이미지 셔플·암호화 난수성 평가를 위한 새로운 Z‑검정 방법

초록

본 논문은 이미지가 완전하게 셔플(또는 암호화) 되었는지를 판단하기 위한 통계적 검정법을 제안한다. 완전 셔플 이미지의 수학적 모델을 정의하고, 픽셀 차이값의 이론적 분포를 유도한다. 이를 기반으로 Z‑검정을 설계해 실제 이미지가 모델에 부합하는지 검증하고, 무작위 샘플링을 통한 편향 없는 난수성 평가 알고리즘을 제시한다. 실험은 NIST 800‑22와 비교해 이미지 특성에 더 적합함을 보여준다.

상세 분석

이 논문은 이미지 보안 분야에서 흔히 사용되는 셔플링·암호화 기법의 난수성을 정량적으로 평가할 수 있는 새로운 통계적 프레임워크를 제시한다. 먼저 저자는 “완전 셔플 이미지(perfectly shuffled image)”라는 개념을 정의한다. 이는 원본 이미지의 픽셀 값이 독립적으로 균등하게 재배열된 경우를 의미하며, 수학적으로는 각 픽셀 위치 i에 대한 값 X_i가 동일한 확률분포 P_X를 따르고, 서로 독립임을 가정한다. 이러한 모델은 기존의 바이너리 데이터에 적용되는 NIST 테스트와 달리, 다채널(그레이스케일·컬러) 이미지의 픽셀값 연속성을 고려한다는 점에서 차별화된다.

다음 단계에서는 픽셀 차이 D = |X_i – X_j| (i≠j) 의 확률분포를 정확히 유도한다. 저자는 X_i와 X_j가 동일한 이산 분포를 따르므로, 차이값의 분포는 두 독립 이산 변수의 차이 확률질량함수(PMF)로 표현될 수 있음을 보인다. 특히, 0~255 범위의 8‑bit 이미지에 대해 차이값의 기대값 μ_D와 분산 σ_D²를 폐쇄형식으로 구하고, 대수적 전개를 통해 정규근사(N(μ_D,σ_D²))가 성립함을 증명한다. 이는 대규모 이미지에서 중심극한정리(CLT)를 적용해 차이값 평균이 정규분포를 따른다는 중요한 통계적 근거를 제공한다.

이론적 분포를 바탕으로 저자는 Z‑검정 통계량 Z = ( \bar{D} – μ_D ) / (σ_D / √m ) 를 정의한다. 여기서 \bar{D}는 무작위로 선택된 m개의 픽셀 쌍에 대한 평균 차이이며, m은 검정의 샘플 크기이다. Z값이 사전 설정된 유의수준 α(예: 0.05) 내에 있으면 귀무가설 “이미지는 완전 셔플이다”를 기각하지 않는다. 반대로 Z가 임계값을 초과하면 셔플링·암호화 알고리즘이 충분히 난수성을 제공하지 못했음을 의미한다.

알고리즘적 구현 측면에서 논문은 “무작위 샘플링 기반 평가 절차”를 제시한다. 전체 이미지에서 픽셀 쌍을 균등하게 무작위 추출하고, 차이값을 계산해 Z‑검정을 수행한다. 중요한 점은 샘플링 과정이 편향을 최소화하도록 설계됐으며, 반복 실행을 통해 신뢰구간을 추정할 수 있다는 것이다. 또한, 다채널 컬러 이미지에 대해서는 각 채널을 독립적으로 처리하거나, 채널 결합 차이값을 정의해 확장 가능하도록 설계하였다.

실험에서는 대표적인 이미지 셔플링 기법(예: 행/열 교환, 블록 기반 무작위 재배열)과 블록 암호(예: AES‑CBC, Chaotic 암호) 등을 테스트했다. 제안된 Z‑검정은 NIST 800‑22의 비트‑레벨 테스트와 비교했을 때, 이미지의 공간적 상관관계를 반영해 더 민감하게 비정상성을 탐지한다는 결과를 보였다. 특히, NIST 테스트는 높은 비트 엔트로피에도 불구하고 구조적 패턴을 놓치는 경우가 있었지만, 제안 방법은 픽셀 차이 평균이 기대값에서 크게 벗어나는 경우를 정확히 포착했다.

이 논문의 주요 기여는 다음과 같다. (1) 이미지 전용 난수성 모델링을 통해 기존 바이너리 테스트의 한계를 극복, (2) 픽셀 차이의 이론적 정규분포를 엄밀히 증명, (3) Z‑검정 기반의 간단하면서도 통계적으로 강력한 판단 기준 제시, (4) 무작위 샘플링을 이용한 편향 없는 실용적 평가 알고리즘 제공. 이러한 접근은 이미지 보안 시스템에서 셔플링·암호화 알고리즘의 사전 검증 도구로 활용될 수 있으며, 특히 실시간 시스템이나 제한된 연산 자원을 갖는 임베디드 환경에서도 효율적으로 적용 가능하다. 향후 연구에서는 고차원 텍스처 특징을 포함한 다변량 차이분포 모델링, 그리고 비정형 이미지(예: 의료 영상, 위성 사진)에서의 적용 가능성을 탐색할 필요가 있다.