⚛️ quantum physics

An Ideal Random Number Generator Based on Quantum Fluctuations and Rotating Wheel for Secure Image Encryption

本文提出了一种结合量子涨落与算法化旋转轮机制的混合随机数生成器，用于图像加密，实验结果表明其生成的序列具有理想熵值和强随机性，能显著提升加密图像的安全性，适用于移动医疗及智能设备多媒体通信等消费级安全应用。

原作者： Subhadip Rana, Sanku Paul, Mrinal Kanti Mandal

发布于 2026-03-17

📖 1 分钟阅读🧠 深度阅读

原作者： Subhadip Rana, Sanku Paul, Mrinal Kanti Mandal

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种非常安全、像“魔法”一样的图片加密方法。为了让你轻松理解，我们可以把整个过程想象成在一个巨大的、会旋转的轮盘赌上玩一场高智商的游戏。

1. 核心问题：为什么我们需要这个？

想象一下，你在网上发照片（比如医疗报告、指纹、或者你的自拍）。如果这些照片没有加密，就像把信写在透明玻璃上，谁都能看见。
传统的加密方法有点像用一把固定的锁，如果黑客知道了锁的构造，就能打开它。而且，电脑生成的“随机数”（用来开锁的钥匙）有时候其实并不那么随机，就像人以为自己在乱按键盘，其实是有规律的。

2. 他们的解决方案：量子轮盘赌

作者设计了一个混合系统，结合了**“量子力学”（宇宙中最不可预测的东西）和“旋转轮盘”**（一种机械游戏）。

第一步：制造“完美的混乱” (量子波动)

比喻：想象你有一个巨大的轮盘，上面写着 0 到 255 的数字。通常，这些数字是按顺序排的（0, 1, 2...）。
做法：作者利用**“量子踢转子”**（一种模拟微观粒子运动的物理模型）产生的能量波动。这就像宇宙在“掷骰子”，产生的结果是完全随机、无法预测的。
效果：他们用这些量子产生的“乱码”作为指令，把轮盘上的数字彻底打乱。就像把一副扑克牌洗得连发牌员都认不出原来的顺序。

第二步：动态旋转的轮盘 (旋转轮)

比喻：现在轮盘是乱序的，但还不够。想象这个轮盘不是静止的，它在不停地旋转。
做法：
1. 多触点采样：轮盘上有 4 个固定的“取货口”（就像轮盘上的 4 个窗口）。每次轮盘转一圈，这 4 个窗口同时抓取数字。
2. 变速旋转：这是最精彩的部分！轮盘转动的速度不是固定的。每次抓取完数字后，轮盘会根据一个秘密公式（基于你的密码）改变转速和方向。
效果：这就好比你试图猜轮盘停在哪里，但轮盘不仅位置在变，连转得有多快都在变。即使黑客知道轮盘上的数字顺序，也永远猜不到下一次哪个数字会转到窗口前。

第三步：给图片穿上“隐身衣” (加密过程)

有了这个完美的随机数字流，他们开始加密图片：

打乱位置 (混淆)：先把图片里的像素点（就像马赛克的小方块）按照量子生成的顺序彻底打乱。原本相邻的像素（比如眼睛旁边的皮肤）被分到了图片的角落。
替换颜色 (扩散)：用刚才生成的随机数字，和每个像素点进行“异或”运算（一种数学混合）。这就像给每个像素点涂上了一层随机的颜料。
结果：原本清晰的图片，变成了一堆毫无规律的彩色噪点，看起来就像电视没信号时的雪花屏。

3. 为什么它很厉害？(安全性测试)

