution)**을 사용합니다. 둘째, 그들은 카드 한 벌을 무작위적인 순서가 될 때까지 섞은 다음 나누어 주는 것과 같은 **스크램블링(scrambling, 뒤섞기)**을 사용합니다. 목표는 최종 결과물이 아무런 패턴도 찾을 수 없을 정도로 무작위해 보이게 만들어, 설령 해커가 메시지를 훔치더라도 해독하기 위한 특정 지침 없이는 내용을 파악할 수 없도록 하는 것입니다.

"Cubic Fractional Transformation과 Logistic Map을 이용한 그레이스케일 이미지 암호화"라는 논문에서 연구자 Abdul Qadeer, Rashid Ali, 그리고 Tahir Sajjad Ali는 그레이스케일 이미지(흑백 사진)를 매우 해킹하기 어렵게 만드는 새로운 3단계 레시피를 제안합니다. 그들은 단순히 한 가지 기술만 사용하는 것이 아니라, 맞춤형 코드북, 수학적 셔플링 기계, 그리고 카오스 생성기를 결합하여 이미지 주변에 요새를 구축합니다.

먼저, 팀은 그들의 비밀 코드북 역할을 할 맞춤형 S-box(치환 박스)를 구축합니다. 표준적이거나 무작위인 코드북을 사용하는 대신, 그들은 **Cubic Fractional Transformation(CFT, 3차 분수 변환)**이라는 수학적 공식을 사용하여 이를 제작합니다. 이것은 사진의 회색 음영을 나타내는 0부터 255까지의 모든 숫자가 예측 불가능한 새로운 숫자로 바뀌는, 독특하고 단 하나뿐인 암호 바퀴를 굽는 것과 같습니다. 저자들은 이 특정 수학적 레시피가 매우 비선형적이며 일반적인 공격에 강한 코드북을 생성하며, 평균 비선형성이 106.75에 달한다고 제안합니다.

픽셀 값이 이 맞춤형 코드북을 통해 교체되면, 이미지는 형태는 그대로 유지한 채 색상만 바뀌게 됩니다. 다음 단계는 순열(permutation), 즉 셔플링입니다. 연구진은 동일한 CFT 수학을 사용하여 두 개의 무작위 시퀀스를 생성합니다. 이 시퀀스들은 원형 이동(circular shifts)을 수행하기 위한 일련의 지침 역할을 합니다. 이는 마치 슬라이딩 퍼즐처럼 이미지의 행과 열을 비밀 키에 의해 결정된 방식으로 원형으로 미끄러지듯 움직이는 것을 상상해 보십시오. 이 단계는 픽셀들을 이동시켜 원래 이웃해 있던 픽셀이 이제는 멀리 떨어져 있게 만듦으로써 국소적인 패턴을 깨뜨립니다.

마지막으로, 팀은 카오스적이고 예측 불가능한 시퀀스를 생성하는 것으로 유명한 수학 함수인 Logistic map을 사용하여 스크램블링 과정을 적용합니다. 그들은 이를 사용하여 무작위 수의 스트림을 생성합니다. 그런 다음, 셔플링된 이미지와 이 무작위 스트림 사이에 Boolean XOR 연산(특정한 유형의 이진 수학)을 수행합니다. 이것이 마지막 잠금 장치입니다. 이는 이미지 데이터를 혼돈(chaos)과 혼합하여, 원본 이미지나 키의 아주 작은 변화만으로도 완전히 다른 최종 이미지가 되도록 보장합니다.

연구진은 "Lena", "Baboon", "Clock"과 같은 표준 테스트 이미지를 사용하여 그들의 방법을 테스트했습니다. 그들의 시뮬레이션은 암호화된 이미지가 순수한 정적 노이즈처럼 보인다는 것을 보여줍니다. 그들이 엔트로피(무작위성의 척도)를 측정했을 때, 암호화된 이미지는 이상적인 최대치인 8에 매우 근접한 점수(구체적으로 약 7.997)를 기록했으며, 이는 데이터가 매우 무작위적임을 시사합니다. 또한 그들은 **키 민감도(key sensitivity)**를 확인했는데, 비밀 키를 아주 미세하게(예: 0.000000000000005만큼) 변경하는 것만으로도 원본 이미지를 복구하는 것이 불가능해진다는 것을 발견하여, 시스템이 올바른 키에 극도로 민감함을 증명했습니다. 나아가, NPCR(픽셀 변화율)과 UACI(평균 변화 강도) 값은 각각 약 99.6%와 33.4%로 높게 나타났으며, 이는 원본 사진의 단 하나의 픽셀을 바꾸는 것만으로도 암호화된 버전에 거대하고 예측 불가능한 변화를 일으킨다는 것을 나타냅니다.

