Quantum Image Encryption Using 4D Hamiltonian System and Bit-Plane Encoding
Notice bibliographique
Résumé
This paper presents a new quantum image encryption (QIE) algorithm that integrates a newly developed 4D Quantum Logistic-Jerk Hyperchaotic System (4D-QLJHS) with a quantum image representation (QIR) model, enabling secure and efficient image transmission.By reducing qubit usage and circuit depth, the proposed QIE framework significantly improves quantum resource efficiency.Additionally, incorporating the enhanced 4D-LJHS map strengthened security and resistance against both quantum and classical attacks, surpassing the robustness and scalability of current quantum image encryption techniques.The new 4D-QLJHS is created by combining a logistic map and a jerk system, and then converted to a quantum hyperchaotic system using a Hamiltonianbased method.These systems help create a Quantum Pseudo-Random Number Generator (QPRNG) that generates random bit sequences used to alter and rearrange data at the quantum bit-plane level during the encryption process.The quantum encryption method uses the Quantum Image Representation based on Bit Planes (QIRBP) model, which enables modifying individual pixels and color channels via CNOT and SWAP gates.We evaluate various statistical tests to confirm the security and efficiency of our system.The experiments demonstrate that the system is highly secure, featuring adequate randomness, robust protection against specific attacks, and uniform distribution in the encrypted image data.Experimental simulations of some images indicate that the system provides a satisfactory level of security for image encryption, given the computational costs.This makes it suitable for real-time image communication where security is a priority.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,015 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».