基于混沌和神经网络的数字图像加密研究

• 作 者: 李志明
• 出 处: 大连理工大学
• 发表日期: 2019年01期
• 关键词: 混沌 图像加密 混沌神经网络 复合混沌映射 分数阶细胞神经网络

随着计算机技术的发展,通过互联网的信息交流中,信息的安全性越来越被人们所关注。作为目前多媒体的主要传播形式之一,数字图像的安全性成为了信息保护中的重点与难点。本文将以混沌与神经网络在数字图像加密中的应用为题,对于混沌理论和神经网络进行了理论分析、创新,并将其成功应用在了图像加密领域,其加密效果良好,安全性高。目前的研究中,随着人工智能的兴起,神经网络的研究进入到了快速发展的时代。神经网络具有优秀的联想记忆和处理优化的表现,这样的特质正符合混沌密码学中对于明文信息扩散的需求。但是,目前对于神经网络和混沌密码学结合的过程中,所使用的大部分所使用的混沌系统比较简单或应用过程不具有,导致算法可能存在一定的安全隐患。基于这些问题,本文开展了如下工作:(1)提出了一种将流密码与分组密码结合的混沌图像加密算法。即使用流密码与分组密码结合的方式进行扩散,然后采用Logistic映射矩阵进行分块排序变换以完成置乱。将流加密与分组加密的方式相结合,使用S盒与移位操作,针对密钥的替换与处理,完成明文信息的扩散,再通过分块排序的方式,对半密文进行置乱得到最终密文。最终的安全性分析可以表明其安全性能良好,可以抵抗常见攻击方式。(2)提出了一种基于Hopfield混沌神经网络的混沌彩色图像加密算法。首先,提出一种新的分阶段的Logistic映射与Tent映射结合的分阶段复合混沌映射并将其用于置乱,对比研究发现该映射密码学特性要优于Logistic映射;其次,使用了Hopfield混沌神经网络生成自扩散混沌矩阵用于半密文的扩散完成最终加密。与其他实验结果对比,可以看出其加密效率的提升和安全性的保证。(3)提出了一种新的基于分数阶5维细胞神经网络和Fisher-Yates置乱的图像加密算法。首先,提出并进行了分数阶5维细胞神经网络系统的研究,借助其具有更高复杂性的特点,将其作为加密过程中的扩散控制器;其次,使用复合混沌映射作为Fisher-Yates置乱的控制器对密文进行置乱,得到了最终的密文。