💻 computer science

Image Encryption via Data-Identified Discrete Chaotic Maps

Dit artikel stelt een nieuw datagedreven beeldversleutelingskader voor dat het SINDy-PI-algoritme gebruikt om expliciete chaotische kaartdynamica rechtstreeks uit observationele data te leren, waardoor een uiterst veilig, datagebonden versleutelingsschema ontstaat dat traditionele methoden met vaste kaarten overtreft in gevoeligheid, willekeur en weerstand tegen statistische en differentieel-aanvallen.

Oorspronkelijke auteurs: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Gepubliceerd 2026-05-21

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Wenyuan Lia, Xiao-Yun Wang, Zhigang Zhu, Xiaofeng Zhang, Li Zhang

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Idee: Een Slot Dat Zich Zelf Bouwt

Stel je voor dat je een geheime foto naar een vriend wilt sturen. Normaal gebruik je een slot (een encryptie-algoritme) dat iedereen weet hoe te bouwen, en geef je hen alleen een specifieke sleutel (zoals een wachtwoord) om het te openen. Als een hacker de sleutel steelt, kan hij het slot openen.

Dit artikel stelt een volledig andere manier voor. In plaats van je vriend een sleutel voor een kant-en-klaar slot te geven, geef je hen een recept en een zak met ingrediënten. Zij gebruiken die ingrediënten om een uniek slot direct voor hun neus te bouwen.

De "ingrediënten" zijn de data die worden gebruikt om het systeem te trainen, en het "recept" is een slim computeralgoritme genaamd SINDy-PI. De "sleutel" is slechts het startpunt (twee kleine getallen).

Hoe Het Werkt: Het "Vormveranderende" Slot

1. De Slimme Detective (SINDy-PI)
Bekijk het SINDy-PI-algoritme als een super-slimme detective. Normaal moeten wetenschappers raden wat de regels van een chaotisch systeem zijn (een complexe, onvoorspelbare machine). Deze detective raadt niet. Hij kijkt naar een hoop data (observaties van de machine die beweegt) en komt achter de exacte wiskundige regels die het besturen. Hij kan zelfs verborgen regels vinden die mensen misschien missen, zoals complexe interacties tussen verschillende onderdelen van de machine.

2. De Data-Afhankelijke Kaart
In dit nieuwe systeem is het "slot" geen vaste vorm. Het is een chaotische kaart (een wiskundige regel die getallen door elkaar haalt).

Oude Manier: Iedereen gebruikt dezelfde kaart (zoals de beroemde Hénon-kaart).
Nieuwe Manier: De kaart wordt vanuit de data gebouwd. Als je de detective iets andere data voert (zelfs data met een klein beetje willekeurige "ruis", zoals statiek op de radio), bouwt de detective een iets andere kaart.

3. De Geheime Sleutel
Het enige wat je met je vriend moet delen om het bericht te ontgrendelen, is het startpunt (twee getallen, zoals 0,2 en 0,3).

De Twist: Zelfs als een hacker die twee getallen steelt, kan hij het slot niet openen. Waarom? Omdat hij niet weet welke kaart is gebouwd. Had de kaart een klein extra term? Was hij gebouwd uit data met een specifiek type ruis? Zonder de exacte kaartstructuur is de sleutel nutteloos.

Het Proces: De Foto Door elkaar Haal

Zodra de unieke kaart is gebouwd, gebeurt dit om de foto te versleutelen:

Schudden: De kaart genereert een chaotische reeks getallen. Deze getallen vertellen de computer om de rijen en kolommen van de afbeelding te schudden, zoals het schudden van een kaartspel.
Verspreiden: De kaart genereert meer getallen om de werkelijke kleuren van de pixels te veranderen. Als je slechts één pixel in de originele foto verandert, zorgt de kaart ervoor dat elke enkele pixel in de uiteindelijke versleutelde foto verandert. Het is alsof je één druppel rode inkt in een emmer water laat vallen; de hele emmer wordt roze.

Waarom Het Zo Veilig Is (De Resultaten)

De auteurs hebben dit getest op drie verschillende soorten chaotische systemen (de Hénon-kaart, een 3D Logistische kaart en een Lozi-kaart) en ontdekten dat het voor allemaal uitstekend werkt. Hier is wat hun tests lieten zien:

