[论文解读] Towards Secure Compressive Sampling Scheme.

Leo Yu Zhang, Kwok‐Wo Wong+2 more|arXiv (Cornell University)|May 29, 2014

Sparse and Compressive Sensing Techniques参考文献 33被引用 9

一句话总结

该论文提出了一种双层保护（BLP）模型，用于安全压缩采样，通过将感知矩阵和稀疏化基均与密钥关联，增强了安全性，同时保留了传统压缩感知（CS）的简单线性投影特性。该方案在图像加密应用中实现了低计算复杂度、高可压缩性，并在已知/选择明文攻击下具备计算安全性与鲁棒性。

ABSTRACT

There have been some pioneering works concerning embedding cryptographic properties in Compressive Sampling (CS) but it turns out that the concise linear projection encoding process makes this approach ineffective. Here we introduce a bi-level protection (BLP) model for constructing secure compressive sampling scheme. Then we propose several techniques to establish secret key-related sparsifying basis and deploy them into our new CS model. It is demonstrated that the encoding process is simply a random linear projection, which is the same as the traditional model. However, decoding the measurements requires the knowledge of both the key-related sensing matrix and the key-related sparsifying basis. We apply the proposed model to construct digital image cipher under the parallel compressive sampling reconstruction framework. The main properties of this cipher, such as low computational complexity, compressibility, robustness and computational secrecy under known/chosen plaintext attacks, are thoroughly studied. It is shown that compressive sampling scheme based on our BLP model is robust under various attack scenarios although the encoding process is a simple linear projection.

研究动机与目标

• 解决现有压缩感知方案尽管采用线性编码过程，仍易受密码学攻击的问题。
• 通过引入基于密钥的双层保护机制，提升压缩感知的安全性。
• 在实现强安全保证的同时，保持低计算复杂度与高可压缩性。
• 在并行压缩感知重构框架下设计一种安全图像密码。

提出的方法

• 提出一种双层保护（BLP）模型，将感知矩阵与稀疏化基均与密钥绑定，从而增强密码学强度。
• 开发基于密钥输入生成相关稀疏化基的技术，确保稀疏化基依赖于密钥。
• 在标准线性投影编码过程中部署密钥相关感知矩阵与密钥相关稀疏化基，保持效率。
• 采用并行压缩感知重构框架，实现高效图像密码的构建。
• 确保解码测量值必须同时知晓密钥相关感知矩阵与密钥相关稀疏化基。
• 采用随机线性投影进行编码，保持与标准CS的兼容性，同时通过密钥相关组件提升安全性。

实验结果

研究问题

• RQ1 如何在不牺牲计算效率的前提下，使压缩感知抵御已知明文与选择明文攻击？
• RQ2 可采用何种机制将密码学安全性绑定至压缩感知的感知与稀疏化组件？
• RQ3 是否可在图像加密中保持低计算复杂度与高可压缩性的同时，实现安全的压缩感知方案？
• RQ4 该方案在各类攻击场景下（包括针对线性投影过程的攻击）的鲁棒性如何？

主要发现

• 所提出的基于BLP的压缩感知方案在已知与选择明文攻击下实现了计算安全性。
• 由于采用简单的随机线性投影进行编码，该方案保持了低计算复杂度。
• 通过引入密钥相关感知矩阵与稀疏化基，显著增强了安全性，同时未改变标准CS编码过程。
• 该方案在多种攻击场景下表现出鲁棒性，包括针对传统CS线性特性的攻击。
• 基于BLP模型的图像密码在并行压缩感知框架下支持高可压缩性与高效重构。
• 安全性并非通过复杂编码实现，而是通过感知与稀疏化组件对密钥的双重依赖实现。