Enhancing Medical Image Security with FPGA-Accelerated LED Cryptography and LSB Watermarking
Notice bibliographique
Résumé
In telemedicine, the safeguarding of medical images is important, necessitating systems that uphold patient privacy, ensure image integrity, and verify authenticity.Addressing the challenge of processing time disparities in existing algorithms, this study introduces a novel field-programmable gate array (FPGA)-based crypto-watermarking system for medical image applications.The system integrates a least significant bit (LSB) watermarking technique with the Lightweight Encryption Device (LED) cryptography algorithm.The LSB technique, known for its minimal impact on image quality, is utilized to embed a concealed message, subsequently encrypted by the LED algorithm for enhanced security.Traditional software implementations of such algorithms have been hampered by significant processing delays, with times ranging up to 34 seconds for smaller images and extending to 30 minutes for larger ones.The predominant factor in these delays, the encryption/decryption process, occupies 98% of the total processing time.To address this, the LED algorithm has been accelerated using Vitis High-Level Synthesis (HLS) for hardware implementation, effectively reducing time to market.The proposed architecture, subjected to rigorous examination, testing, and evaluation, demonstrates superior performance in throughput and processing speed compared to previous works.An extensive range of digital images was employed to assess the coprocessor's efficacy.The results reveal an average Peak Signal-to-Noise Ratio (PSNR) of 86.98 dB, indicating superior imperceptibility without attacks when compared to earlier studies.Furthermore, under various attack scenarios, the system maintains high imperceptibility, with an average PSNR of 53.68 dB, surpassing previous methods in robustness.Comparative tests confirm that the proposed FPGA-based crypto watermarking outstrips Real-Time Logic (RTL) implementations, achieving a PSNR above 82 dB.This indicates a marked improvement in imperceptibility relative to prior research.Additionally, the system boasts a throughput of 449.35 Mbps and a speed enhancement of 77% over traditional software implementations, underscoring its effectiveness in the secure processing of medical images.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».