論文の概要: DICOM Compatible, 3D Multimodality Image Encryption using Hyperchaotic Signal
- arxiv url: http://arxiv.org/abs/2504.20689v1
- Date: Tue, 29 Apr 2025 12:11:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.887534
- Title: DICOM Compatible, 3D Multimodality Image Encryption using Hyperchaotic Signal
- Title（参考訳）: ハイパーカオス信号を用いたDICOM互換3次元多モード画像暗号化
- Authors: Anandik N Anand, Sishu Shankar Muni, Abhishek Kaushik,
- Abstract要約: 医療画像の暗号化は、機密性の高い健康情報をサイバー攻撃や不正アクセスから保護する上で重要な役割を果たす。
本稿では,マルチモード互換のセキュアで堅牢な暗号化方式を提案する。
暗号化は、DICOMイメージを入力として取り出し、その後、パディングして画像領域を増大させることから始まる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Medical image encryption plays an important role in protecting sensitive health information from cyberattacks and unauthorized access. In this paper, we introduce a secure and robust encryption scheme that is multi-modality compatible and works with MRI, CT, X-Ray and Ultrasound images for different anatomical region of interest. The method utilizes hyperchaotic signals and multi-level diffusion methods. The encryption starts by taking DICOM image as input, then padding to increase the image area. Chaotic signals are produced by a logistic map and are used to carry out pixel random permutation. Then, multi-level diffusion is carried out by 4-bit, 8-bit, radial and adjacent diffusion to provide high randomness and immunity against statistical attacks. In addition, we propose a captcha-based authentication scheme to further improve security. An algorithm generates alphanumeric captcha-based image which is encrypted with the same chaotic and diffusion methods as the medical image. Both encrypted images(DICOM image and captcha image) are then superimposed to create a final encrypted output, essentially integrating dual-layer security. Upon decryption, the superimposed image is again decomposed back to original medical and captcha images, and inverse operations are performed to obtain the original unencrypted data. Experimental results show that the proposed method provides strong protection with no loss in image integrity, thereby reducing unauthorized data breaches to a significant level. The dual-encryption approach not only protects the confidentiality of the medical images but also enhances authentication by incorporating captcha.
- Abstract（参考訳）: 医療画像の暗号化は、機密性の高い健康情報をサイバー攻撃や不正アクセスから保護する上で重要な役割を果たす。
本稿では,MRI,CT,X線,超音波画像を用いて,解剖学的に異なる領域で動作する,多モード互換のセキュアでロバストな暗号方式を提案する。
この方法は、高カオス信号と多レベル拡散法を利用する。
暗号化は、DICOMイメージを入力として取り、その後、画像領域を増やすためにパディングから始まる。
カオス信号はロジスティックマップによって生成され、画素ランダムな置換を実行するために使用される。
そして, 4ビット, 8ビット, 半径, 隣接拡散により多層拡散を行い, 統計的攻撃に対して高いランダム性と免疫性を与える。
さらに,キャプチャに基づく認証方式を提案し,セキュリティをさらに向上する。
アルゴリズムは、医療画像と同じカオス拡散法で暗号化されたアルファ数値カプチャベースの画像を生成する。
暗号化された画像(DICOMイメージとCaptchaイメージ)を重ね合わせて最終的な暗号化された出力を生成し、基本的には二重層セキュリティを統合する。
復号されると、重畳された画像を元の医療用画像とカプチャ用画像に再度分解し、逆演算を行い、元の未暗号化データを取得する。
実験の結果,提案手法は画像の整合性を損なうことなく強い保護を提供し,不許可なデータ漏洩を著しく低減することがわかった。
二重暗号化方式は、医療画像の機密性を保護するだけでなく、Captchaを組み込むことで認証を強化する。
関連論文リスト
