Hybrid encryption and Riesz-based biometric authentication: a novel approach for secure greyscale image transmission
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
This paper presents a novel greyscale image encryption and authentication mechanism by combining hybrid encryption with the Riesz transform for the first time. The system employs asymmetric encryption and optoelectronic implementation, integrating key techniques such as spiral phase mask, unequal modulus, random modulus decomposition and the QZS algorithm to enhance key space and enable authentication. The system's resilience is demonstrated through numerical simulations in MATLAB environment. Excellent statistical measures for decrypted image are obtained from the proposed approach: a mean squared error (MSE) of 4.9436×10−18, a peak signal-to-noise ratio (PSNR) of 221.19 dB and a perfect correlation coefficient (CC) of 1. Additionally, with number of pixel change rate (NPCR) of 99.94% and unified average changing intensity (UACI) of 33.348, the system exhibits strong resilience against differential attacks. The high entropy value of 7.9954 confirms strong randomness and security, reinforcing the system’s resilience against differential attacks. Despite offering a high degree of security and accuracy the system maintains an efficient total encryption time of 2.37 seconds, including both encryption and authentication procedures, these findings establish the proposed system as a robust solution for secure image transmission and storage in today’s data-sensitive environment. This work represents a significant advancement in biometric-based image encryption by integrating novel hybrid transforms with Riesz-based authentication.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 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 découle