DNA Tabanlı Görüntü Şifreleme / DNA‑Based Image Encryption

---

🇹🇷 Türkçe Bölüm

İçindekiler

1. Genel Bakış
2. Temel Özellikler
3. Yöntemsel Arka Plan
4. Mimari ve Akış
5. Proje Yapısı
6. Kurulum
7. Hızlı Başlangıç
8. Performans ve Analiz
9. Geliştirme Notları
10. Harici Bağımlılıklar
11. Katkı Rehberi
12. Lisans

---

Genel Bakış

Bu depo, RGB görüntüleri DNA kodlama ve kaotik lojistik harita tabanlı çok katmanlı bir yaklaşımla şifrelemek ve çözmek için tam yığın (CLI + Flask UI) bir uygulama sunar. Parola temelli anahtar türetimi (PBKDF2‑HMAC‑SHA256) kaba kuvvet saldırılarına karşı dayanıklıdır; Cython ile derlenmiş çekirdekler işlemleri hızlandırır; şifreye ilişkin salt ve parametreler PNG tEXt meta‑veri alanlarında saklanarak her şifreli dosyanın kendi kendini tanımlaması sağlanır.

Temel Özellikler

Modül	Amaç	Öne Çıkan Noktalar
encrypt.py	CLI & Flask üzerinden şifreleme	Salt + parametreler PNG meta‑veriye gömülür
decrypt.py	Ters işlem	Gerekli tüm parametreler dosyanın kendisinden okunur
analysis_utils.py	PSNR, NPCR/UACI, entropi hesaplar	Standart kriptanaliz metrikleri
src/accelerated/*.pyx	Cython hızlandırıcı çekirdekler	10‑20× performans artışı
app.py	Flask + Jinja2 arayüz	Basit REST API & CORS yönetimi

Yöntemsel Arka Plan

• DNA Kodlama (1‑8 kuralı) — ikili veriyi A/T/C/G taban dizisine dönüştürür.
• Lojistik Harita xₙ₊₁ = r·xₙ·(1 − xₙ) — r ≈ 3,98–4,00 aralığında maksimum kaos üretir.
• PBKDF2‑HMAC‑SHA256 — 256 bit anahtar + 128 bit salt, varsayılan 200 000 iterasyon.
• Çoklu Kriptanaliz Metrikleri — NPCR > 99 %, UACI ≈ 33 %, entropi ≈ 8 bit hedeflenir.

Mimari ve Akış

Tüm adımlar modüler fonksiyonlar hâlinde tasarlandığından hem CLI hem Flask rotaları tarafından yeniden kullanılabilir.

Proje Yapısı

.
├── app.py
├── encrypt.py          # Ana şifreleyici/CLI arayüzü
├── decrypt.py
├── analysis_utils.py
├── requirements.txt
├── utils/
│   ├── __init__.py
│   ├── misc_utils.py
│   ├── logging_cfg.py
│   └── ...             # Diğer yardımcı modüller
├── src/
│   └── accelerated/
│       ├── dna_codec_cy.pyx
│       ├── logistic_cy.pyx
│       └── chaos_utils_cy.pyx
├── templates/          # HTML şablonları
└── static/
    ├── uploads/        # Zamana göre oluşturulan klasörler
    ├── analysis/       # Histogram & korelasyon çıktıları
    └── examples/       # Demo görseller

Kurulum

# 1) Sanal ortam oluştur
python -m venv venv && source venv/bin/activate
# 2) Temel araçlar
pip install --upgrade pip wheel cython
# 3) Proje bağımlılıkları
pip install -r requirements.txt
# 4) Cython modüllerini derle
python -m pip install .

Windows kullanıcıları: "Visual C++ Build Tools" kurulu olmalıdır.
Linux/macOS kullanıcıları: GCC veya Clang yeterlidir.

Hızlı Başlangıç

# Komut Satırı
python encrypt.py -i lenna.png -o cipher.png -k "S3cret!"
python decrypt.py -i cipher.png -o plain.png -k "S3cret!"

# Web Arayüzü
export FLASK_APP=app.py
flask run    # http://localhost:5000 adresinde hizmet verir

Performans ve Analiz

Metrik	Örnek Değer	Açıklama
PSNR	49,2 dB	Şifreli ↔ çözülen görüntü arasındaki kalite
NPCR	99,65 %	Bit‑düzeyi değişim oranı
UACI	49,99 %	Ortalama yoğun değişim
Entropi	7,999 bit	Rastgelelik üst sınırına yakın

analysis_utils.py veya /analyze API uç noktası ile bu metrikler otomatik hesaplanabilir.