De "Eén Druppel" Test (Gevoeligheid): Als je de startgetallen verandert met een hoeveelheid die zo klein is dat hij bijna niet te meten is (0,0000000000000001), faalt de decryptie volledig. Het resultaat is gewoon willekeurige ruis. Dit bewijst dat het systeem ongelooflijk gevoelig is voor de sleutel.
De "Statistische Camouflage" (Histogrammen): Een normale foto heeft patronen (veel donkere pixels, weinig heldere). De versleutelde foto ziet eruit als pure statische ruis. Als je de pixels telt, zijn ze perfect gelijkmatig verdeeld, waardoor hackers geen aanwijzingen hebben om mee te werken.
De "Buur" Test (Correlatie): In een normale foto is een pixel meestal zeer vergelijkbaar met de ernaast. In de versleutelde foto zijn buren volledig ongerelateerd. De verbinding is volledig verbroken.
De "Kleine Verandering" Test (Differentiële Aanvallen): Als een hacker slechts één klein bitje in de originele foto verandert, verandert de versleutelde versie volledig (ongeveer 99,6% van de pixels verandert). Hierdoor is het onmogelijk om het origineel te raden door twee versleutelde versies met elkaar te vergelijken.

De "Verborgen" Veiligheidslaag

Het meest unieke deel van dit artikel is het concept van de "Impliciete Sleutel".
Normaal gesproken berust beveiliging op hoeveel sleutels je hebt. Hier berust de beveiliging op het feit dat het slot zelf verandert op basis van de trainingsdata.

Analogie: Stel je voor dat twee mensen dezelfde sleutel hebben (de startgetallen). Maar Persoon A heeft zijn slot gebouwd met "Data Set A", en Persoon B heeft zijn slot gebouwd met "Data Set B" (die een klein beetje andere ruis had). Zelfs als de sleutels identiek zijn, zijn de sloten iets anders. Als een hacker de sleutel heeft maar niet weet welke "Data Set" is gebruikt om het slot te bouwen, zit hij vast.

Samenvatting

Dit artikel introduceert een nieuwe manier om afbeeldingen te versleutelen waarbij de versleutelingsregels niet vaststaan. In plaats daarvan worden ze op het moment zelf ontdekt uit data met behulp van een slim algoritme. Dit voegt een verborgen laag van beveiliging toe: zelfs als iemand je wachtwoord steelt, kan hij je data niet ontgrendelen tenzij hij ook de exacte "ingrediënten" kent die werden gebruikt om het slot te bouwen. Het systeem is extreem gevoelig, statistisch perfect en werkt op verschillende soorten chaotische systemen.

Technische Samenvatting: Beeldencryptie via Data-Geïdentificeerde Discrete Chaotische Kaarten

Probleemstelling
Traditionele op chaos gebaseerde beeldencryptieschema's vertrouwen voornamelijk op vooraf gedefinieerde, vaste chaotische systemen (bijvoorbeeld de standaard Hénon-kaart of 3D-logistische kaarten). Een aanzienlijk veiligheidsrisico bij deze benaderingen is dat de wiskundige structuur van de chaotische kaart vaak bekend is of eenvoudig kan worden omgekeerd, waardoor het systeem kwetsbaar blijft als de beginvoorwaarden (de sleutel) worden gecompromitteerd. Bovendien is het handmatig voorstellen van geheel nieuwe chaotische systemen een complexe en moeilijke taak. Het artikel adresseert de behoefte aan een robuuster encryptieparadigma waarbij de chaotische kaart zelf niet vaststaat, maar dynamisch wordt afgeleid uit data, waardoor een impliciete beveiligingslaag wordt toegevoegd die verder gaat dan de traditionele sleutelruimte.

Methodologie
De auteurs stellen een data-gedreven beeldencryptiekader voor dat gebruikmaakt van het SINDy-PI-algoritme (Sparse Identification of Nonlinear Dynamics - Parallel Implicit). De methodologie omvat de volgende kernstappen:

Algoritme-aanpassing: Het SINDy-PI-algoritme, oorspronkelijk ontworpen voor continue tijdsystemen, wordt gemodificeerd voor discrete tijdschaotische systemen. Dit omvat het reconstrueren van de bibliotheek van voorselectiefuncties om te matchen met kaartkenmerken en het aanpassen van de datageneratielogica om cyclische iteratie te gebruiken in plaats van tijdstap-integratiemethoden (zoals Runge-Kutta).
Data-gedreven Kaartidentificatie: In plaats van een vooraf gedefinieerde vergelijking te gebruiken, genereert het systeem observatiedata uit een chaotisch systeem (bijvoorbeeld Hénon-, 3D-logistische of Lozi-kaarten). Het SINDy-PI-algoritme identificeert vervolgens de expliciete dynamische vergelijkingen, inclusief kruistermen en hogere-orde niet-lineariteiten, direct uit deze data.
Encryptieschema:
- Sleutelstructuur: De encryptiesleutel bestaat uitsluitend uit de beginvoorwaarden $(x_0, y_0)$ . De specifieke vorm van de chaotische kaart wordt niet als sleutel overgedragen; deze wordt afgeleid uit de trainingsdata die werd gebruikt om de kaart te genereren.
- Proces: Met behulp van de geïdentificeerde kaart en de beginvoorwaarden wordt een chaotische reeks gegenereerd. Deze reeks wordt gebruikt voor:
  - Verwarren: Onafhankelijke rij- en kolomsortering op basis van de chaotische reeks om pixelposities te permuteren.
  - Diffusie: Meertraps (vier rondes) additieve diffusie (mod 256) om pixelwaarden te veranderen, zodat een verandering van één bit in de open tekst de volledige cijfertekst beïnvloedt.
Decryptie: Succesvolle decryptie vereist exact dezelfde beginvoorwaarden en exact dezelfde kaartstructuur (symbolische expressie) die tijdens de encryptie is gebruikt. Aangezien de kaart data-afhankelijk is, kan een aanvaller met de juiste beginvoorwaarden maar de verkeerde kaartstructuur (afgeleid van verschillende trainingsdata) het beeld niet decoderen.

