[發明專利]一種基于對抗神經密碼學和SHA控制混沌的圖像加密方法

有效

• 申請號: 202011155339.0
• 申請日: 2020-10-26
• 公開（公告）號: CN112417467B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 朱喜順;夏未霞;祝蓋林;吳建華
• 申請（專利權）人: 南昌大學
• 主分類號: G06F21/60
• 分類號: G06F21/60;G06N3/04;G06N3/08
• 代理公司: 南昌青遠專利代理事務所(普通合伙) 36123
• 代理人: 唐棉棉

本發明公開了一種基于對抗神經密碼學和SHA控制混沌的圖像加密方法，基于對抗神經密碼學(Adversarial neural cryptography,ANC)、安全散列算法(Secure hash algorithm,SHA)和圖像加密(Image encryption,IE)算法，通過將圖像P中的所有像素都輸入到哈希函數SHA?256中，得到一個哈希值，該哈希值表示為長度為256的二進制數，并歸一化為(0,1)范圍內的值；并依賴于明文的SHA?256算法生成密鑰來控制混沌映射的方法，極大地提高了加密系統的擴散性能，從而使該系統可以進一步抵抗差分攻擊，并能抵御常見的攻擊如僅密文攻擊、選擇密文攻擊，已知明文攻擊和選擇明文攻擊等。本發明方法可用于信息安全傳輸領域如互聯網、移動電話和視頻會議的圖像存儲和傳輸中。

技術領域

本發明涉及圖像處理和信息安全領域，具體是一種基于對抗神經密碼學和SHA控制混沌的圖像加密方法。

背景技術

現如今，隨著信息化建設和多媒體技術的快速發展，各種信息技術的應用迅速滲透到社會經濟的各個領域，但同時出現很多信息安全問題。數字信息已經遍及我們的生活，信息安全技術顯得尤為重要。由于數字圖像信息生動直觀，圖像成為了一種重要的傳輸媒介，許多信息以數字圖像的形式呈現，成為人類表達信息的重要手段之一。但同時也為不法分子利用網絡獲取未授權數據提供了渠道。圖像發行者為了保護自身的利益，就需要可靠的圖像加密技術。

許多圖像加密算法已經提出并廣泛運用于確保圖像傳輸期間的安全性。其中，混沌算法在各方面如安全性、復雜性和速度等諸多方面都表現出良好的特性。近年來，從低維混沌到高維混沌，混沌性能不斷提高。許多基于混沌系統的圖像加密算法相繼被提出，并取得了良好的安全性能。本發明對于服務于深圳地方經濟建設與社會發展，對于圖像信息傳輸過程的信息安全，對于完善圖像加密的理論和實踐，均具有重要意義。

圖像加密的方式分別有基于空域運算的加密、基于變換域運算的加密或基于空域與變換域混合的加密方式。這些類的加密系統一般均具有線性性質，不利于抵抗已知明文和選擇明文攻擊。

近年來，深度學習以其出色的學習能力解決了人工智能領域的許多問題。目前，一些學者已經將深度學習應用于圖像加密。例如，Ding Y.,Wu G.,Chen D等人提出了一種基于深度學習的加密和解密網絡，這是將深度學習方法應用于醫學圖像加密的首次嘗試。QinY.,Zhang C.,Liang R.等建立了一個改進的深度學習網絡，并提出了一種新的有效的人臉圖像加密算法。同樣，有一些使用深度學習對虹膜圖像進行加密的方法。例如，Li X.,JiangY.,Chen M.還研究了一種基于深度學習的虹膜特征加密技術，其中深度學習用作特征提取方法，提取的虹膜特征向量用于密鑰生成，最后對密鑰和明文進行按位異或運算。這些均表明，基于深度學習的加密方法可以提高加密和解密過程的安全性。

另外，一些研究人員提出了使用混沌神經網絡的加密算法。其中，Lian S.,ChenG.,Cheung A.等提出了一種將混沌神經網絡與JPEG2000編解碼器相結合的新型加密算法，它對選定的敏感比特流進行加密，以低成本實現高安全性，并支持許多圖像處理方法中所需的直接比特率控制。Yu W.和Cao J.提出了一種基于混沌Hopfield神經網絡的新型加密方法，其中混沌網絡用于生成二進制序列以掩蓋明文。Wang X.,Yang L.和Liu R.提出了一種具有感知器模型的混沌圖像加密系統，在該系統中，使用高維混沌來生成偽隨機序列，并采用非線性策略來生成感知器的每個神經元的權重，實驗結果表明，該方法具有很高的安全性和對常見攻擊的抵抗力。