論文の概要: A Method for Securely Transmitting Large Video Files Using Chaotic Compression and Encryption

• arxiv url: http://arxiv.org/abs/2605.16563v1
• Date: Fri, 15 May 2026 19:07:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 16:56:45.153208
• Title: A Method for Securely Transmitting Large Video Files Using Chaotic Compression and Encryption
• Title（参考訳）: カオス圧縮と暗号化を用いた大容量ビデオファイルをセキュアに伝送する方法
• Authors: Shiladitya Bhattacharjee, Subha Bhattacharya, Arnab Chatterjee, Sulabh Bansal, Saurabh Shukla,
• Abstract要約: 本研究では,大規模なビデオファイルに特化して設計されたSDCEシステムを提案する。 この手法は、Huffmanエンコーディングとカオスマップベースの暗号化を併用し、無損失圧縮を結合的なフレームワークに変換する。 この研究結果は、データプライバシを他の既存および関連する戦略と比較して強化する効果を示す。
• 参考スコア（独自算出の注目度）: 0.3316600629404843
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conventional techniques for compression and encryption are frequently laborious and resource-intensive, rendering them inappropriate for real-time applications. A plethora of research has been presented in the current literature to address these difficulties together; yet, it fails to propose any suitable strategy. Therefore, this study introduces an innovative simultaneous data compression and encryption (SDCE) system specifically designed for large video files. The methodology amalgamates chaotic map-based encryption with Huffman encoding for lossless compression into a cohesive framework, markedly diminishing computational overhead and processing duration while augmenting data security. The logistic map is utilized to produce a pseudo-random chaotic sequence for XOR-based encryption, guaranteeing robust security against unwanted access. The research findings demonstrate its efficacy in enhancing data privacy compared to other existing and related strategies, particularly in terms of generating greater entropy and avalanche effects. It produces superior throughput, compression ratio, peak signal-to-noise ratio (PSNR), and reduced bits per rate (BPC), along with a smaller percentage of data loss, which further supports its ability to provide enhanced data integrity compared to other existing methods.
• Abstract（参考訳）: 圧縮と暗号化の従来の技術は、しばしば手間がかかり、リソース集約的であり、リアルタイムアプリケーションには不適当である。 現在の文献ではこれらの困難に対処するために多くの研究がなされているが、適切な戦略は提案されていない。 そこで本研究では,大規模なビデオファイルに特化して設計されたSDCEシステムを提案する。 この手法は、カオスマップベースの暗号化とHuffmanエンコーディングを併用し、無損失圧縮を凝集性フレームワークに変換し、データセキュリティを増大させながら計算オーバーヘッドと処理時間を著しく短縮する。 ロジスティックマップを使用して、XORベースの暗号化のための擬似ランダムカオスシーケンスを生成し、不要なアクセスに対する堅牢なセキュリティを保証する。 この研究結果は、特にエントロピーと雪崩効果を増大させるという点において、データプライバシーを他の既存および関連する戦略と比較して強化する効果を示す。 スループット、圧縮比、ピーク信号対雑音比(PSNR)、ビット毎レート(BPC)の削減、データ損失率の削減などを実現しており、既存の方法に比べてデータ完全性の向上が期待できる。

関連論文リスト

• Seq2Seq2Seq: Lossless Data Compression via Discrete Latent Transformers and Reinforcement Learning [3.2641459166493405]
  本稿では,T5言語モデルアーキテクチャに適用した強化学習に基づく新しい圧縮手法を提案する。 このアプローチは、従来のベクトル表現ではなく、トークンのシーケンスへのデータの圧縮を可能にする。 言語モデル内の潜伏情報を活用することで、明示的なコンテンツ理解を必要とせず、効果的にデータを圧縮する。
  論文  参考訳（メタデータ） (2026-02-12T16:30:55Z)
• Generative Diffusion Model-based Compression of MIMO CSI [17.15101539701981]
  実験の結果,提案手法は既存のCSI圧縮アルゴリズムよりも優れていた。 これらの知見は,通信システムにおける実用的展開のための拡散圧縮の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-02-07T02:24:12Z)
• UniCompress: Enhancing Multi-Data Medical Image Compression with Knowledge Distillation [59.3877309501938]
  Inlicit Neural Representation (INR) ネットワークは、その柔軟な圧縮比のため、顕著な汎用性を示している。 周波数領域情報を含むコードブックをINRネットワークへの事前入力として導入する。 これにより、INRの表現力が向上し、異なる画像ブロックに対して特異な条件付けが提供される。
  論文  参考訳（メタデータ） (2024-05-27T05:52:13Z)
• Lightweight Cryptanalysis of IoT Encryption Algorithms : Is Quota Sampling the Answer? [0.0]
  2つの有名な軽量アルゴリズムはSIMONとSIMECKである。 差分暗号解析攻撃に対するレジリエンスのためにこれらのアルゴリズムをテストする必要がある。 本稿では,高次クリプトアナリシスのためのVersatile Investigationative Smpling Techniqueを紹介する。
  論文  参考訳（メタデータ） (2024-04-12T00:08:39Z)
• Convolutional variational autoencoders for secure lossy image compression in remote sensing [47.75904906342974]
  本研究では,畳み込み変分オートエンコーダ(CVAE)に基づく画像圧縮について検討する。 CVAEは、JPEG2000のような従来の圧縮手法を圧縮ベンチマークデータセットのかなりのマージンで上回ることが示されている。
  論文  参考訳（メタデータ） (2024-04-03T15:17:29Z)
• Deep Lossy Plus Residual Coding for Lossless and Near-lossless Image Compression [85.93207826513192]
  本稿では、損失のない画像圧縮とほぼロスレス画像圧縮の両面において、統合された強力な深い損失+残差(DLPR)符号化フレームワークを提案する。 VAEのアプローチにおける連立損失と残留圧縮の問題を解く。 ほぼロスレスモードでは、元の残差を量子化し、与えられた$ell_infty$エラー境界を満たす。
  論文  参考訳（メタデータ） (2022-09-11T12:11:56Z)
• 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。