[論文レビュー] DeepKeyGen: A Deep Learning-based Stream Cipher Generator for Medical Image Encryption and Decryption

Yi Ding, Fuyuan Tan+4 more|arXiv (Cornell University)|Dec 21, 2020

Chaos-based Image/Signal Encryption参考文献 36被引用数 10

ひとこと要約

DeepKeyGenは、条件付きGANを用いて、医療画像暗号化のための暗号的に強固なプライベートキーを自動的に学習・生成する深層学習ベースのストリーム暗号生成器を提案する。望ましい鍵の「スタイル」を変換ドメインとして扱い、ソース画像（シード）を画像対画像翻訳により安全な鍵に変換することで、高いセキュリティ、広大な鍵空間、および複数の医療画像データセットにおける攻撃に対する耐性を達成する。

ABSTRACT

The need for medical image encryption is increasingly pronounced, for example to safeguard the privacy of the patients' medical imaging data. In this paper, a novel deep learning-based key generation network (DeepKeyGen) is proposed as a stream cipher generator to generate the private key, which can then be used for encrypting and decrypting of medical images. In DeepKeyGen, the generative adversarial network (GAN) is adopted as the learning network to generate the private key. Furthermore, the transformation domain (that represents the "style" of the private key to be generated) is designed to guide the learning network to realize the private key generation process. The goal of DeepKeyGen is to learn the mapping relationship of how to transfer the initial image to the private key. We evaluate DeepKeyGen using three datasets, namely: the Montgomery County chest X-ray dataset, the Ultrasonic Brachial Plexus dataset, and the BraTS18 dataset. The evaluation findings and security analysis show that the proposed key generation network can achieve a high-level security in generating the private key.

研究の動機と目的

• 手動でストリーム暗号生成器を設計する作業が時間とコストを要するという課題に対処すること。
• 深層学習を用いて、望ましい暗号的「スタイル」を持つプライベート鍵を自動生成する可能性を検討すること。
• 従来の数学的設計に基づく鍵生成器に代わる学習可能でデータ駆動型のアプローチを導入することで、医療画像暗号のセキュリティと効率を向上させること。
• 提案手法の性能とセキュリティを、実世界の医療画像データセット上で評価すること。

提案手法

• プライベート鍵の生成のためのコア学習ネットワークとして、条件付き生成対抗ネットワーク（cGAN）が使用される。
• 変換ドメイン（プライベート鍵の望ましい「スタイル」を表す）が、鍵生成プロセスをガイドするための条件入力として用いられる。
• ソースドメインは初期のシード画像から構成され、これらがGANの生成ネットワークを通じてプライベート鍵に変換される。
• 生成ネットワークは、ソースドメインから変換ドメインへのマッピングを学習し、暗号的に強固な鍵を生成する画像対画像翻訳を実行する。
• 識別ネットワークは、生成された鍵が本物の安全な鍵と区別できないようにすることで、本物の鍵サンプルからそれらを区別する。
• 最終的なプライベート鍵は、XORベースの暗号化方式に使用され、医療画像の暗号化および復号化が行われる。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、望ましい「スタイル」を持つ暗号的に安全なプライベート鍵を効果的に学習して生成できるか？
• RQ2 変換ドメインの品質が、生成されたプライベート鍵のセキュリティおよびランダムネスにどのように影響するか？
• RQ3 提案手法は、多様な医療画像モodalitiesの暗号化において、高いセキュリティと頑健性を達成できるか？
• RQ4 DeepKeyGenの性能は、鍵空間および攻撃に対する耐性という観点から、従来の手動設計された鍵生成器と比べてどうか？

主な発見

• 生成されたプライベート鍵は高い情報エントロピー（最大7.9798）と強力な擬似ランダムネスを示し、強固な暗号的性質を示している。
• 高セキュリティの変換ドメイン（エントロピー7.9971）を用いた場合、暗号化画像は高いエントロピー（7.9986）を維持し、患者情報が効果的に隠蔽された。
• 低セキュリティの変換ドメイン（エントロピー7.1306）を用いた場合、暗号化画像に患者情報（例：胸部の輪郭）が漏洩した。これは、変換ドメインがセキュリティに果たす重要な役割を示している。
• 広大な鍵空間と入力変更に対する高い感度のおかげで、DeepKeyGenは統計的および微分暗号解析など、さまざまな攻撃に対して耐性を示した。
• 本手法は、モンゴメリー・カウンティX線、超音波上腕神経叢、BraTS18データセットからのマルチモodal医療画像を、高い忠実度とセキュリティで効果的に暗号化した。
• モデルは、ソースドメインから変換ドメインへのマッピングの学習において安定した性能を示し、一貫した望ましい「スタイル」を持つ鍵の生成能力を確認した。