- X-Cross: Image Encryption Featuring Novel Dual-Layer Block Permutation and Dynamic Substitution Techniques [0.6094552383593457]
画像暗号化は、許可されていないアクセスから画像のオンライン送信/保存を確保する上で重要な役割を果たす。
本稿では,X-CROSSと呼ばれる拡散融合型画像暗号化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-13T01:56:22Z) - Image Encryption Using DNA Encoding, Snake Permutation and Chaotic Substitution Techniques [0.7743851353380347]
本稿では,DNAエンコーディング,ヘビ置換,カオス置換技術を用いた新しい画像暗号化手法を提案する。
DNAエンコーディングとヘビ置換モジュールは、ピクセルの効果的なスクランブルを保証する。
混乱部分には、3つのSボックスからランダムに選択された画素値を代用するカオス置換技術が実装されている。
論文 参考訳（メタデータ） (2025-03-12T03:54:37Z) - A robust image encryption scheme based on new 4-D hyperchaotic system and elliptic curve [1.2499537119440245]
画像暗号化のための新しい4次元ハイパーカオスシステムを提案し,その有効性を実証した。
提案システムは, 2つの非線形性を持つ8項からなるため, 単純と考えられる。
混乱と拡散を伴う2段階の暗号化プロセスは、デジタル画像の機密性を保護するために使用される。
論文 参考訳（メタデータ） (2024-11-26T18:08:39Z) - StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。
ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
論文 参考訳（メタデータ） (2024-08-11T01:22:29Z) - Deep Learning and Chaos: A combined Approach To Image Encryption and Decryption [1.8749305679160366]
本稿では,新しい3次元ハイパーカオスマップ,2次元メムリスタマップ,畳み込みニューラルネットワーク(CNN)からのハイパーカオス信号を用いた新しい画像暗号化と復号化アルゴリズムを提案する。
暗号アルゴリズムのロバスト性は、キー感度分析(キー要素に対するアルゴリズムの平均感度)によって示される。
論文 参考訳（メタデータ） (2024-06-24T16:56:22Z) - An Effective Approach to Scramble Multiple Diagnostic Imageries Using Chaos-Based Cryptography [0.0]
カオスシステムに基づく医用画像暗号化方式を提案する。
平画像とカオスキーに基づく置換は、平画像のピクセルを他の行や列にシャッフルするために提供される。
本研究では, 分岐プロット, Lyapunov指数, MSE, PSNR試験, ヒストグラム解析などの様々な手法と試験を用いて, 提案システムのカオス的挙動を解析した。
論文 参考訳（メタデータ） (2024-05-02T05:18:46Z) - PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via
Secure Flow [69.78820726573935]
保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。
本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
論文 参考訳（メタデータ） (2023-07-18T10:55:54Z) - Human-imperceptible, Machine-recognizable Images [76.01951148048603]
より良い開発AIシステムと、センシティブなトレーニングデータから距離を置くことの間の、ソフトウェアエンジニアに関する大きな対立が露呈している。
画像が暗号化され、人間に認識され、機械に認識される」という、効率的なプライバシー保護学習パラダイムを提案する。
提案手法は,機械が認識可能な情報を保存しながら,暗号化された画像が人間に認識されなくなることを保証できることを示す。
論文 参考訳（メタデータ） (2023-06-06T13:41:37Z) - RiDDLE: Reversible and Diversified De-identification with Latent
Encryptor [57.66174700276893]
本研究は、Reversible and Diversified De-identification with Latent Encryptorの略であるRiDDLEを提示する。
事前に学習したStyleGAN2ジェネレータ上に構築されたRiDDLEは、潜伏空間内の顔のアイデンティティを暗号化して復号する。
論文 参考訳（メタデータ） (2023-03-09T11:03:52Z) - Hiding Images in Deep Probabilistic Models [58.23127414572098]
我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。
具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。
我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
論文 参考訳（メタデータ） (2022-10-05T13:33:25Z) - Modeling Lost Information in Lossy Image Compression [72.69327382643549]
ロスシー画像圧縮は、デジタル画像の最もよく使われる演算子の1つである。
Invertible Lossy Compression (ILC) と呼ばれる新しい非可逆的フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-22T04:04:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。