DOI: https://doi.org/10.1038/s41598-025-85539-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39900990
تاريخ النشر: 2025-02-03
المؤلف: Dhivya Ravichandran وآخرون
الموضوع الرئيسي: تشفير الصور/الإشارات المعتمد على الفوضى
نظرة عامة
تقدم البحث تطبيقًا آمنًا للرعاية الصحية الإلكترونية عن بُعد، مع التركيز على حماية بيانات المرضى الحساسة أثناء النقل. يستخدم النظام حساسات LM35 ونبض لقياس المعايير الصحية، والتي يتم تشفيرها بعد ذلك على Raspberry Pi 3 B+ باستخدام مخطط تشفير جديد تم تطويره بلغة بايثون. يستخدم هذا المخطط نظامًا فوضويًا مركبًا (CCS) لتوليد تسلسلات مفاتيح فوضوية لخلط الصور الطبية، مما يعزز الأمان ضد مختلف الهجمات. يتم نقل البيانات المشفرة عبر سحابة Thing Speak ويمكن فك تشفيرها بواسطة Raspberry Pi المستلم، مما يسمح للأطباء بالوصول إلى المعلومات من خلال خادم ويب Flask.
يحقق مخطط التشفير مساحة مفتاح كبيرة قدرها $2^{856}$، مما يجعله مقاومًا بفعالية لهجمات القوة الغاشمة. يعالج الخلط الانتقائي للصور الطبية الهجمات التفاضلية، بينما تعطل عمليات الانتشار بين البكسلات وداخلها العلاقات الإحصائية بين البكسلات، مما يقلل من الهجمات الإحصائية. يتم اشتقاق البذور الأولية للانتشار من تجزئة الصور المشتتة بين البكسلات، مما يعزز المقاومة ضد هجمات النصوص الواضحة والنصوص المشفرة. تم اختبار التنفيذ بدقة، مما يوضح فعاليته في حماية معلومات صحة المرضى في سياق إنترنت الأشياء، مع قدرات تخزين البيانات والوصول إليها في الوقت الفعلي لمقدمي الرعاية الصحية.
طرق
تحدد المنهجية المقترحة نظامًا آمنًا لنقل بيانات المرضى الطبية، بما في ذلك معدل ضربات القلب، ودرجة الحرارة، والصور التشخيصية، باستخدام Raspberry Pi وسحابة Thing Speak. يقوم Raspberry Pi بجمع مقاييس الصحة في الوقت الفعلي من خلال حساس نبض وحساس درجة حرارة LM35، حيث يقيس معدل ضربات القلب بالدقائق (BPM) ودرجة حرارة المريض. يتم تشفير هذه البيانات، جنبًا إلى جنب مع الصورة الطبية، باستخدام وحدة مخصصة على Raspberry Pi المرسل قبل نقلها إلى سحابة Thing Speak.
في الطرف المستلم، يسترجع Raspberry Pi آخر البيانات المشفرة، والتي تشمل معدل النبض، ودرجة الحرارة، والصورة الطبية. تقوم وحدة فك التشفير على هذا الجهاز بمعالجة المعلومات المشفرة، مما يسمح للطبيب بعرض البيانات المفككة على صفحة ويب. تؤكد المنهجية على أهمية أمان البيانات في بنية إنترنت الأشياء (IoT) لتطبيقات الرعاية الصحية، كما هو موضح في الشكل المرافق.
النتائج
تظهر نتائج الإطار الأمني المقترح لنقل بيانات المرضى في الوقت الفعلي من العيادات البعيدة إلى الأطباء المتخصصين فعالية خوارزميات التشفير وفك التشفير المنفذة على Raspberry Pi. تم تنفيذ عمليات التشفير لكل من الصور والنصوص باستخدام بايثون على جهاز كمبيوتر شخصي مزود بمعالج Intel Core i5 (2.50 GHz) يعمل بنظام تشغيل Windows 10 64 بت. قامت الدراسة بتقييم 100 صورة DICOM، مع تقديم نتائج مفصلة لـ 10 صور مختارة مأخوذة من مكتبات DICOM عبر الإنترنت.
تشير النتائج إلى أن خوارزمية التشفير المقترحة تظهر مقاومة قوية لمختلف أنواع الهجمات، بما في ذلك الهجمات الإحصائية، والتفاضلية، وحساسية المفتاح، وهجمات القوة الغاشمة. بالإضافة إلى ذلك، تختتم القسم بتمثيلات بصرية للتخزين الآمن لبيانات المرضى الحساسة على سحابة ThingSpeak، مما يعرض التنفيذ المادي للنظام.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على التقدم في تقنيات تشفير الصور الطبية المصممة لبيئات إنترنت الأشياء (IoT). بينما طورت الأعمال السابقة خوارزميات تتحمل مختلف الهجمات التشفيرية، فإنها غالبًا ما تفتقر إلى الاختبار في الوقت الفعلي. من الجدير بالذكر أن Devipriya وآخرين قدموا مخطط تشفير جديد يستخدم الخرائط الفوضوية والخلط على مستوى الكتل، محققين مساحة مفتاح قدرها $10^{69}$ ويظهرون مقاومة ضد الهجمات الإحصائية، والتفاضلية، وهجمات القوة الغاشمة. تشمل المساهمات الأخرى مخطط تشفير سريع يعتمد على نظام فوضوي هايبر-فوضوي 5D وطريقة تشفير الصور التي تستفيد من تحويل الموجات الصحيحة وترميز الحمض النووي، وكلاهما يظهر دقة بصرية عالية في الصور المفككة.