Geliştirme Notları

• Cython Derleme: setup.cfg şablonu ve pyximport desteği içerir. Ek performans için --annotation-html seçeneğini kullanın.
• PNG Metadata: Salt ve parametreler tEXt alanına gömülür – dosya bütünlüğü bozulmaz.
• Ekstra Araçlar: flask-cors, tqdm, pytest-benchmark, opsiyonel Pillow-SIMD, deneysel numba desteği.

Harici Bağımlılıklar

• UI: Bootstrap 5 + Tailwind CSS & DaisyUI.
• Web Yazı Tipleri: Inter • Roboto Mono
• Görsel İşleme: NumPy, Pillow, scikit‑image, matplotlib.
• Kriptografi: Python hashlib (OpenSSL PBKDF2 uygulaması).

Katkı Rehberi

1. Çalışmanızı dev dalına karşı çatallayın ve PR açın.
2. Kod biçimlendirme için Black + isort kullanılır.
3. Yeni özelliklerde test kapsaması ≥ %90 olmalıdır.
4. Cython değişikliklerine make bench raporu ekleyin.
5. Güvenlik‑kritik PR’lar için, örnek görsellerle NPCR/UACI raporu paylaşın.

Lisans

Kod tabanı MIT lisansı altındadır. Tez/sunum gibi yan materyaller Creative Commons BY‑4.0 ile paylaşılabilir.

---

🇬🇧 English Version

Table of Contents

1. Overview
2. Key Features
3. Methodological Background
4. Architecture & Flow
5. Project Layout
6. Installation
7. Quick Start
8. Performance & Analysis
9. Development Notes
10. External Dependencies
11. Contributing
12. License

---

Overview

This repository offers a full‑stack solution (CLI + Flask UI) for encrypting and decrypting RGB images through DNA coding and a chaotic logistic‑map cascade. Password‑derived keys (PBKDF2‑HMAC‑SHA256) harden brute‑force resistance; Cython‑compiled cores keep throughput high; salts and parameters are preserved in PNG tEXt chunks so every cipher file is self‑describing.

Key Features

Module	Purpose	Highlights
encrypt.py	Encrypt via CLI or Flask	Stores salt + params inside PNG metadata
decrypt.py	Reverse process	Reads all parameters from the file itself
analysis_utils.py	Computes PSNR, NPCR/UACI, entropy	Standard crypto‑analysis metrics
src/accelerated/*.pyx	Cython acceleration cores	10‑20× speed‑up
app.py	Flask + Jinja2 UI	Simple REST API & CORS management

Methodological Background

• DNA coding (rules 1‑8) — maps binary to A/T/C/G.
• Logistic map xₙ₊₁ = r·xₙ·(1 − xₙ) with r ≈ 3.98–4.00 for maximum chaos.
• PBKDF2‑HMAC‑SHA256 — 256‑bit key, 128‑bit salt, default 200 000 iterations.
• Multi‑metric cryptanalysis — targets NPCR > 99 %, UACI ≈ 33 %, entropy ≈ 8 bit.

Architecture & Flow

Each step is exposed as a reusable function for both CLI and Flask routes.

Project Layout

(Same tree as Turkish section.)

Installation

python -m venv venv && source venv/bin/activate
pip install --upgrade pip wheel cython
pip install -r requirements.txt
python -m pip install .

Quick Start

python encrypt.py -i sample.png -o cipher.png -k "Passw0rd"
python decrypt.py -i cipher.png -o plain.png -k "Passw0rd"

export FLASK_APP=app.py
flask run   # open http://localhost:5000

Performance & Analysis

Metric	Sample Value	Note
PSNR	49.2 dB	High fidelity after round‑trip
NPCR	99.65 %	Optimal pixel change rate
UACI	49.99 %	Uniform average intensity change
Entropy	7.999 bit	Near the theoretical maximum

analysis_utils.py or the /analyze API endpoint can generate these metrics automatically.

Development Notes

• Cython build: pre‑configured setup.cfg; enable --annotation-html for insight.
• PNG metadata: salts & parameters live in tEXt chunks — file integrity intact.
• Extra tooling: flask-cors, tqdm, pytest-benchmark, optional Pillow‑SIMD, experimental numba.

External Dependencies

• UI: Bootstrap 5, Tailwind CSS with DaisyUI.
• Fonts: Inter • Roboto Mono
• Imaging: NumPy, Pillow, scikit‑image, matplotlib.
• Cryptography: Python hashlib (OpenSSL PBKDF2).

Contributing

1. Fork → work on dev branch → open PR.
2. Follow Black + isort for code style.
3. Aim for ≥ 90 % test coverage.
4. Attach make bench results for Cython changes.
5. Provide NPCR/UACI report with example images for security‑critical PRs.

License

Source code is released under the MIT License. Auxiliary academic content (thesis, slides) is shared under CC BY‑4.0.