Havai fişek algoritmasıyla optimize edilmiş BP sinir ağına dayalı bir görüntü sıkıştırma‑şifreleme algoritması

Görüntüleri korumanın neden hâlâ önemli olduğu

Çektiğimiz her fotoğraf, sakladığımız her tıbbi tarama veya dünya çapında ilettiğimiz her uydu görüntüsü aslında yalnızca veridir. Bu görüntülerin sayısı ve boyutu patladıkça, bunları hızlıca taşınabilecek kadar küçük ve gizli tutabilecek kadar güvenli tutmak ciddi bir zorluk haline geldi. Geleneksel araçlar dosyaları küçültebilir ya da karıştırabilir, fakat ikisini aynı anda iyi yapmak nadirdir. Bu makale, görüntüleri tek bir boru hattında sıkıştırıp şifrelemenin daha akıllı bir yolunu sunuyor; amaç, görüntü geri yüklendiğinde güvenlikten veya görüntü kalitesinden ödün vermeden bant genişliği ve depolamadan tasarruf etmek.

Görüntüleri daha küçük ve daha akıllı hale getirmek

Yöntemin çekirdeği, verinin sıkıştırılmış temsillerini öğrenmede iyi olan bir tür yapay sinir ağı olan geri yayılım (BP) ağıdır. Yazarlar bu ağı bir "sıkıştırma" aşaması olarak kullanır: görüntünün her küçük bloğu ağa verilerek daha ince bir gizli katmandan geçirilir ve çıkışta yeniden oluşturulur. Gizli katmandaki nöron sayısı giriş piksellerinden daha az olduğundan, o katmandaki temsil orijinal görüntü bloğunun sıkıştırılmış bir versiyonudur. Birçok böyle blok işlendiğinde, sonuç daha sonra görsel olarak orijinale yakın bir şekilde genişletilebilen çok daha küçük bir görüntü dosyasıdır.

Sinir ağını ayarlamak için havai fişekler

Bir sinir ağını görüntüleri verimli şekilde sıkıştıracak biçimde eğitmek karmaşıktır, çünkü performansı iç bağlantılarının başlangıç ayarlarına çok bağlıdır. Eğer başlangıç ağırlıkları kötü ise öğrenme takılabilir veya çok uzun sürebilir, bu da düşük kaliteli yeniden oluşturmalara yol açar. Bunu önlemek için yazarlar sürü zekâsından bir fikir olan havai fişek algoritmasını ödünç alır. Bu yöntemde her aday ağ ağırlık kümesi sanal bir havai fişek gibi ele alınır ve "patlayarak" birçok yakın varyanta ayrılır, farklı olasılıkları keşfeder. Her adayın görüntüleri ne kadar iyi sıkıştırıp yeniden oluşturduğunu karşılaştırarak algoritma, düşük hata veren ağırlık ayarlarına doğru kademeli olarak yakınsar. Bu ek optimizasyon adımı, BP ağının daha hızlı öğrenmesini ve yalnızca standart eğitimle elde edilenden daha yüksek kaliteli sıkıştırılmış görüntüler üretmesini sağlar.

Daha güçlü karıştırma için kaos

Sıkıştırma tek başına meraklı gözleri uzak tutmaz, bu yüzden sıkıştırılmış görüntü daha sonra şifrelenir. Burada yazarlar basit matematiksel kurallarla çok öngörülemez diziler üreten kaotik sistemlere yönelir. İki bilinen kaotik haritayı birleştirip çalışırken birbirlerinin parametrelerini etkilemelerini sağlayarak yeni bir "değişken‑parametre" kaotik sistem tasarlarlar. Bu, ABD Ulusal Standartlar ve Teknoloji Enstitüsü tarafından belirlenen sıkı rastgelelik testlerini geçen sahte‑rastgele diziler üretir. Bu diziler, piksel pozisyonlarının küresel ve küçük bloklar içinde çok turlu olarak nasıl karıştırılacağını ve piksel değerlerinin Gray kodu tabanlı bit seviyesinde mutasyon süreciyle nasıl değiştirileceğini kontrol eder. Birlikte, bu adımlar görüntüdeki tanınabilir yapıyı kapsamlı şekilde parçalar ve şifrelenmiş versiyonun saf gürültü gibi görünmesini sağlar.

Güvenlik ve görüntü kalitesini test etmek

Şemanın pratikte işe yarayıp yaramadığını görmek için yazarlar, standart test görüntülerine birkaç sıkıştırma seviyesinde uygular. Şifre çözülmüş görüntülerin orijinallere ne kadar yakın olduğunu yaygın kalite puanlarıyla ölçerler ve dosya boyutu yarı yarıya veya daha fazla azaldığında bile geri elde edilen görüntülerin keskin ve ayrıntılı kaldığını gösterirler. Aynı zamanda istatistiksel testler, şifrelenmiş görüntülerin neredeyse üniform piksel dağılımına ve komşu pikseller arasında neredeyse hiç korelasyona sahip olmadığını gösterir; bunlar güçlü karıştırmanın işaretleridir. Ek deneyler şifrelenmiş görüntüye gürültü eklemeyi, parçalarını kesmeyi veya şifreleme anahtarını hafifçe değiştirmeyi içerir. Her durumda, sistem yetkili kullanıcı için gerektiğinde görünür içeriğin çoğunu kurtarır ya da anahtar en küçük şekilde yanlış olduğunda tamamen başarısız olur—her iki davranış da güvenli bir tasarım için arzu edilen özelliklerdir.

Günlük görüntüler için bunun anlamı

Basitçe söylemek gerekirse çalışma, bir sinir ağını havai fişek benzeri bir arama ile "ayarlandıktan" ve dikkatle tasarlanmış dijital kaosla korunduktan sonra görüntüleri küçültüp kilitlemenin bir yolunu sunar. Sonuç, yetkili kullanıcılar için yüksek sadakatli geri kazanıma izin verirken depolama ve iletim maliyetlerini azaltabilen ve yaygın saldırılara karşı güçlü direnç sunan bir yöntemdir. Görüntü verileri büyümeye ve güvensiz ağlarda taşınmaya devam ettikçe, böyle birleşik sıkıştırma–şifreleme şemaları fotoğraflarımızı, tıbbi kayıtlarımızı ve diğer hassas görsellerimizi hem daha hafif hem de daha güvenli tutmaya yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: görüntü şifreleme, görüntü sıkıştırma, sinir ağları, kaotik sistemler, veri güvenliği