Belangrijkste Bijdragen

Eerste Toepassing op Discrete Systemen: Dit werk breidt het SINDy-PI-algoritme, dat eerder beperkt was tot continue tijdsystemen, uit tot de identificatie van discrete chaotische kaarten.
Data-Afhankelijke Impliciete Sleutel: Het artikel introduceert een nieuw beveiligingsmechanisme waarbij de structuur van de chaotische kaart zelf fungeert als een impliciete sleutel. Zelfs met identieke beginvoorwaarden leiden verschillende trainingsdata (bijvoorbeeld variërende ruiszaden) tot licht verschillende kaartstructuren, wat volledig verschillende cijferteksten oplevert.
Generaliteit: Het kader is gevalideerd over drie verschillende chaotische systemen: de 2D Hénon-kaart, de 3D-logistische kaart en de stuksgewijs lineaire Lozi-kaart, wat de toepasbaarheid op diverse dynamische structuren aantoont.
Verhoogde Gevoeligheid: Het schema vertoont extreme gevoeligheid voor beginvoorwaarden (een verstoring van $10^{-16}$ veroorzaakt een totale decryptiefout) en hoge gevoeligheid voor de kaartstructuur zelf.

Experimentele Resultaten
Het kader werd getest met een 256 $\times$ 256 grijswaarden "Maanoppervlak"-afbeelding. De resultaten geven het volgende aan:

Informatie-entropie: De versleutelde beelden bereikten bijna ideale entropiewaarden ( $\approx 7.9976$ bits), wat wijst op een zeer uniforme pixelverdeling.
Correlatie: De inter-pixelcorrelatie werd teruggebracht tot verwaarloosbare niveaus (ongeveer 0,08 in horizontale, verticale en diagonale richtingen), aanzienlijk lager dan schema's met vaste parameters.
Sleutelgevoeligheid: Verstoringen zo klein als $10^{-16}$ in de beginwaarden resulteerden in een PSNR van $\approx 10.2$ dB (ver onder de drempel van 30 dB voor verliesloze kwaliteit), wat een totale decryptiefout bevestigt.
Differentiële Aanvallen: Het schema toonde sterke weerstand tegen differentiële aanvallen, met een NPCR (Number of Pixels Change Rate) van gemiddeld 99,6556% en een UACI (Unified Average Change Intensity) van gemiddeld 33,5824%, wat nauw overeenkomt met theoretische idealen.
Kaartgevoeligheid: Wanneer dezelfde beginvoorwaarden werden gebruikt met kaarten geïdentificeerd uit licht verschillende trainingsdata (vrij van ruis versus lage ruis), toonden de resulterende cijferteksten een NPCR van 99,6231% en een UACI van 33,4057%, wat bevestigt dat de kaartstructuur fungeert als een kritieke, onafhankelijke beveiligingsfactor.

Betekenis en Beweringen
Het artikel beweert een nieuw paradigma te vestigen voor op chaos gebaseerde cryptografie door systeemidentificatie te verenigen met encryptie. De primaire betekenis ligt in het overstijgen van vaste kaarten naar adaptieve, data-gerichte beveiligingsarchitecturen. Door de kaartstructuur afhankelijk te maken van de trainingsdata, betogen de auteurs dat het systeem een extra beveiligingslaag introduceert die effectiever bestand is tegen reverse engineering en known-plaintext-aanvallen dan traditionele schema's. De auteurs stellen dat deze aanpak niet alleen meer opties biedt voor algoritmeontwerp, maar ook een oplossing biedt voor het probleem van lage veiligheid in bestaande op chaos gebaseerde algoritmen. Toekomstig werk wordt geschetst als het uitbreiden van de methode naar hyperchaotische systemen en het valideren ervan op experimentele tijdreeksen uit fysieke chaotische schakelingen.