作者做了很多测试来证明这个系统有多强：

熵值 (混乱度)：满分是 8 分，他们的加密图片得了 7.997 分。这意味着图片里的信息完全混乱，没有任何规律可循。
抗攻击能力：
- 暴力破解：他们的密码有 32 位长，组合数量比宇宙中的原子还多。就算用全宇宙的计算机算，算到宇宙毁灭也猜不出来。
- 抗干扰：如果有人在传输过程中把图片剪掉一块（裁剪）或者加了一些噪点（像下雨天看屏幕），解密后虽然图片有点模糊，但主要内容依然能看清。这就像把信撕了一角，你依然能读懂剩下的内容，而不是整封信都变成乱码。
- 抗“已知明文”攻击：即使黑客知道两张图加密前的样子，也猜不出加密的规律。

4. 总结：这对我们意味着什么？

这篇论文提出的方法，就像给你的手机照片、医疗数据、甚至指纹信息穿上了一件**“量子隐身衣”**。

简单说：它用宇宙中最随机的物理现象（量子）来洗牌，再用一个会变速的轮盘来取数，最后把图片彻底打乱。
好处：
- 极难破解：没有规律可循。
- 速度快：不需要复杂的浮点运算，普通手机或电脑都能跑。
- 容错性好：就算传输中出点错，图片也能恢复大部分内容。

一句话总结：这是一个利用“宇宙骰子”和“变速轮盘”打造的超级保险箱，专门用来保护我们在数字时代最珍贵的图片隐私。

以下是基于论文《An Ideal Random Number Generator Based on Quantum Fluctuations and Rotating Wheel for Secure Image Encryption》（基于量子涨落和旋转轮的用于安全图像加密的理想随机数生成器）的详细技术总结：

1. 研究背景与问题 (Problem)

随着数字化时代的到来，数字图像在医疗、生物识别、远程监控和社交媒体等领域的传输量激增，图像数据的安全性和隐私保护变得至关重要。

现有挑战：
- 传统针对文本设计的加密算法（如 AES）在处理图像时效率较低，因为图像具有高冗余度、相邻像素间强相关性以及数据量大等特点。
- 现有的伪随机数生成器（PRNG）基于确定性数学模型，易受密码分析攻击。
- 混沌系统生成的随机数常受浮点数运算精度和 CPU 架构影响，导致在不同平台上随机性不一致。
- 纯硬件量子随机数生成器（TRNG）虽具有物理随机性，但常受限于高相关性、环境噪声敏感性和获取难度。
核心需求：需要一种基于整数运算、平台无关、抗攻击性强且能产生高质量随机数的生成机制，用于图像加密。

2. 方法论 (Methodology)

论文提出了一种混合随机数生成器（Hybrid RNG），结合了量子涨落理论与算法启发的“旋转轮”机制，并应用于图像加密。

A. 随机数生成核心机制

量子涨落驱动（Quantum Fluctuations）：
- 利用量子踢转子模型（Quantum Kicked Rotor Model）。该系统通过时间周期性的“踢”（Kicks）产生动力学局域化现象。
- 通过演化算符计算系统的能量序列，该能量序列具有内在的物理随机性。
- 将能量值映射为 $[0, 255]$ 范围内的整数索引序列 $P$ ，用于初始化旋转轮。
旋转轮结构（Rotating Wheel）：
- 构建一个包含 $0 $到$ 255$ 整数值的轮盘。
- 初始化：利用上述量子生成的索引序列 $P$ 对轮盘元素进行洗牌（Swap 操作），打破初始顺序。
多抽头采样策略（Multi-Tap Sampling）：
- 使用一个 32 字节的秘密密钥 确定轮盘上的 4 个固定抽头位置（Tap positions）。
- 通过密钥字符的 ASCII 值进行求和与模运算，计算出 $x_0, y_0, z_0, w_0$ 四个采样点。
- 每次迭代同时从这 4 个位置读取数值，生成 4 个随机数，提高生成速度并降低相关性。
动态旋转策略（Dynamic Rotation）：
- 轮盘并非静止，每次采样后，轮盘会根据采样值的变化以不同的速度逆时针旋转。
- 旋转速度增量 $\delta$ 由采样值计算得出（ $\delta = \text{int}(x_0 \oplus y_0) / |x_0 - y_0|$ ）。
- 这种动态旋转确保了即使轮盘内容不变，采样点与轮盘内容的相对位置也在不断变化，增强了时间上的不可预测性。
序列后处理：
- 生成的序列被重组为二维数组，并再次利用量子生成的置换矩阵 $m(i,j)$ 和 $n(i,j)$ 进行二次洗牌，以消除空间相关性。

