[论文解读] 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 10

一句话总结

DeepKeyGen 提出了一种基于深度学习的流密码生成器，采用条件生成对抗网络（cGAN）自动学习并生成用于医学图像加密的密码学强私钥。通过将期望的密钥'风格'视为转换域，该方法将源图像（种子）通过图像到图像的翻译转换为安全密钥，在多个医学影像数据集上实现了高安全性、巨大的密钥空间以及对各类攻击的强抵抗力。

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.

研究动机与目标

• 解决手动设计流密码生成器耗时且优化成本高的挑战。
• 探索利用深度学习自动生成具有特定密码学'风格'的私钥的可行性。
• 通过以可学习的、数据驱动的方法替代传统数学设计的密钥生成器，提升医学图像加密的安全性与效率。
• 在真实世界的医学影像数据集上评估所提出密钥生成方法的性能与安全性。

提出的方法

• 采用条件生成对抗网络（cGAN）作为核心学习网络，用于生成私钥。
• 将转换域——即期望的私钥'风格'——作为条件输入，引导密钥生成过程。
• 源域由初始种子图像组成，通过 GAN 的生成器网络将其翻译为私钥。
• 生成器学习从源域到转换域的映射，有效实现图像到图像的翻译，生成密码学强度高的密钥。
• 判别器网络通过将生成的密钥与真实安全密钥样本进行区分，确保生成的密钥与真实密钥无法区分。
• 最终生成的私钥用于基于 XOR 的加密方案，实现医学图像的加密与解密。

实验结果

研究问题

• RQ1 深度学习模型能否有效学习生成具有特定'风格'的密码学安全私钥？
• RQ2 转换域的质量如何影响生成私钥的安全性与随机性？
• RQ3 所提出的方法能否在多种医学影像模态的加密中实现高安全性和强健性？
• RQ4 与传统手动设计的密钥生成器相比，DeepKeyGen 在密钥空间大小和抗攻击能力方面的性能如何？

主要发现

• 生成的私钥表现出高信息熵（最高达 7.9798）和强伪随机性，表明其具备优异的密码学特性。
• 当使用高安全性转换域（熵为 7.9971）时，密文图像保持了高熵（7.9986），并有效隐藏了患者信息。
• 当使用低安全性转换域（熵为 7.1306）时，密文图像暴露了患者信息（如胸部轮廓），凸显了转换域在安全性中的关键作用。
• 由于密钥空间庞大且对输入变化高度敏感，DeepKeyGen 展现出对统计分析和差分密码分析等多种攻击的抵抗能力。
• 该方法成功实现了对 Montgomery County X-ray、Ultrasonic Brachial Plexus 和 BraTS18 数据集中多模态医学图像的高保真度与高安全性加密。
• 模型在学习从源域到转换域映射方面表现出稳定性能，证实其能够持续生成具有一致期望'风格'的密钥。