Cifrado caótico de imágenes en color basado en aprendizaje profundo evolutivo diferencial

Investigación publicado en el Revista Internacional de Tecnología de la Información y la Comunicación describe un nuevo enfoque para el cifrado de imágenes digitales. El método podría utilizarse para proteger información confidencial, como imágenes médicas y científicas, en línea.

Al utilizar sistemas caóticos para hacer el trabajo, el enfoque desarrollado por Zhengbao Cai de la Facultad de Tecnología de la Información en Lu’an, China, mejora los enfoques existentes.

La transmisión de imágenes digitales ha hecho que el cifrado sea esencial para salvaguardar datos personales, registros médicos e inteligencia comercial, política y militar. Sin embargo, los métodos de cifrado tradicionales, como el Estándar de cifrado avanzado (AES), tienen limitaciones cuando se trata de manejar datos complejos y densos como los que se encuentran en un archivo de imagen digital.

Para solucionar los diversos problemas, Cai recurrió a un sistema de cifrado caótico. Este enfoque utiliza la dinámica irregular y no lineal de la teoría del caos para oscurecer los datos. El nuevo trabajo presenta una red neuronal celular (CNN) de seis dimensiones que puede cifrar el color de manera más eficiente y con menores demandas de recursos informáticos que los métodos anteriores basados ​​​​en el caos.

Los modelos CNN bidimensionales o tridimensionales convencionales generan secuencias de números caóticos que son muy impredecibles. Al llevar ese enfoque a una dimensión superior, Cai mejora el grado de imprevisibilidad y hace que la salida cifrada sea más estable al cifrar conjuntos de datos grandes y de alta dimensión, como escaneos médicos de alta resolución o imágenes satelitales.

Las pruebas demuestran que las imágenes cifradas de Cai resisten mucho mejor los intentos de aplicarles ingeniería inversa para ver la imagen original que los métodos de cifrado convencionales.

Existe una necesidad apremiante de métodos de cifrado seguros, eficientes y escalables para una amplia gama de tipos de imágenes digitales. La investigación actual, con su novedosa combinación de una CNN de seis dimensiones y el uso de un algoritmo evolutivo diferencial, podría hacer que esas imágenes digitales sensibles sean más seguras que nunca.