Image Encryption via Data-Identified Discrete Chaotic Maps

技术摘要：基于数据识别的离散混沌映射图像加密

问题陈述
传统的基于混沌的图像加密方案主要依赖于预定义的固定混沌系统（例如标准 Hénon 映射或三维 Logistic 映射）。这些方法存在一个重大的安全隐患，即混沌映射的数学结构往往是已知的或容易被逆向工程破解，一旦初始条件（密钥）被泄露，系统便面临脆弱性。此外，手动提出全新的混沌系统是一项复杂且困难的任务。本文旨在解决对更鲁棒加密范式的需求，其中混沌映射本身并非固定不变，而是从数据中动态推导得出，从而在传统密钥空间之外增加了一层隐式安全机制。

方法论
作者提出了一种利用SINDy-PI（稀疏非线性动力学识别 - 并行隐式）算法的数据驱动图像加密框架。该方法包含以下核心步骤：

1. 算法适配：将原本设计用于连续时间系统的 SINDy-PI 算法修改为适用于离散时间混沌系统。这涉及重构预选择函数库以匹配映射特性，并调整数据生成逻辑，使其采用循环迭代而非时间步长积分方法（如 Runge-Kutta 法）。
2. 数据驱动的映射识别：系统不使用预定义的方程，而是从混沌系统（例如 Hénon、三维 Logistic 或 Lozi 映射）生成观测数据。随后，SINDy-PI 算法直接从这些数据中识别出显式动力学方程，包括交叉项和高阶非线性项。
3. 加密方案：
   • 密钥结构：加密密钥仅由初始条件 $(x_0, y_0)$ 组成。混沌映射的具体形式不作为密钥传输；它是从用于生成映射的训练数据中推导得出的。
   • 过程：利用识别出的映射和初始条件生成混沌序列。该序列用于：
     • 置乱：基于混沌序列对行和列进行独立排序，以置换像素位置。
     • 扩散：进行多轮（四轮）模 256 加法扩散以改变像素值，确保明文中的单比特变化影响整个密文。
4. 解密：成功解密需要完全相同的初始条件以及加密期间使用的完全相同的映射结构（符号表达式）。由于映射依赖于数据，拥有正确初始条件但映射结构错误（源自不同训练数据）的攻击者无法解密图像。

主要贡献

• 首次应用于离散系统：这项工作将此前仅限于连续时间系统的 SINDy-PI 算法扩展到了离散混沌映射的识别。
• 数据依赖的隐式密钥：本文引入了一种新颖的安全机制，其中混沌映射结构本身充当隐式密钥。即使初始条件相同，不同的训练数据（例如变化的噪声种子）也会导致略微不同的映射结构，从而产生完全不同的密文。
• 通用性：该框架在三种不同的混沌系统中得到了验证：二维 Hénon 映射、三维 Logistic 映射和分段线性 Lozi 映射，证明了其对各种动力学结构的适用性。
• 增强的敏感性：该方案对初始条件表现出极端的敏感性（$10^{-16}$ 的扰动会导致解密完全失败），并且对映射结构本身也具有高敏感性。

实验结果
该框架使用 256 $\times$ 256 灰度“月球表面”图像进行了测试。结果表明：

• 信息熵：加密图像达到了接近理想的熵值（$\approx 7.9976$ 比特），表明像素分布高度均匀。
• 相关性：像素间相关性降低至可忽略不计的水平（水平、垂直和对角线方向均约为 0.08），显著低于固定参数方案。
• 密钥敏感性：初始值中 $10^{-16}$ 的微小扰动导致峰值信噪比（PSNR）约为 10.2 dB（远低于 30 dB 的无损阈值），证实了解密完全失败。
• 差分攻击：该方案表现出对差分攻击的强抵抗力，像素变化率（NPCR）平均为 99.6556%，统一平均变化强度（UACI）平均为 33.5824%，与理论理想值高度吻合。
• 映射敏感性：当使用相同的初始条件但基于略有不同的训练数据（无噪声与低噪声）识别出的映射时，生成的密文显示出 99.6231% 的 NPCR 和 33.4057% 的 UACI，证实了映射结构作为一个关键的、独立的安全因素发挥作用。

意义与主张
本文声称通过将系统识别与加密相结合，确立了基于混沌密码学的新范式。其主要意义在于从固定映射转向自适应、以数据为中心的安全架构。通过使映射结构依赖于训练数据，作者认为该系统引入了一层额外的安全机制，比传统方案更能有效抵御逆向工程和已知明文攻击。作者断言，这种方法不仅为算法设计提供了更多选择，而且为解决现有基于混沌算法安全性低的问题提供了解决方案。未来工作 outlined 为将该方法扩展到超混沌系统，并在来自物理混沌电路的实验时间序列上进行验证。