Novel Dual-Domain Chaotic Image Cryptosystem for Cybersecurity Applications
Notice bibliographique
Résumé
The secrecy of various forms of multimedia data constitutes a significant aspect of the cybersecurity field. In this case, chaos-based image ciphers can be adapted. Chaotic image encryption has been investigated in the literature using different transformation domains, such as spatial, discrete Fourier transform, wavelet transform, etc. Although some frequency-based cryptosystems exhibit favorable confusion properties, they may suffer in terms of diffusion properties and fail in terms of some statistical characteristics, which make them vulnerable to various statistical, analytical, and differential attacks. In this regard, we adopt a dual-domain (wavelet and spatial domains) image cryptosystem and propose a novel diffusion process in the wavelet domain to address the problem of weak resilience against the aforementioned attacks. The proposed diffusion process in the wavelet domain is applied only on 1/16 of the pixels of the plain image, which makes it computationally more efficient compared to the existing wavelet domain-based works. In addition, the proposed cryptosystem solves the bell shape histogram problem associated with some frequency-based cryptosystems, which has been verified using different performance metrics in our simulation results. We also introduce a novel key-dependent chaotic variable generator to generate the required initial conditions and control parameters for the adopted enhanced chaotic map. The superiority of the proposed algorithm compared to some of the existing state-of-the-art has been verified through various performance metrics. These include different types of correlation coefficients, histogram visualization, histogram deviation, irregular deviation, mean square error, chi-square test, entropy test, and differential analysis.
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 | 0,000 | 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 | 0,002 |
| 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 ».