B. 图像加密流程

置乱（Permutation）：利用量子生成的索引矩阵对明文图像像素进行位置置换，破坏相邻像素的相关性。
扩散（Diffusion）：将生成的随机密钥流（Keystream）与置乱后的图像进行逐位异或（XOR）操作，生成密文图像。
解密：使用相同的密钥和逆序操作进行解密。

3. 主要贡献 (Key Contributions)

混合框架创新：提出了一种基于旋转轮结构的混合随机数生成框架，利用量子涨落对轮盘元素进行排序，结合了物理随机性与算法灵活性。
密钥依赖的多抽头机制：设计了基于 32 字节密钥的 4 点同步采样机制，显著提高了随机数据的生成效率并降低了序列相关性。
动态旋转策略：引入了不改变轮盘内容但动态改变采样相对位置的旋转机制，增强了时间维度的随机性，且仅使用整数运算，避免了浮点误差。
全整数运算：整个生成和加密过程仅依赖整数操作，确保了算法在不同硬件平台上的确定性和鲁棒性。

4. 实验结果 (Results)

实验在 Python 环境下进行，测试了多种图像（医疗、卫星、指纹、二维码等），结果如下：

信息熵（Entropy）：加密图像的熵值接近理想值 7.997（8 位图像最大值为 8），表明像素分布极其均匀，随机性极高。
差分攻击抵抗（NPCR/UACI）：
- 像素变化率（NPCR）达到 99.60%，表明单个像素的微小变化能引起密文的大幅改变。
- 统一平均变化强度（UACI）在 31%-41% 之间，接近理论最优值，显示了对差分攻击的强抵抗力。
相关性分析：加密图像在水平、垂直和对角线方向的相关系数接近 0（如 -0.002），远优于明文图像（通常 >0.8），有效消除了像素间的相关性。
直方图：加密图像的直方图呈现均匀分布，掩盖了原始图像的统计特征。
NIST 测试：生成的随机序列通过了 NIST SP 800-22 统计测试套件的所有 15 项测试（P 值均在 0.01-1 之间）。
鲁棒性：
- 密钥敏感性：密钥改变一个字符，解密图像与原始图像的结构相似性（SSIM）仅为 0.020。
- 抗攻击性：在遭受高斯噪声、散斑噪声和不同比例（10x10 至 160x160）的裁剪攻击后，仍能恢复出可识别的图像内容，且 PSNR 和 SSIM 指标表现良好。
消融实验：验证了移除量子涨落、静态轮盘或单点采样均会导致相关性增加和熵值下降，证明了各模块的必要性。

5. 意义与结论 (Significance & Conclusion)

安全性：该方案通过结合量子物理随机性和动态算法机制，实现了高熵、低相关性和强抗攻击性的图像加密，有效抵御了暴力破解、选择明文攻击和差分攻击。
实用性：由于仅使用整数运算，该算法计算效率高，不依赖特定浮点硬件，非常适合在移动医疗、生物识别、智能设备等多媒体通信场景部署。
局限性：目前抽头位置和数量的配置尚未达到全局最优，可能影响统计性能。
未来展望：作者计划进一步优化算法以提升执行速度和降低内存占用，并将其扩展至视频加密和其他安全数据传输领域。

综上所述，该论文提出了一种高效、安全且平台无关的图像加密方案，其核心在于利用量子涨落构建了一个理想的随机数生成器，为数字图像的安全传输提供了强有力的技术支撑。