Karmaşık görsel şifreleri kuazi-kuantum sinir ağları (Q²NN'ler) ile çözmek

Gizli Resimleri Çözmek

Her gün, telefonlarımız ve bilgisayarlarımız fotoğrafları ve mesajları meraklı gözlerden uzak tutmak için sessizce karıştırıyor. Ancak saldırganlar daha güçlü araçlara, gelecekteki kuantum bilgisayarlar da dahil olmak üzere erişim kazandıkça, bugünkü korumalar artık yeterli olmayabilir. Bu makale, klasik yapay zekâ ile kuantum fiziğinden alınmış fikirleri harmanlayarak son derece karıştırılmış görüntüleri “okumanın” yeni bir yolunu araştırıyor ve yarının daha akıllı güvenlik sistemlerine —ve daha sofistike saldırılara— işaret ediyor.

Basit Rakamlar’dan Aşırı Karıştırılmış Görüntülere

Araştırmacılar tanıdık bir test zeminiyle başlıyor: el yazısı rakamların 28’e 28 piksel boyutundaki küçük görüntüleri, temel el yazısı tanıma sistemlerini eğitmek için sıklıkla kullanılan benzer veriler. Bu rakamları sınıflandırmak yerine, önce güçlü bir görsel şifreyi taklit edecek şekilde kasıtlı olarak acımasız bir karıştırma sürecinden geçiriyorlar. Pikseller, kaotik davranan bir harita kullanılarak görüntü içinde karıştırılıyor, parlaklık değerleri hassas bir matematiksel diziyle değiştiriliyor ve sonunda ortaya çıkan pikseller zikzak bir yol boyunca yeniden sıralanıyor. Sonuç, çıplak gözle orijinal "1", "5" veya "8" izinin neredeyse hiç kalmadığı rastgele parazit gibi görünen gürültülü bir kare oluyor.

İki Yollu Bir Beyin: Klasik ve Kuantum Birlikte

Takımı, bu kaostan orijinal görüntüyü geri almak için şifreyi matematiksel olarak “geri almaya” çalışmıyor. Bunun yerine şifre çözmeyi bir öğrenme problemi olarak ele alıyorlar. Kuazi-kuantum sinir ağı (Q²NN) adını verdikleri hibrit bir model inşa ediyorlar. Şifrelenmiş görüntüler paralel olarak iki yola besleniyor. Bir yol, yerel şekil ve dokuları bulmada iyi olan geleneksel bir konvolüsyonel otoenkoder; diğer yol ise küçük bir kuantum devresinin davranışını taklit ediyor: görüntü kısa bir sayısal vektöre sıkıştırılıyor, sanal kübitlerin dönüşleri olarak kodlanıyor, eğitilebilir bir devre aracılığıyla dolanık hale getiriliyor ve ardından ölçülüp yeni bir özellik kümesine dönüştürülüyor. Bu iki yeniden yapılandırma daha sonra her pikselde hangi dalga ne kadar güvenilir diye eğitim sırasında karar veren öğrenilebilir bir "füzyon" birimi tarafından harmanlanıyor.

Kaos İçinden Görmeyi Öğrenmek

Model, çok sayıda karıştırılmış ve orijinal görüntü çiftleriyle eğitiliyor ve çıktısı temiz rakama mümkün olduğunca yakın olana dek iç ayarlarını yavaşça düzenliyor. Başarıyı değerlendirmek için yazarlar yalnızca ham piksel hatasına bakmıyor; aynı zamanda algısal yapıyı ölçen bir göstergeye de bakıyorlar: yeniden yapılandırma insan gözü için önemli olan şekil ve kontrastları koruyor mu? Test edilen üç rakam sınıfının tümünde hibrit ağ, tamamen klasik bir ağ ve tamamen kuantum ilhamlı bir ağı açık ara geride bırakıyor. Son derece düşük yeniden yapılandırma hataları ve yüksek yapısal benzerlik skorları elde ediyor; bu da çözülen rakamların, girdiler neredeyse saf gürültüye benziyor olmasına rağmen neredeyse orijinalleriyle ayırt edilemeyecek görünmesi demek.

Şifrenin Gücünü Sınamak

Elbette, zeki bir şifre çözme modeli yalnızca şifre gerçekten kırılması zor olduğunda etkileyici olur. Bu nedenle yazarlar kaotik şifreleme hattını standart kriptografik istatistiklerle stres testine tabi tutuyor. Karıştırılmış görüntüler Shannon entropisine göre neredeyse maksimum rastgeleliğe sahip, komşu pikseller esasen korelasyonsuz ve orijinal görüntüdeki küçük değişiklikler şifrelenmiş versiyonda büyük, yaygın değişikliklere yol açıyor. Bu sayılar diğer son teknoloji kaos tabanlı görüntü şifreleri ile kıyaslanabilir seviyede veya onlardan daha iyi olup, sinir ağına verilen görevin basit olmadığını doğruluyor.

Geleceğin Güvenliği İçin Neden Önemli

Genel bir bakışla çalışma, klasik derin öğrenme ile kuantum tarzı işlemenin dikkatle tasarlanmış bir karışımının, şifrenin tam anahtarı veya formülü hiç verilmemiş olsa bile çok karmaşık görsel karıştırmaları tersine çevirmeyi öğrenebileceğini gösteriyor. Bugün bu, küçük gri tonlamalı rakamlar ve simüle edilmiş kuantum devreleri üzerinde gösterilmiş durumda; fakat aynı fikirler tıbbi görüntülere, uydu fotoğraflarına veya güvenli optik bağlantılara—her yerde karıştırılmış görüntülerin güvenilir biçimde yeniden oluşturulması gereken durumlara—uzatılabilir. Kuantum donanımı olgunlaştıkça, benzer hibrit tasarımlar post-kuantum çağında hem daha güçlü savunmaların hem de daha yetenekli analiz araçlarının temelini oluşturabilir; şifrelenmiş veriden neyin öğrenilebileceğini anlamak ve kontrol etmek kritik hale gelecek.

Atıf: Manavalan, G., Arnon, S. Decrypting chaotic visual ciphers via quasi quantum neural networks (Q²NNs). Sci Rep 16, 9937 (2026). https://doi.org/10.1038/s41598-026-41513-3

Anahtar kelimeler: görüntü şifreleme, kuantum sinir ağları, hibrit AI, kaotik kriptografi, post-kuantum güvenlik