論文の概要: Syntax Element Encryption for H.265/HEVC Using Chaotic Map-Based Coefficient Scrambling Scheme
- arxiv url: http://arxiv.org/abs/2608.22573v1
- Date: Sun, 23 Aug 2026 19:46:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.793367
- Title: Syntax Element Encryption for H.265/HEVC Using Chaotic Map-Based Coefficient Scrambling Scheme
- Title（参考訳）: カオスマップに基づく係数スクランブルスキームを用いたH.265/HEVCの構文要素暗号化
- Abstract要約: テクスチャマップに基づく新しい係数スクランブルスキームを提案する。
このスキームは、スライスと同期して動作し、スライスが失われても、ビデオコンテンツの復号化が無傷であることを保証する。
- 参考スコア（独自算出の注目度）: 6.089725723481354
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In today's digital landscape, high-efficiency video coding (H.265/HEVC) has emerged as the most widely used video coding standard, employing selective encryption schemes to protect the privacy of video content while maintaining efficient compression performance. However, existing coefficient scrambling methods impose a significant computational load, leading to increased bit rate overhead due to encryption, longer execution times, and insufficient safety measures. To address these issues, a new coefficient scrambling scheme based on \textit{chaotic maps} is proposed. This approach leverages the pseudorandomness, ergodicity, and sensitivity to initial conditions inherent in chaotic maps to generate highly unpredictable coefficient distributions, thereby strengthening security while preserving low complexity. Unlike conventional scrambling, chaotic maps ensure minimal correlation between encrypted coefficients, enhancing resistance against statistical and differential attacks. Additionally, the scrambling conditions are specifically designed to minimize the impact on the bit rate overhead. Furthermore, when combined with syntax element encryption (SEC), which includes motion vector difference (MVD), quantized transform coefficients (QTC), and luma intraprediction mode (Luma IPM), this method effectively distorts video content. The proposed scheme operates synchronously with slices, ensuring that the decryption of video content remains intact even if some slices are lost. Additionally, a random sequence generated by AES-CTR is incorporated with the H.265 encoded stream to protect against chosen-plaintext attacks.
- Abstract（参考訳）: 今日のデジタルランドスケープでは、高効率ビデオ符号化(H.265/HEVC)が最も広く使われているビデオ符号化標準として登場し、効率的な圧縮性能を維持しながら、ビデオコンテンツのプライバシを保護するために選択的な暗号化方式を採用している。
しかし、既存の係数スクランブル法では計算負荷が大きくなり、暗号化によるビットレートのオーバヘッドが増加し、実行時間が長くなり、安全対策が不十分になった。
これらの問題に対処するために, textit{chaotic map} に基づく新しい係数スクランブルスキームを提案する。
このアプローチは、カオスマップに固有の初期条件に対する擬似ランダム性、エルゴード性、感度を活用して、高い予測不可能な係数分布を生成する。
従来のスクランブルとは異なり、カオスマップは暗号化された係数間の最小限の相関を保証し、統計的および微分攻撃に対する耐性を高める。
さらに、スクランブル条件は、ビットレートオーバーヘッドへの影響を最小限に抑えるように設計されている。
さらに、動きベクトル差(MVD)、量子化変換係数(QTC)、ルマ予測モード(Luma IPM)を含む構文要素暗号(SEC)と組み合わせることで、映像コンテンツを効果的に歪ませる。
提案方式はスライスと同期して動作し,スライスが失われてもビデオコンテンツの復号化が持続することを確認した。
さらに、AES-CTRによって生成されたランダムシーケンスをH.265エンコードストリームに組み込んで、選択されたテキスト攻撃から保護する。