이 논문은 CFT 생성 S-box, CFT 기반 셔플링, 그리고 Logistic map의 조합이 강력한 암호화 체계를 만든다고 제안합니다. 저자들은 그들의 방법이 키를 추측하거나 이미지의 통계적 패턴을 분석하는 것과 같은 일반적인 암호 공격에 저항한다고 결론짓습니다. 그러나 이러한 결과는 알고리즘의 성능을 테스트 이미지에 대해 수학적으로 분석하고 시뮬레이션한 것에 기반한 것이며, 실제 해커를 상대로 한 실전 배치 상황을 의미하는 것은 아닙니다. 이 연구는 시각적 데이터의 프라이버시가 점점 더 소중해지는 시대에, 디지털 이미지를 보호하기 위한 보안 방법을 제안하며 시각적 데이터를 봉쇄하는 새로운 길을 제시합니다.

기술 요약: Cubic Fractional Transformation 및 Logistic Map을 이용한 그레이스케일 이미지 암호화

문제 정의
현대 기술 시대의 급격한 정보 기술 발전은 데이터, 특히 이미지 기반 정보의 보호를 위한 강력한 방법을 필요로 합니다. 대칭 및 비대칭 키 시스템을 포함한 다양한 암호화 기술이 존재하지만, 인식 가능한 이미지를 인식할 수 없는 형태로 변환함으로써 안전한 전송을 보장하는 효율적인 알고리즘에 대한 지속적인 요구가 있습니다. 기존 방법들은 종종 카오스 시스템이나 대수적 구조에 의존하지만, 저자들은 차분, 선형 및 통계적 분석과 같은 일반적인 암호 해독 공격에 저항하기 위해 치환(substitution), 순열(permutation) 및 확산(diffusion) 특성을 효과적으로 결합하는 체계의 필요성을 식별했습니다.

방법론
본 논문은 Cubic Fractional Transformation(CFT)을 통해 생성된 Substitution-box(S-box)와 Logistic map을 통합하는 새로운 그레이스케일 이미지 암호화 방식을 제안합니다. $256 \times 256$ 그레이스케일 이미지에 대한 암호화 과정은 세 단계의 워크플로우를 따릅니다:

S-Box 생성 및 치환:
- S-box는 Cubic Fractional Transformation(CFT)을 사용하여 구축됩니다. 변환식은 $F(x) = \frac{1}{ax^3 + b} \mod (2n+1)$ 이며, 특정 파라미터 $a=95, b=15$ 를 가집니다.
- 유효하지 않은 출력(특히 분모가 0이 되거나 결과가 유효 범위를 벗어나는 경우)을 처리하기 위해, 저자들은 문제적 입력( $x=176$ 및 $x=184$ )에 특정 값(0 및 106)을 할당하는 수정된 CFT를 적용합니다.
- 이렇게 생성된 S-box는 원본 이미지의 픽셀 값을 치환하여 치환된 이미지 행렬 $S'$ 를 생성하는 데 사용됩니다.
순열 (확산):
- 순열 과정을 구동하기 위해 서로 다른 파라미터 세트( $k_1$ 및 $k_2$ )를 가진 CFT를 사용하여 두 개의 무작위 시퀀스를 생성합니다.
- 알고리즘은 첫 번째 시퀀스를 사용하여 치환된 이미지 $S'$ 에 열 단위 순환 이동(column-wise circular shift)을 적용한 후, 두 번째 시퀀스를 사용하여 행 단위 순환 이동(row-wise circular shift)을 적용합니다. 이 결과로 암호화 전 이미지 $P$ 가 생성됩니다.
혼돈 (교란):
- $t_{n+1} = \gamma \times t_n (1 - t_n)$ 으로 정의된 Logistic map이 카오스 시퀀스를 생성하는 데 활용됩니다.
- 이 시퀀스는 과도 현상(transient effects)을 제거하도록 처리된 후 8비트 정수 값으로 변환됩니다.
- 암호화 전 이미지 픽셀과 카오스 시퀀스 사이에 비트 단위 XOR 연산이 수행됩니다. 이 과정은 현재의 암호화된 픽셀이 이전의 암호화된 픽셀, 현재의 암호화 전 픽셀, 그리고 카오스 시퀀스 값에 의존하는 피드백 메커니즘을 채택합니다.

