論文の概要: Elevating Medical Image Security: A Cryptographic Framework Integrating Hyperchaotic Map and GRU

• arxiv url: http://arxiv.org/abs/2510.12084v1
• Date: Tue, 14 Oct 2025 02:48:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.156767
• Title: Elevating Medical Image Security: A Cryptographic Framework Integrating Hyperchaotic Map and GRU
• Title（参考訳）: 医療画像セキュリティの向上: ハイパーカオスマップとGRUを統合する暗号化フレームワーク
• Authors: Weixuan Li, Guang Yu, Quanjun Li, Junhua Zhou, Jiajun Chen, Yihang Dong, Mengqian Wang, Zimeng Li, Changwei Gong, Lin Tang, Xuhang Chen,
• Abstract要約: カオスシステムは、初期条件への感受性、エルゴード性、複雑なダイナミクスにより、現代の画像暗号化において重要な役割を果たす。 本稿では,これらの問題に対処する新しい暗号化フレームワークであるKun-IEを提案する。 2D Sin-Cos Pi Hyperchaotic Mapの開発と、新しい置換戦略であるKun-SCANの導入である。
• 参考スコア（独自算出の注目度）: 14.484738921223352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chaotic systems play a key role in modern image encryption due to their sensitivity to initial conditions, ergodicity, and complex dynamics. However, many existing chaos-based encryption methods suffer from vulnerabilities, such as inadequate permutation and diffusion, and suboptimal pseudorandom properties. This paper presents Kun-IE, a novel encryption framework designed to address these issues. The framework features two key contributions: the development of the 2D Sin-Cos Pi Hyperchaotic Map (2D-SCPHM), which offers a broader chaotic range and superior pseudorandom sequence generation, and the introduction of Kun-SCAN, a novel permutation strategy that significantly reduces pixel correlations, enhancing resistance to statistical attacks. Kun-IE is flexible and supports encryption for images of any size. Experimental results and security analyses demonstrate its robustness against various cryptanalytic attacks, making it a strong solution for secure image communication. The code is available at this \href{https://github.com/QuincyQAQ/Elevating-Medical-Image-Security-A-Cryptographic-Framework-Integrating- Hyperchaotic-Map-and-GRU}{link}.
• Abstract（参考訳）: カオスシステムは、初期条件への感受性、エルゴード性、複雑なダイナミクスにより、現代の画像暗号化において重要な役割を果たす。 しかし、既存のカオスベースの暗号化手法の多くは、不適切な置換や拡散、最適でない擬似ランダム特性などの脆弱性に悩まされている。 本稿では,これらの問題に対処する新しい暗号化フレームワークであるKun-IEを提案する。 2D Sin-Cos Pi Hyperchaotic Map (2D-SCPHM)はより広いカオス範囲と優れた擬似ランダムシーケンス生成を提供する。 Kun-IEは柔軟性があり、任意のサイズの画像の暗号化をサポートする。 実験結果とセキュリティ分析は、様々な暗号解析攻撃に対する堅牢性を示し、セキュアな画像通信のための強力なソリューションとなる。 コードは、この \href{https://github.com/QuincyQAQ/Elevating-Medical-Image-Security-A-Cryptographic-Framework-Integrating- Hyperchaotic-Map-and-GRU}{link} で公開されている。

関連論文リスト

• SafeGuider: Robust and Practical Content Safety Control for Text-to-Image Models [74.11062256255387]
  テキスト・ツー・イメージのモデルは、安全対策を回避し、有害なコンテンツを生成できる敵のプロンプトに対して非常に脆弱である。 textbfSafeGuiderは、生成品質を損なうことなく、堅牢な安全制御を実現するための2段階のフレームワークである。 SafeGuiderは攻撃成功率の最小化において例外的な効果を示し、様々な攻撃シナリオで最大速度は5.48%である。
  論文  参考訳（メタデータ） (2025-10-05T10:24:48Z)
• A Dual-Layer Image Encryption Framework Using Chaotic AES with Dynamic S-Boxes and Steganographic QR Codes [0.0]
  本稿では,ロバストな画像暗号化と鍵分散フレームワークを提案する。 改良されたAES-128アルゴリズムとカオス理論と高度なステガノグラフィー技術を統合している。 監視、医療画像、デジタル法医学などのアプリケーションにおいて、機密画像送信のためのスケーラブルでセキュアなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-06-16T18:16:14Z)
• Optimizing Secure Quantum Information Transmission in Entanglement-Assisted Quantum Networks [0.0]
  この研究は、QKD(Quantum Key Distribution)とMulti-Layer Chaotic Encryptionを統合することで問題を解決する。 このフレームワークは、医療、法科学計算、国家安全保障といった重要な分野におけるセキュアな通信プロトコルを定義するための、将来的なアプローチを提供する。
  論文  参考訳（メタデータ） (2025-01-17T00:51:37Z)
• 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)
• 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)
• MITS-GAN: Safeguarding Medical Imaging from Tampering with Generative Adversarial Networks [48.686454485328895]
  本研究では,医療画像の改ざんを防止する新しいアプローチであるMITS-GANを紹介する。 このアプローチは、人間の目には知覚できない微調整された摂動を導入することで、攻撃者のCT-GANアーキテクチャの出力を妨害する。 CTスキャンによる実験結果から,MITS-GANの優れた性能が確認された。
  論文  参考訳（メタデータ） (2024-01-17T22:30:41Z)
• 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)
• Towards Accurate Image Coding: Improved Autoregressive Image Generation with Dynamic Vector Quantization [73.52943587514386]
  既存のベクトル量子化(VQ)ベースの自己回帰モデルは、2段階生成パラダイムに従う。 画像領域を可変長符号に符号化する動的量子化VAE(DQ-VAE)を提案する。
  論文  参考訳（メタデータ） (2023-05-19T14:56:05Z)
• Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
  ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。 我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
  論文  参考訳（メタデータ） (2023-03-15T15:00:20Z)

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。