[論文レビュー] The Graph Structure of the Generalized Discrete Arnold's Cat Map

Chengqing Li, Kai Meng Tan+2 more|arXiv (Cornell University)|Dec 21, 2017

Chaos-based Image/Signal Encryption参考文献 42被引用数 6

ひとこと要約

本稿は、行列の対角化を用いて一般化された離散アーノルドのキャット写像の明示的反復式を導出し、固定小数点演算における正確な周期構造を明らかにした。周期分布が精度を高めるに従い安定化し、規則的で予測可能なパターンを示すことが証明され、これらはカオスベースの暗号やPRNG設計に応用可能である。

ABSTRACT

Chaotic dynamics is an important source for generating pseudorandom binary sequences (PRNS). Much efforts have been devoted to obtaining period distribution of the generalized discrete Arnold's Cat map in various domains using all kinds of theoretical methods, including Hensel's lifting approach. Diagonalizing the transform matrix of the map, this paper gives the explicit formulation of any iteration of the generalized Cat map. Then, its real graph (cycle) structure in any binary arithmetic domain is disclosed. The subtle rules on how the cycles (itself and its distribution) change with the arithmetic precision $e$ are elaborately investigated and proved. The regular and beautiful patterns of Cat map demonstrated in a computer adopting fixed-point arithmetics are rigorously proved and experimentally verified. The results will facilitate research on dynamics of variants of the Cap map in any domain and its effective application in cryptography. In addition, the used methodology can be used to evaluate randomness of PRNS generated by iterating any other maps.

研究の動機と目的

• 一般化された離散アーノルドのキャット写像の任意の反復について、行列の対角化を用いて明示的表現を導出すること。
• 固定小数点演算領域におけるキャット写像の正確な周期構造（周期長および分布）を分析すること。
• 算術精度（例：$e$）を高めるに従い、周期パターンがどのように変化し、安定化するかを調査すること。
• デジタルカオス的システムにおけるダイナミクス劣化の理論的基盤を提供すること。
• カオス的キャット写像を暗号応用に活用する際、初期条件およびパラメータのより良い選定を可能にすること。

提案手法

• 一般化キャット写像の変換行列を対角化し、任意の反復に対する閉形式表現を導出すること。
• ヘンゼルの上昇法および代数的数論を用いて、$`\mathbb{Z}_{2^e}\u0060$ 上での写像の挙動を分析すること。
• 関数的グラフ理論を用いて、写像の状態遷移ネットワークをモデル化すること。
• 2進p付値および周期性の性質を用いて、周期長の安定化に必要な$e$の閾値条件を導出すること。
• 再帰的関係および合同条件を用いて、ある精度$e$を超えると、各周期長の周期数が一定に安定することを証明すること。
• 数値実験および状態マッピングネットワーク（SMNs）の可視化を通じて、理論的結果の検証を行うこと。

実験結果

リサーチクエスチョン

• RQ1 一般化された離散キャット写像の周期構造は、算術精度$e$を高めるに従いどのように変化するか？
• RQ2 精度$e$を高めるに従い、周期長分布が安定化する要因は何か？
• RQ3 全体の写像の周期が長くても、なぜ短周期が依然として存在するのか？
• RQ4 周期構造をどのように活用して、デジタル実装における不安定な周期的軌道を特定できるか？
• RQ5 ある周期長の周期数が、さらに$e$を増加させても不変となる正確な条件は何か？

主な発見

• 一般化キャット写像における各周期長の周期数は、$e$が$p$、$q$、および基本周期$T_1$に依存する閾値を超えると、固定値に安定化する。
• 十分に大きな$e$に対しては、周期長分布関数の指数が固定値2に達し、予測可能なべき乗則的挙動を示す。
• $e \geq e_{s,g} + s + 1 + l_c$ かつ $l_c \geq s+2$ のとき、周期$T_c = 2^{l_c} \cdot T_1$ の周期数は、$e$のさらなる増加に対して不変になる。
• 周期構造は、全体の周期が長いにもかかわらず、短周期（例：周期3）が非無視可能な数存在することを示しており、無限精度ダイナミクスからの直感とは矛盾する。
• 奇数の$p$および$q$に対して、$\mathbb{Z}_{2^e}$ 上に周期3の周期軌道が存在することは、デジタル実装における「周期3はカオスを示す」という原則の裏付けである。
• 本結果により、短周期に至る初期条件の特定と除外が可能となり、暗号用PRNG設計において極めて重要である。