A Six-Dimensional Hyperchaotic Pseudorandom Sequence for Enhanced Voice Encryption
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over recent decades, the demand for robust voice encryption algorithms has escalated to fortify the security of speech transmission over vulnerable channels such as the internet.Among the myriad of available methodologies, those underpinned by chaos theory have garnered significant attention due to their inherent pseudorandomness, acute sensitivity to initial conditions, and control parameters.These attributes render them capable of encrypting a variety of data types, encompassing but not limited to videos, images, and audio.This study presents a novel voice encryption approach predicated on a sixdimensional (6D) hyperchaotic system.In the proposed method, six unique keys are generated from the 6D hyperchaotic system.The initial three keys are employed to permute the human voice signal, while the subsequent trio is engaged in the diffusion process.The efficacy of this scheme is evaluated on several parameters: Mean Square Error (MSE), Signal-To-Noise Ratio (SNR), correlation coefficient, Peak Signal-To-Noise Ratio (PSNR), key sensitivity, key space, and entropy analysis.The Libri-Speech dataset serves as the test bench for the proposed system.The key space has been determined to be 2465.The system's performance is notable, with correlation coefficients ranging between -0.00276 and 0.002759, entropy values from 14.74399 to 14.74942, PSNR values from 4.2814 to 4.7875, SNR values from -30.3854 to -9.2364, and a nearly zero MSE range of 0.3321 to 0.3731 between original and extracted signals.This study underscores the potential of the 6D hyperchaotic system in enhancing information security, specifically for voice encryption.The findings may pave the way for more secure communication protocols in an increasingly interconnected digital world.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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