복호화
복호화 알고리즘은 과정을 역순으로 수행합니다:

Logistic map에 의해 생성된 동일한 카오스 시퀀스를 사용하여 XOR 연산을 역전시킵니다.
CFT 생성 시퀀스를 사용하여 행 단위 및 열 단위 순환 이동을 역전시킵니다.
원래의 픽셀 값을 복구하기 위해 역 S-box(원래의 CFT 파라미터로부터 유도됨)를 적용합니다.

주요 기여

새로운 S-Box 구축: 본 논문은 이미지 암호화를 위한 S-box 구축을 위해 특히 Cubic Fractional Transformation을 사용한 최초의 방법이라고 주장하며, 이는 선형 분수 변환(Linear Fractional Transformations)에 대한 기존 연구를 확장한 것입니다.
하이브리드 접근 방식: 이 체계는 대수적으로 구축된 S-box의 혼돈 특성과 CFT 기반 순열의 확산 능력, 그리고 Logistic map의 카오스적 무작위성을 효과적으로 결합합니다.
포괄적인 보안 분석: 저자들은 제안된 체계에 대해 표준 암호학적 지표를 사용하여 엄격한 평가를 제공합니다.

결과 및 성능
알고리즘은 MATLAB R2017a를 사용하여 표준 그레이스케일 이미지(Clock, Lena, Baboon, Pepper, Female)에 대해 테스트되었습니다. 결과는 다음과 같습니다:

키 공간 (Key Space): 이 체계는 네 개의 비밀 키( $k_0, k_1, k_2, k_3$ )를 사용하며, 결과적으로 $2^{147}$ 의 키 공간을 가지는데, 이는 무차별 대입 공격(brute-force attacks)에 저항하기 위한 최소 요구 사항을 초과합니다.
키 민감도: 시스템은 키 변화에 매우 민감합니다. Logistic map 파라미터 $\gamma$ 의 미세한 변화(예: $0.000000000000005$)만으로도 완전히 다른 복호화 이미지가 생성되어 무단 접근을 방지합니다.
차분 분석: 제안된 방법은 높은 NPCR(픽셀 변화율) 및 UACI(평균 변화 강도) 값을 달성합니다. 예를 들어, Lena 이미지는 99.5910%의 NPCR과 33.3255%의 UACI를 기록하였으며, 이는 기존 체계와 비슷하거나 이를 상회하는 수준으로, 알려진 평문 및 선택 평문 공격에 대한 강력한 저항성을 나타냅니다.
상관 계수: 암호화는 인접한 픽셀 간의 상관관계를 크게 감소시킵่าง. 평면 이미지는 높은 상관관계(예: Lena 수평 방향 0.9451)를 보이는 반면, 암호화된 이미지는 0에 가까운 값(예: -0.0049)을 보여 통계적 관계를 효과적으로 깨뜨립니다.
엔트로피: 암호화된 이미지의 정보 엔트로피는 이상적인 값인 8에 근접합니다(예: Lena의 경우 7.9973). 이는 높은 무작위성과 예측 불가능성을 나타냅니다.
히스토그램 분석: 암호화된 이미지의 히스토그램은 균등 분포를 보이며, 원본 이미지의 구조에 대한 통계적 힌트를 남기지 않습니다.

의의 및 주장
저자들은 제안된 알고리즘이 그레이스케일 이미지 암호화를 위한 안전하고 효과적인 방법이라고 주장합니다. 그들은 CFT를 통해 구축된 특정 S-box가 높은 비선형성(평균 106.75), 낮은 선형 확률(0.1484), 낮은 차분 확률(0.0391)을 포함한 강력한 암호학적 특성을 보유하고 있어 선형 및 차분 암호 해독에 저항력이 있다고 단언합니다. 본 연구는 CFT 기반의 치환/순열과 Logistic map 기반의 교란의 결 조합이 다양한 유형과 크기의 이미지를 암호화하는 데 적합한 견고한 시스템을 생성한다는 결론을 내립니다.

유사한 논문