関連論文リスト
- Efficient Learned Image Compression without Entropy Coding [62.01837001379442]
エントロピー符号化自由学習画像圧縮(EF-LIC)を提案する。
EF-LICは、符号化レイテンシの低い統計的および相関的冗長性を排除し、コンパクトな表現を生成するマルチレートフレームワークである。
実験の結果、EF-LIC はコダックの MS-ILLM を LPIPS で67.86% 削減できることがわかった。
論文 参考訳（メタデータ） (2026-05-22T07:37:30Z) - A Method for Securely Transmitting Large Video Files Using Chaotic Compression and Encryption [0.3316600629404843]
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。
論文 参考訳（メタデータ） (2026-05-15T19:07:02Z) - High Memory Masked Convolutional Codes for PQC [0.0]
本稿では,高メモリマスク畳み込み符号に基づく量子後暗号システムを提案する。
任意の平文長をサポートし、線形時間復号化とビット単位の計算コストの均一化を実現している。
このスキームは、古典的なマッケイリーシステムよりも2100以上の要因で暗号解析のマージンを達成している。
論文 参考訳（メタデータ） (2025-10-17T10:39:20Z) - Real-Time Bit-Level Encryption of Full High-Definition Video Without Diffusion [1.0202696337641386]
リアルタイム暗号化アルゴリズムは、高解像度ビデオに対するリアルタイム暗号化の要求を満たすには不十分である。
本稿では,異種並列計算に基づくリアルタイムビデオ暗号化プロトコルを提案する。
実験により,本手法は優れた統計特性と堅牢なセキュリティを示すことが示された。
論文 参考訳（メタデータ） (2025-05-12T00:36:45Z) - A Novel Feature-Aware Chaotic Image Encryption Scheme For Data Security and Privacy in IoT and Edge Networks [2.0189209920381774]
IoT(Internet of Things)とエッジネットワークにおけるイメージデータのセキュリティは非常に重要です。
AESやRSAといった従来の暗号化アルゴリズムは、リソースに制約のあるIoTデバイスでは計算コストがかかる。
本稿では,新しい特徴認識カオス画像暗号化方式を提案する。
論文 参考訳（メタデータ） (2025-05-01T15:26:48Z) - High-Efficiency Neural Video Compression via Hierarchical Predictive Learning [27.41398149573729]
強化されたDeep Hierarchical Video Compression(DHVC 2.0)は、優れた圧縮性能と目覚ましい複雑さの効率を導入する。
階層的な予測符号化を使用して、各ビデオフレームをマルチスケール表現に変換する。
トランスミッションフレンドリーなプログレッシブデコーディングをサポートしており、パケットロスの存在下では特にネットワーク化されたビデオアプリケーションに有利である。
論文 参考訳（メタデータ） (2024-10-03T15:40:58Z) - Coding-Based Hybrid Post-Quantum Cryptosystem for Non-Uniform Information [53.85237314348328]
我々は、新しいハイブリッドユニバーサルネットワーク符号化暗号(NU-HUNCC)を導入する。
NU-HUNCCは,リンクのサブセットにアクセス可能な盗聴者に対して,個別に情報理論的に保護されていることを示す。
論文 参考訳（メタデータ） (2024-02-13T12:12:39Z) - Conditional Entropy Coding for Efficient Video Compression [82.35389813794372]
本稿では,フレーム間の条件エントロピーをモデル化することのみに焦点を当てた,非常にシンプルで効率的なビデオ圧縮フレームワークを提案する。
まず、画像遅延符号間のエントロピーをモデル化する単純なアーキテクチャが、他のニューラルビデオ圧縮やビデオコーデックと同等の競争力を持つことを示す。
次に、このアーキテクチャの上に新しい内部学習拡張を提案し、復号速度を抑えることなく10%の節約を実現した。
論文 参考訳（メタデータ） (2020-08-20T20:01:59Z) - Learning for Video Compression with Recurrent Auto-Encoder and Recurrent
Probability Model [164.7489982837475]
本稿では、リカレントオートエンコーダ(RAE)とリカレント確率モデル(RPM)を用いたリカレントラーニングビデオ圧縮(RLVC)手法を提案する。
RAEは、ビデオフレーム間の時間的相関を利用するために、エンコーダとデコーダの両方で繰り返しセルを使用する。
提案手法は,PSNRとMS-SSIMの両方の観点から,最先端の学習ビデオ圧縮性能を実現する。
論文 参考訳（メタデータ） (2020-06-24T08:46:33Z) - 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) - Content Adaptive and Error Propagation Aware Deep Video Compression [110.31693187153084]
本稿では,コンテンツ適応型・誤り伝搬対応型ビデオ圧縮システムを提案する。
本手法では, 複数フレームの圧縮性能を1フレームではなく複数フレームで考慮し, 共同学習手法を用いる。
従来の圧縮システムでは手作りのコーディングモードを使用する代わりに,オンラインエンコーダ更新方式をシステム内に設計する。
論文 参考訳（メタデータ） (2020-03-25T09:04:24Z)
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。