خوارزمية لضغط-تشفير الصور تعتمد على شبكة عصبية BP محسنّة بخوارزمية الألعاب النارية

لماذا لا تزال حماية الصور مهمة

كل صورة نلتقطها، أو فحص طبي نخزّنه، أو صورة فضائية نرسلها عبر العالم هي في جوهرها بيانات. مع ازدياد عدد هذه الصور وحجمها، أصبح الحفاظ عليها مضغوطة بما يكفي للنقل بسرعة وآمنة بما يكفي لحماية الخصوصية تحدياً جاداً. الأدوات التقليدية قد تقلّل حجم الملفات أو تجهّلها، لكن نادراً ما تحقق كلا الهدفين جيداً في آن واحد. تقدم هذه الورقة طريقة أذكى لضغط وتشفير الصور في خط معالجة واحد، تهدف إلى توفير النطاق التخزيني وعرض النطاق من دون التضحية بالأمان أو جودة الصورة عند الاستعادة.

جعل الصور أصغر وأكثر ذكاءً

جوهر النهج هو نوع من الشبكات العصبية الاصطناعية المعروف بشبكة الانتشار العكسي (BP)، وهي جيدة في تعلم تمثيلات مضغوطة للبيانات. يستخدم المؤلفون شبكة كهذه كمرحلة «ضغط»: يُغذى كل بلوك صغير من الصورة إلى الشبكة، يمر عبر طبقة خفية أرقّ، ثم يُعاد بناؤه عند المخرج. لأن الطبقة الخفية تحتوي على عدد خلايا عصبية أقل من بكسلات الإدخال، يكون التمثيل في تلك الطبقة نسخة مضغوطة من كتلة الصورة الأصلية. عندما تُعالج العديد من هذه الكتل، يكون الناتج ملف صورة أصغر بكثير يمكن توسيعه لاحقاً إلى شيء قريب بصرياً من الأصل.

الألعاب النارية لضبط الشبكة العصبية

تدريب شبكة عصبية لضغط الصور بكفاءة أمر معقّد، لأن أدائها يعتمد بشدّة على الإعدادات الأولية لاتصالاتها الداخلية. إذا كانت الأوزان الابتدائية ضعيفة، قد يتعثر التعلم أو يستغرق وقتاً طويلاً، مما يؤدي إلى استعادة ذات جودة منخفضة. لتفادي ذلك، يستعير المؤلفون فكرة من ذكاء القطيع تُدعى خوارزمية الألعاب النارية. في هذه الطريقة، يُعامل كل مجموعة مرشحة من أوزان الشبكة كـ«مفرقعة نارية» افتراضية تنفجر إلى العديد من المتغيرات القريبة، مستكشفة خيارات مختلفة. بمقارنة مدى كفاءة كل مرشح في الضغط وإعادة البناء، تتقارب الخوارزمية تدريجياً نحو ضبط أوزان يمنح أخطاء منخفضة. تتيح خطوة التحسين الإضافية هذه لشبكة BP أن تتعلم أسرع وتنتج صوراً مضغوطة ذات جودة أعلى مقارنة بالتدريب القياسي وحده.

الفوضى لتشويش أقوى

الضغط وحده لا يمنع المتطفلين، لذا تُشفّر الصورة المضغوطة بعد ذلك. هنا يلجأ المؤلفون إلى الأنظمة الفوضوية — قواعد رياضية بسيطة تولّد تسلسلات غير متوقعة جداً. يصممون نظاماً فوضوياً جديداً «متغيّر المعاملات» بدمج خريطتين فوضويتين معروفتين وجعل كلّاً منهما يؤثر على معلمات الأخرى أثناء التشغيل. ينتج عن ذلك تسلسلات شبه عشوائية تجتاز اختبارات العشوائية الصارمة التي وضعتها المؤسسة الوطنية الأمريكية للمعايير والتقنية (NIST). تتحكم هذه التسلسلات في كيفية خلط مواضع البكسلات على المستوى الكلي وداخل الكتل الصغيرة على عدة جولات، وكيف تتغيّر قيم البكسلات باستخدام عملية تحوير على مستوى البت تعتمد على ترميز غراي. معاً، تكسر هذه الخطوات البُنية القابلة للتعرّف في الصورة بشكل شامل، مما يجعل النسخة المشفّرة تبدو كضجيج نقي.

اختبار الأمان وجودة الصورة

لفحص ما إذا كان المخطط يعمل عملياً، يطبّقه المؤلفون على صور اختبار قياسية عند عدة مستويات ضغط. يقيسون مدى تطابق الصور المفكّكة مع الأصل باستخدام مقاييس جودة شائعة ويظهرون أنه حتى عندما يُخفض حجم الملف إلى النصف أو أقل، تظل الصور المستردّة حادة ومفصّلة. في الوقت نفسه، تظهر الاختبارات الإحصائية أن الصور المشفّرة لها توزيعات بكسل شبه متساوية تقريباً ولا تكاد توجد علاقة ارتباط بين البكسلات المجاورة، وهي علامات ارتباك قوية. تجارب إضافية تضيف تشويشاً، تقطع أجزاء من الصورة المشفّرة، أو تغيّر المفتاح قليلاً. في كل حالة، يستعيد النظام غالبية المحتوى المرئي عندما ينبغي ذلك، أو يفشل تماماً عند وجود اختلاف طفيف في المفتاح — وهذان سلوكان مرغوبان في تصميم آمن.

ما يعنيه هذا للصور اليومية

ببساطة، تعرض الدراسة طريقة لتقليص الصور وقفلها في الوقت نفسه، باستخدام شبكة عصبية «مصححة» بواسطة بحث شبيه بالألعاب النارية ومحميّة بفوضى رقمية مُصمّمة بعناية. النتيجة هي أسلوب يمكنه تقليل تكاليف التخزين والنقل مع السماح باستعادة عالية الوفاء للمستخدمين المخوّلين وتقديم مقاومة قوية للهجمات الشائعة. مع استمرار نمو بيانات الصور وانتقالها عبر شبكات غير آمنة، قد تساعد مثل هذه المخططات المدمجة للضغط والتشفير في إبقاء صورنا، وسجلاتنا الطبية، وغيرها من المرئيات الحسّاسة أخفّ وأكثر أماناً.

الاستشهاد: Liang, Y., Peng, B., Liu, R. et al. An image compression-encryption algorithm based on BP neural network optimized with fireworks algorithm. Sci Rep 16, 7967 (2026). https://doi.org/10.1038/s41598-026-36772-z

الكلمات المفتاحية: تشفير الصور, ضغط الصور, الشبكات العصبية, الأنظمة الفوضوية, أمن البيانات