Un algoritmo de compresión‑cifrado de imágenes basado en una red neuronal BP optimizada con el algoritmo fireworks

Por qué sigue importando proteger las imágenes

Cada foto que tomamos, cada prueba médica que almacenamos o cada imagen satelital que enviamos por el mundo no es más que datos. A medida que aumentan el número y el tamaño de estas imágenes, mantenerlas lo bastante pequeñas para transferirlas con rapidez y lo bastante seguras para preservar la privacidad se ha convertido en un reto serio. Las herramientas convencionales pueden reducir el tamaño de los archivos o cifrarlos, pero rara vez hacen bien ambas cosas a la vez. Este artículo presenta una forma más inteligente de comprimir y cifrar imágenes en una única cadena de procesamiento, con el objetivo de ahorrar ancho de banda y almacenamiento sin sacrificar la seguridad ni la calidad de la imagen al restaurarla.

Hacer las imágenes más pequeñas e inteligentes

El núcleo del enfoque es un tipo de red neuronal artificial conocida como red de retropropagación (BP), que es buena para aprender representaciones compactas de los datos. Los autores usan esta red como una etapa de “compresión”: cada pequeño bloque de una imagen se introduce en la red, pasa por una capa oculta más estrecha y se reconstruye en la salida. Dado que la capa oculta tiene menos neuronas que los píxeles de entrada, la representación en esa capa es una versión comprimida del bloque de imagen original. Cuando se procesan muchos bloques así, el resultado es un archivo de imagen mucho más pequeño que luego puede expandirse hasta algo visualmente cercano al original.

Fireworks para afinar la red neuronal

Entrenar una red neuronal para comprimir imágenes de forma eficiente es complicado, porque su rendimiento depende mucho de la configuración inicial de sus conexiones internas. Si esos pesos iniciales son pobres, el aprendizaje puede atascarse o tardar demasiado, lo que conduce a reconstrucciones de menor calidad. Para evitar esto, los autores toman una idea de la inteligencia de enjambre llamada algoritmo fireworks. En este método, cada conjunto candidato de pesos de la red se trata como fuegos artificiales virtuales que “explotan” en muchas variantes cercanas, explorando diferentes posibilidades. Al comparar qué tan bien cada candidato comprime y reconstruye imágenes, el algoritmo converge gradualmente hacia configuraciones de pesos que producen errores bajos. Este paso de optimización adicional permite que la red BP aprenda más rápido y genere imágenes comprimidas de mayor calidad que con el entrenamiento estándar solo.

Caos para un cifrado más robusto

La compresión por sí sola no impide que ojos curiosos accedan a los datos, por lo que la imagen comprimida se cifra acto seguido. Aquí los autores recurren a sistemas caóticos—reglas matemáticas simples que generan secuencias altamente impredecibles. Diseñan un nuevo sistema caótico de “parámetros variables” combinando dos mapas caóticos conocidos y permitiendo que influyan en los parámetros del otro mientras se ejecutan. Esto produce secuencias pseudoaleatorias que superan pruebas estrictas de aleatoriedad establecidas por el Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST). Estas secuencias controlan cómo se barajan las posiciones de los píxeles de forma global y dentro de pequeños bloques en múltiples rondas, y cómo se alteran los valores de los píxeles mediante un proceso de mutación a nivel de bits basado en código Gray. En conjunto, estos pasos descomponen a fondo la estructura reconocible de la imagen, haciendo que la versión cifrada parezca puro ruido.

Evaluación de la seguridad y la calidad de imagen

Para comprobar si el esquema funciona en la práctica, los autores lo aplican a imágenes de prueba estándar en varios niveles de compresión. Miden cuán fieles son las imágenes descifradas respecto a los originales usando índices de calidad comunes y muestran que incluso cuando el tamaño del archivo se reduce a la mitad o más, las imágenes recuperadas siguen siendo nítidas y detalladas. Al mismo tiempo, las pruebas estadísticas muestran que las imágenes cifradas tienen distribuciones de píxeles casi uniformes y casi ninguna correlación entre píxeles vecinos, señales típicas de una fuerte confusión. Experimentos adicionales introducen ruido, eliminan partes de la imagen cifrada o cambian ligeramente la clave de cifrado. En cada caso, el sistema o bien recupera la mayor parte del contenido visible cuando debe hacerlo, o falla completamente cuando la clave varía incluso mínimamente, ambos comportamientos deseables en un diseño seguro.

Qué implica esto para las imágenes del día a día

En términos sencillos, el estudio presenta una forma de reducir el tamaño de las imágenes y protegerlas al mismo tiempo, usando una red neuronal que ha sido “afinada” mediante una búsqueda tipo fuegos artificiales y protegida por un caos digital cuidadosamente diseñado. El resultado es un método que puede reducir costes de almacenamiento y de transmisión a la vez que permite una recuperación de alta fidelidad para usuarios autorizados y ofrece una fuerte resistencia a ataques comunes. A medida que los datos de imagen sigan creciendo y circulando por redes inseguras, estos esquemas combinados de compresión y cifrado podrían ayudar a mantener nuestras fotos, historiales médicos y otras imágenes sensibles más ligeras y más seguras.

Cita: 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

Palabras clave: cifrado de imágenes, compresión de imágenes, redes neuronales, sistemas caóticos, seguridad de datos