MétaCan
Menu
Retour à la cohorte
Enregistrement W4286304251 · doi:10.1109/icee55646.2022.9827353

An Enhanced Chaotic System Based Color Image Encryption using DNA Encoding

2022· article· en· W4286304251 sur OpenAlexaff
Mobin Vaziri, Mohammad Mehdi Rahimifar, Hadi Jahanirad

Notice bibliographique

Revue2022 30th International Conference on Electrical Engineering (ICEE) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueChaos-based Image/Signal Encryption
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésEncryptionComputer scienceEncoding (memory)PixelHash functionPermutation (music)Image (mathematics)ChaoticCryptographyCipherTheoretical computer scienceComputer visionAlgorithmArtificial intelligenceComputer security

Résumé

récupéré en direct d'OpenAlex

Transferring data, particularly digital images, over unsecured communication channels has overgrown in the past years. Digital images such as medical images have certain information. Thus, these data should remain protected and inaccessible. According to discussed issues and numerous attack methods, implementing a high secure encryption algorithm is confronted with crucial issues and challenges. This paper proposes a new efficient color image encryption based on a chaotic system and DNA encoding following one round process. Initially, a hash function generates a secret key to be used in the confusion and diffusion stages simultaneously. Subsequently, the pixels' values are changed in the confusion phase through DNA encoding and XORing. Ultimately, the adjacent pixels' positions are shifted by permutation boxes generated from the chaotic system, and the cipher image is achieved. The experimental results and security analysis proves that our scheme has significantly higher security than other methods and can resist statistical attacks, differential attacks, and occlusion attacks.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,260
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 30th International Conference on Electrical Engineering (ICEE)Même sujetChaos-based Image/Signal EncryptionTravaux en français237 207