Image Encryption Algorithm Based on Convolutional Neural Networks and Dynamic S-Box Generation

Resumo Técnico: Algoritmo de Criptografia de Imagem Baseado em Redes Neurais Convolucionais e Geração de S-Box Dinâmica

Definição do Problema
Os algoritmos tradicionais de criptografia de imagem frequentemente enfrentam dificuldades com as características únicas dos dados de imagem, como o alto volume de dados, a forte correlação espacial e o agrupamento de dados. Algoritmos de criptografia simétrica convencionais, como o AES, dependem de caixas de substituição (S-boxes) fixas para introduzir não linearidade e confusão. No entanto, essas S-boxes fixas carecem de adaptabilidade aos dados de entrada específicos, tornando-as suscetíveis à criptoanálise linear e diferencial. Estudos recentes tentaram melhorar a adaptabilidade das S-boxes usando sistemas caóticos ou otimizações metaheurísticas, mas muitos permanecem não orientados por dados ou artesanais, limitando sua flexibilidade e segurança contra ataques sofisticados. Há uma necessidade demonstrada de sistemas inteligentes e orientados por dados, capazes de gerar S-boxes seguras e específicas para imagens.

Metodologia
O framework proposto introduz um esquema de criptografia de imagem dinâmico que integra Redes Neurais Convolucionais (CNNs) com princípios criptográficos clássicos. A metodologia procede através de cinco estágios primários:

1. Preparação e Pré-processamento do Conjunto de Dados: Um conjunto de dados de patches de imagens em tons de cinza (ex: USC-SIPI, MNIST ou CIFAR-10) é redimensionado para $N \times N$ (ex: $32 \times 32$) e escalonado para o intervalo $[0, 1]$. O objetivo é extrair padrões estatísticos e espaciais para treinar a CNN.
2. Geração de S-Box Baseada em CNN: Uma CNN é treinada para aprender uma transformada de substituição ideal.
   • Arquitetura: A rede utiliza camadas convolucionais com ativação ReLU para extrair a complexidade da imagem, seguidas por camadas totalmente conectadas que mapeiam para valores de substituição (vetores de 16 ou 64 elementos).
   • Imposição de Saída: Uma camada de saída personalizada garante que o vetor gerado forme uma S-box bijetiva válida (uma permutação de valores distintos em $[0, 255]$). Isso envolve o descarte de valores replicados e a recriação destes utilizando um algoritmo de injeção de ruído híbrido impulsionado pelos pesos da CNN.
   • Função de Perda: O treinamento emprega uma função de perda multiobjetivo: $Loss = -(\alpha \cdot \text{Não-linearidade} + \beta \cdot \text{SAC} + \gamma \cdot \text{BIC} + \delta \cdot \text{Uniformidade})$. Isso otimiza a resistência à criptoanálise linear, ao Critério de Avalanche Estrita (SAC), ao Critério de Independência de Bits (BIC) e à uniformidade de valores.
3. Avaliação da S-Box: As S-boxes geradas são rigorosamente testadas contra padrões criptográficos (Não-linearidade, SAC, Uniformidade Diferencial, Independência de Bits). Apenas aquelas que excedem limiares predeterminados são selecionadas para a criptografia.
4. Processo de Criptografia: O esquema utiliza uma arquitetura de Rede de Substituição-Permutação (SPN) modificada, repetida ao longo de múltiplas rodadas (tipicamente 3–5):
   • Substituição: Os valores dos pixels são substituídos usando a S-box dinâmica gerada pela CNN.
   • Permutação: As posições dos pixels são rearranjadas usando um vetor de permutação derivado de mapas caóticos (ex: mapas de Logística ou Lorenz) iterados com uma chave secreta.
   • Difusão: Uma operação XOR pixel a pixel é aplicada entre a imagem permutada e um fluxo de chave gerado por uma segunda S-box baseada em CNN ou um Gerador de Números Pseudoaleatórios (PRNG).
5. Descriptografia: O processo é revertido usando o vetor de permutação inverso e o inverso da S-box dinâmica, garantindo a recuperação sem perdas da imagem original.

Principais Contribuições

• Geração de S-Box Adaptativa: O framework gera S-boxes dinâmicas onde as características aprendidas da imagem de entrada específica direcionam os padrões de substituição. Isso aumenta a não-linearidade e a confusão em comparação com métodos estáticos.
• Arquitetura de Segurança Híbrida: A integração de aprendizado profundo com sistemas caóticos não lineares aumenta a aleatoriedade e a complexidade, visando especificamente a resistência contra ataques diferenciais e estatísticos.
• Desempenho e Escalabilidade: O algoritmo é projetado para baixo peso e escalabilidade, demonstrando capacidade para aplicação em tempo real enquanto protege dados de imagem de alta resolução.
• Avaliação Abrangente: O estudo fornece um exame crítico do algoritmo utilizando imagens de referência padrão (Baboon, House, Airplane, Pepper) e compara seu desempenho contra algoritmos de criptografia tradicionais e recentes.

Resultos Experimentais
O método proposto foi avaliado em imagens de teste padrão usando diversas métricas criptográficas:

• Entropia: Os valores aproximaram-se do máximo ideal de 8.0 (variando de 7.9947 a 7.9980), indicando distribuições de pixels altamente imprevisíveis.
• NPCR (Taxa de Mudança de Pixels): Os resultados excederam 99,5% (ex: 99,610% para Baboon), demonstrando alta sensibilidade a pequenas mudanças de entrada e forte resistência a ataques diferenciais.
• UACI (Intensidade de Mudança Média Unificada): As pontuações orbitaram em torno do ideal de 33% (ex: 33,42%), confirmando diferenças significativas entre as imagens originais e criptografadas.
• Correlação: Os coeficientes de correlação média entre pixels vizinhos foram próximos de zero (ex: 0,0058), quebrando efetivamente as correlações espaciais naturais do texto puro.
• Uniformidade do Histograma: As imagens criptografadas exibiram histogramas planos e uniformes, destruindo padrões visuais.
• Robustez: O sistema demonstrou resiliência contra ataques de corte (até 20%) e ataques de ruído (Gaussiano e Sal e Pimenta), mantendo características reconhecíveis com valores aceitáveis de PSNR e SSIM.
• Testes Estatísticos NIST: As chaves criptográficas geradas passaram em todos os principais testes estatísticos NIST (Frequência, Runs, Serial, Complexidade Linear, etc.) com p-valores superiores ao nível de significância de 0,01.
• Velocidade: Os tempos de criptografia e descriptografia ficaram abaixo de 50 milissegundos para os tamanhos de imagem testados, confirmando eficiência computacional.

Significância e Alegações
O artigo afirma que a abordagem de S-box dinâmica baseada em CNN oferece um equilíbrio superior entre desempenho, complexidade e segurança em comparação com os métodos de S-box fixa tradicionais. Ao tornar o mecanismo de substituição orientado por dados e específico para cada imagem, o sistema aumenta significativamente a resistência contra ataques de texto conhecido, diferenciais e estatísticos. Os autores afirmam que este método resolve os compromissos tradicionais da criptografia de imagem, fornecendo uma solução robusta e inteligente adequada para transmissão segura e armazenamento em sistemas modernos de multimídia e comunicação. O estudo conclui que a integração de aprendizado profundo no design de componentes criptográficos representa um caminho viável para sistemas de criptografia de imagem mais confiáveis e eficientes.