[發明專利]基于卷積神經網絡動態自適應擴散的雙圖像加密方法

有效

• 申請號: 202110107259.6
• 申請日: 2021-01-27
• 公開（公告）號: CN112788196B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 李錦青;底曉強
• 申請（專利權）人: 長春理工大學
• 主分類號: H04N1/32
• 分類號: H04N1/32;H04L9/00;G06N3/04
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 曲博

基于卷積神經網絡動態自適應擴散的雙圖像加密方法，涉及雙圖像加密技術領域，解決現有雙圖像加密方法中存在的密鑰空間不足，隨機性不夠的問題，以及不能有效抵抗已知明文攻擊和選擇明文攻擊的安全缺陷，本發明由5D保守混沌系統生成的隨機序列經過一系列變換后得到的L_Con作為卷積神經網絡的卷積核，得到明文相關的坐標對。通過對兩幅明文圖像分別劃分為8位的二進制形式，將高4位和低4位分別組合，再由明文相關的坐標對置亂兩圖圖像，最后利用動態自適應擴散方法進一步擾亂圖像的像素。5D保守混沌系統具有更好的偽隨機特性，具有更大的密鑰空間，更強的敏感性，抵抗各種安全攻擊的能力更強，因此，具有更穩定的混沌特性，以及抵抗重構攻擊等。

技術領域

本發明涉及雙圖像加密技術領域，具體涉及一種基于卷積神經網絡和按位融合圖像的動態自適應擴散雙圖像加密解密方法。

背景技術

近年來，隨著信息技術和電信網絡的快速發展導致數字信息從圖像到音頻和視頻文件的傳輸增加。因此，研究人員已進行了廣泛的研究，以維護這些數據的安全性并保護其免受未經授權的用戶的侵害。加密是一種實現高安全性的方法。同時，由于其廣泛的應用，包括軍事，醫療等，加密技術已成為使用最廣泛和最活躍的領域之一。圖像數據具有其獨特的特性(大量，像素之間的高度相關性和高壓縮能力)，使得在圖像上實施文本加密技術或經典算法(例如DES，AES和IDEA)變得困難而緩慢。圖像加密技術通常有兩個階段：置亂階段是用于掩蓋明文、密文和密鑰之間的關系，使得密鑰和密文之間的統計關系盡可能復雜，導致密碼攻擊者無法從密文推理得到密鑰；擴散階段是將明文冗余度分散到密文中使之分散開來，以便隱藏明文的統計結構，實現方式是使明文的每一位影響密文中多位的值。這個置亂—擴散反復重復一定次數，以保證達到相應的安全水平。在這種機制中，密鑰和控制參數的生成是加密方法安全性與復雜性的決定性要素之一。

一個優秀的加密算法應該可以抵抗常見的攻擊，如已知明文/選擇明文攻擊、差分攻擊、剪切攻擊和噪聲攻擊等，。如今，已經提出了許多圖像加密算法，例如基于混沌的圖像密碼系統，DNA計算，分數傅里葉變換，或細胞自動機(CA)。而現在常用的混沌系統也被發現有被重構攻擊的風險，因此有研究人員提出了保守混沌系統，具有更大的李指數，隨機性更強，由于其沒有奇異吸引子，因此無法被重構，該系統具有更高的安全性。

卷積神經網絡(CNN)是一種新興的人工神經網絡結構。由于在圖像和語音識別中使用CNN來獲得更好的測試結果，因此該算法得到了廣泛的推廣和應用。CNN是計算機圖像識別的最常用領域，但由于其不斷的創新，已被應用于圖像安全等領域，取得了一些豐碩的研究成果。

發明內容

本發明的目的在于針對現有雙圖像加密方法中存在的密鑰空間不足，隨機性不夠的問題，以及不能有效抵抗已知明文攻擊和選擇明文攻擊的安全缺陷，提供一種基于卷積神經網絡的動態自適應擴散雙圖像加密解密方法。

用戶加密解密密鑰為：logistics映射和5D保守混沌系統初值，迭代次數，動態自適應擴散的控制參數。

卷積神經網絡的動態自適應擴散雙圖像加密解密方法，設定相同的用戶加密密鑰與解密密鑰，所述用戶加密密鑰或解密密鑰均包括logistics混沌系統初值和5D保守混沌系統初值，迭代次數以及動態自適應擴散的控制參數；該方法的加密過程由以下步驟實現：

步驟一、將大小均為M×N的兩幅圖像作為原始圖像Image1和原始圖像Image2；

步驟二、以用戶加密密鑰中的θ₀為logistics混沌系統初值，迭代所述logistics混沌系統d₀次，舍棄前dd₀次迭代結果，獲得一個長度為M×N的偽隨機序列Lo；

步驟三、由步驟二中的偽隨機序列Lo，根據下述公式計算，獲得5D保守混沌系統的初值x₀,y₀,z₀,u₀,v₀：