[논문 리뷰] An image compression and encryption scheme based on deep learning

Fei Hu, Changjiu Pu외 3명|arXiv (Cornell University)|2016. 08. 16.

Chaos-based Image/Signal Encryption참고 문헌 6인용 수 26

한 줄 요약

이 논문은 딥러닝 기반 압축을 위한 스택드 오토인코더(SAE)와 암호화를 위한 혼돈 로지스틱 맵을 통합한 새로운 이미지 압축 및 암호화 기법을 제안한다. 이 방법은 먼저 SAE의 계층적 특징 학습을 통해 이미지 데이터를 압축한 후, 압축된 표현을 혼돈 동역학을 사용해 암호화함으로써 압축과 보안을 동시에 달성하며, 안정적이고 효율적인 이미지 전송을 위한 타당성과 효과성을 입증한다.

ABSTRACT

Stacked Auto-Encoder (SAE) is a kind of deep learning algorithm for unsupervised learning. Which has multi layers that project the vector representation of input data into a lower vector space. These projection vectors are dense representations of the input data. As a result, SAE can be used for image compression. Using chaotic logistic map, the compression ones can further be encrypted. In this study, an application of image compression and encryption is suggested using SAE and chaotic logistic map. Experiments show that this application is feasible and effective. It can be used for image transmission and image protection on internet simultaneously.

연구 동기 및 목표

• 전송 효율성과 데이터 보안을 향상시키기 위해 동시에 이미지 압축과 암호화를 수행할 수 있는 통합 프레임워크를 개발한다.
• 스택드 오토인코더(SAE)의 비지도 특징 학습 능력을 활용하여 저차원 공간에서 효과적인 이미지 표현을 확보한다.
• 압축된 이미지 데이터에 대한 무단 접근을 방지하기 위해 혼돈 로지스틱 맵 기반 암호화를 통합한다.
• 압축 비율, 암호화 보안성, 이미지 품질 유지 정도 측면에서 제안된 기법의 타당성과 성능을 평가한다.

제안 방법

• 입력 이미지의 계층적이고 조밀한 저차원 표현을 효과적으로 학습하기 위해 다중층 스택드 오토인코더(SAE)를 사용하여 이미지 데이터를 압축한다.
• SAE에서 학습된 압축 표현을 기반으로 초기 조건에 민감한 혼돈 시스템의 특성을 활용해 암호화를 수행한다.
• 로지스틱 맵을 적용하여 압축된 데이터를 순열하고 변환하여 고도의 혼동과 확산을 보장한다.
• 암호화 과정을 역행하고 SAE 디코더를 사용하여 압축 표현을 복원함으로써 수신 측에서 이미지를 재구성한다.
• 학습된 SAE 인코더와 디코더를 활용하여 데이터 크기를 최소화하면서도 재구성 정밀도를 유지한다.
• 성능 평가를 위해 PSNR 및 압축 비율과 같은 표준 지표를 사용한다.

실험 결과

연구 질문

• RQ1 스택드 오토인코더는 재구성에 필요한 충분한 정보를 유지하면서 효과적으로 이미지를 압축할 수 있는가?
• RQ2 혼돈 로지스틱 맵은 압축된 이미지 데이터에 대해 강력한 암호화를 제공하여 암호 분석에 저항할 수 있는가?
• RQ3 SAE 기반 압축과 로지스틱 맵 기반 암호화의 통합은 높은 압축 효율성과 견고한 보안성을 동시에 달성할 수 있는가?
• RQ4 기존의 압축 또는 암호화 방법과 비교해 성능과 자원 사용 측면에서 제안된 기법은 어떠한가?

주요 결과

• 스택드 오토인코더의 계층적 특징 학습 능력을 활용하여 제안된 기법은 효과적인 이미지 압축을 달성한다.
• 혼돈 로지스틱 맵의 사용으로 압축된 데이터에 대해 높은 보안성이 확보되며, 초기 조건에 대한 민감성으로 정확한 키 없이 암호 해독이 불가능하다.
• 실험 결과 재구성된 이미지가 높은 품질을 유지함을 입증하였으며, 피크 신호 대 노이즈 비율(PSNR) 값이 압축 및 복원 후에도 양호한 정밀도를 나타낸다.
• 이 프레임워크는 압축과 암호화를 동시에 수행할 수 있어 대역폭 제약이 있는 네트워크에서의 안전한 이미지 전송에 적합하다.