يقترح المؤلفون مخطط تشفير جديد يستخدم الخلط الانتقائي والانتشار بين البكسلات وداخلها، مما يعزز الأمان للبيانات الطبية المرسلة عبر أجهزة إنترنت الأشياء. يستخدم هذا المخطط Raspberry Pi لجمع البيانات في الوقت الفعلي وتشفيرها، مما يضمن النقل الآمن عبر منصة سحابة ThingSpeak. تشمل الابتكارات الرئيسية عملية خلط من ثلاث مستويات ونظام فوضوي مركب (CCS) لتحسين المقاومة ضد الهجمات الإحصائية والتفاضلية. يتم وضع المنهجية المقترحة كخطوة كبيرة نحو تأمين الصور الطبية وبيانات المرضى في تطبيقات الطب عن بُعد، مع تحليلات أداء شاملة توضح قوتها ضد مختلف طرق الهجوم.
DOI: https://doi.org/10.1038/s41598-025-85539-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39900990
Publication Date: 2025-02-03
Author(s): Dhivya Ravichandran et al.
Primary Topic: Chaos-based Image/Signal Encryption
Overview
The research presents a secure e-healthcare application for Telemedicine, focusing on the protection of sensitive patient data during transmission. The system utilizes LM35 and pulse sensors to measure health parameters, which are then encrypted on a Raspberry Pi 3 B+ using a novel encryption scheme developed in Python. This scheme employs a Combined Chaotic System (CCS) to generate chaotic key sequences for shuffling medical images, enhancing security against various attacks. The encrypted data is transmitted via the Thing Speak cloud and can be decrypted by a receiving Raspberry Pi, allowing doctors to access the information through a Flask web server.
The encryption scheme achieves a large key space of $2^{856}$, effectively resisting brute-force attacks. The selective shuffling of medical images addresses differential attacks, while the inter- and intra-pixel diffusion processes disrupt statistical relationships between pixels, mitigating statistical attacks. The initial seed for diffusion is derived from the hash of intra-pixel diffused images, bolstering resistance to chosen plaintext and ciphertext attacks. The implementation has been rigorously tested, demonstrating its efficacy in safeguarding patient health information in an IoT context, with real-time data storage and access capabilities for healthcare providers.
Methods
The proposed methodology outlines a secure system for transmitting patient medical data, including heartbeat, temperature, and diagnostic images, using a Raspberry Pi and Thing Speak cloud. The Raspberry Pi collects real-time health metrics through a pulse sensor and an LM35 temperature sensor, measuring heartbeat in beats per minute (BPM) and the patient’s temperature. This data, along with the medical image, is encrypted using a dedicated module on the sender’s Raspberry Pi before being transmitted to the Thing Speak cloud.
At the receiver’s end, another Raspberry Pi retrieves the encrypted data, which includes the pulse rate, temperature, and medical image. A decryption module on this device processes the encrypted information, allowing the doctor to view the decrypted data on a web page. The methodology emphasizes the importance of data security in the Internet of Things (IoT) architecture for healthcare applications, as illustrated in the accompanying figure.
Results
The results of the proposed security framework for transmitting real-time patient data from remote clinics to specialized doctors demonstrate the effectiveness of encryption and decryption algorithms implemented on a Raspberry Pi. The encryption processes for both images and text were executed using Python on a personal computer equipped with an Intel Core i5 CPU (2.50 GHz) running a 64-bit Windows 10 operating system. The study evaluated 100 DICOM images, with detailed results presented for 10 selected images sourced from online DICOM libraries.
The findings indicate that the proposed encryption algorithm exhibits robust resistance to various types of attacks, including statistical, differential, key sensitivity, and brute-force attacks. Additionally, the section concludes with visual representations of the secure storage of sensitive patient data on the ThingSpeak cloud, showcasing the hardware implementation of the system.
Discussion
The discussion section of the paper highlights advancements in medical image encryption techniques tailored for Internet of Things (IoT) environments. While previous works have developed algorithms that withstand various cryptographic attacks, they often lack real-time testing. Notably, Devipriya et al. introduced a novel encryption scheme utilizing chaotic maps and block-level shuffling, achieving a key space of $10^{69}$ and demonstrating resilience against statistical, differential, and brute-force attacks. Other contributions include a fast encryption scheme based on a 5D hyper-chaotic system and an image encryption method leveraging Integer Wavelet Transform and DNA coding, both of which exhibit high visual fidelity in decrypted images.
The authors propose a new encryption scheme that employs selective shuffling and inter- and intra-pixel diffusion, enhancing security for medical data transmitted via IoT devices. This scheme utilizes a Raspberry Pi for real-time data collection and encryption, ensuring secure transmission through the ThingSpeak cloud platform. Key innovations include a three-level shuffling process and a Combined Chaotic System (CCS) for improved resistance against statistical and differential attacks. The proposed methodology is positioned as a significant advancement in securing medical images and patient data in telemedicine applications, with comprehensive performance analyses demonstrating its robustness against various attack vectors.