Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
CNN과 동적 S-Box 생성을 결합하여 이미지 암호화의 보안성을 높이는 새로운 알고리즘을 제안합니다. 학습된 특성을 기반으로 적응형 S-Box를 생성함으로써 기존 고정형 방식보다 높은 비선형성과 공격 저항력을 제공합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기본 논문은 이미지 암호화의 보안성과 유연성을 향상시키기 위해 합성곱 신경망 (Convolutional Neural Networks, CNNs)의 사용과 고전 암호학을 결합한 이미지 암호화의 동적 접근 방식을 제안합니다. 핵심 개념은 학습된 CNN에 의해 학습된 특성을 기반으로 적응형 치환 박스 (Substitution boxes, S-boxes)를 생성하는 것입니다. CNN 기반 S-box는 선형 및 차분 공격 (linear and differential attacks)에 취약한 기존의 고정된 S-box보다 더 높은 비선형성 (non-linearity), 고유성 (uniqueness) 및 입력 이미지 의존성을 제공할 수 있습니다. 이러한 동적 동작은 혼돈 특성 (confusion property)을 강화하여 통계적 및 구조적 공격에 대해 더 높은 저항력을 갖게 합니다. 암호화 알고리즘은 CNN 기반의 특징 추출 (feature extraction)과 픽셀을 대체하기 위한 개인화된 S-box 생성으로 구성됩니다. 엔트로피 (Entropy), 히스토그램 분석 (histogram analysis), 상관관계 (correlation), NPCR 및 UACI를 통해 CNN 기반으로 생성된 S-box의 보안성을 평가할 수 있으며, 이는 해당 방식이 기존 방식보다 더 탄력적이고 유연함을 나타냅니다.