A novel image block cryptosystem based on a spatiotemporal chaotic system and a chaotic neural network

In this paper, we propose a novel block cryptographic scheme based on a spatiotemporal chaotic system and a chaotic neural network （CNN）. The employed CNN comprises a 4-neuron layer called a chaotic neuron layer （CNL）, where the spatiotemporal chaotic system participates in generating its weight matrix and other parameters. The spatiotemporal chaotic system used in our scheme is the typical coupled map lattice （CML）, which can be easily implemented in parallel by hard- ware. A 160-bit-long binary sequence is used to generate the initial conditions of the CML. The decryption process is symmetric relative to the encryption process. Theoretical analysis and experimental results prove that the block cryptosys- tem is secure and practical, and suitable for image encryption.

考虑隐私重要程度的医疗信息分级加密算法

为增强病人隐私信息安全系数,降低数据泄露风险,在考虑隐私重要程度前提下,提出一种基于混沌细胞神经网络和小波变换的海量医疗信息分级加密算法。利用分词匹配度和权值匹配度计算医疗信息词语重复率,剔除海量信息中相似数据,降低后续信息加密工作量。使用医疗重要性、访问次数、数据大小等分级评估数据隐私重要度,通过数据属性区分医疗文字信息与图像信息。运用细胞神经网络的混沌特征,将原始医疗信息转换为参数矩阵。运用Logistic映射得到密钥混沌序列,输出一次加密后的医疗文字信息,使用小波变换时域分析图像信号达到二次加密,融合二次加密结果完成医疗信息分级加密。实验结果证明,所提算法具有加密效果好、执行速率快、安全系数高等优势,是面向医疗信息安全储存的适宜方案。

融合神经网络变换和通道置乱的彩色图像加密

针对传统彩色图像加密过程中密钥空间小、彩色通道加密不彻底导致的密文图像抗差分攻击能力弱等问题,提出一种融合神经网络随机变换和通道置乱的彩色图像加密算法。将彩色图像R、G、B色彩通道进行分离,利用变换技术分别对3个色彩通道进行像素级置乱;利用并行混沌系统生成两组伪随机序列,引入人工神经网络对其进一步变换生成新序列。使用随机序列分别对彩色图像的通道内和通道间进行像素级扩散和置乱。实验结果表明,神经网络随机性可显著扩大密钥空间,提出算法在密文图像安全性和抗攻击能力上具有显著优势。

基于细胞神经网络超混沌特性的图像加密新算法

针对一般流密码对明文变化不敏感的缺陷,基于细胞神经网络(CNN),提出一种图像加密新算法。以一个6维CNN产生的超混沌系统作为密钥源,并根据明文图像各点像素值的逻辑运算结果选取密钥;同时使用像素位置置乱和像素值替代两种方法对数字图像进行加密。实验表明,该算法加密效果好,NPCR值和密钥敏感性高(>0.996),满足数字图像加密安全性的要求,同时具有计算简单、易于实现、能提高数字图像传输的安全性等特点。

基于神经网络混沌加密算法的专用芯片设计

根据一种基于神经网络混沌加密算法所提出的对称密钥密码方案 ,设计了一种安全实用的加解密专用芯片 .该芯片是采用 VHDL 语言设计的 ,并用 FPGAs实现 .文中主要介绍该加解密专用芯片的设计原理和方法 .

一种基于TLM超混沌细胞神经网络图像加密新算法

混沌对初值敏感的特性使得它适合于数据加密。以4阶CNN模型为基础,提出了一种新的超混沌细胞神经网络图像加密算法。算法分为置乱和扩散二个阶段,复合混沌映射用于生成置乱阶段控制参数,用以置乱图像行列之间的高度互相关像素。在扩散阶段,使用不同初始状态和参数的复合混沌映射生成高阶混沌细胞神经网络的初始条件,以生成扩散阶段的密钥流。算法的已知明文和选择明文攻击、密钥空间和直方图的仿真实验均取得了良好的结果。与其他相关算法相比,该算法具有密钥敏感性和抗攻击性强的优点,适用于图像加密。

一种基于神经网络混沌序列的对称分组加密方法

根据混沌神经网络的特性如混沌行为特性、对初始条件的敏感性和并行处理特性等等,提出了一种新的对称加密方案;利用混沌神经元的联结矩阵和初始条件作为密钥,使神经网络产生的难以预测的混沌序列来实现非线性数字序列加密运算。从理论分析和仿真结果表明,该系统具有较好的实际保密性,加密效率高,加密速度快,比较适用于数字信号加密通信。

基于CNN和DES的图像保密通信系统设计方案

为了解决混沌加密系统密钥空间设计上的不足以及数据加密标准(DES)加密算法易被攻击的问题,将细胞神经网络与DES加密算法相结合,提出一种混合加密通信方案.该方案利用细胞神经网络产生混沌信号,将其经过取整、取模、平方、开方、增益、偏移等运算处理后,用得到的新的混沌伪随机序列将图像加密,然后利用DES算法进行再加密.文中还讨论了系统的实现方法.仿真结果表明,采用此混合加密方案进行加解密均可取得较好的效果,解密结果对细胞神经网络初值和DES密钥高度敏感,安全性能有所提高.

基于细胞神经网络的图像加密新算法

借助高维混沌系统具有更高安全性的特点,提出一种基于五维CNN超混沌系统的图像加密新算法,并对该算法进行了性能分析.仿真结果表明该算法对密钥具有高度的敏感性,密钥空间巨大,明文的统计特性完全被打破,且大大降低了图像相邻像素之间的相关性,因此具有较高的可靠性和保密性.

基于Hopfield网络的彩色图像混沌加密算法

一般混沌图像加密,都是对图像的整体像素置乱处理,其抵抗明文攻击能力较差。为此,提出基于离散Hopfield神经网络的彩色图象混沌加密算法。该算法采用自治三维混沌系统对彩色图像单像素比特位进行加密操作,通过利用三维混沌序列的其中一维置乱图像R、G、B分量的像素位置,用另外两维序列设置置乱每个像素比特位的权值和阈值,从而改变彩色图像各分量像素的位置和像素值,达到有效加密的效果。理论分析和实验结果表明,该单像素加密算法可有效抵抗差分攻击,使反馈密文提高了像素置乱效果,并具有良好的加密效果和保密性。

一个新型四维混沌系统的构造与应用

本文构建了一个新型的四维混沌系统,并利用混沌和密码学的对应关系将其应用到彩色图像加密领域。首先分析了新系统的动力学特征:检验是否存在混沌吸引子,计算平衡点及Lyapunov指数,观察初值敏感性以及混沌信号的随机特性。并将新系统与超混沌Chen系统进行了比较,以验证新系统混沌特性的优劣。然后将新系统应用到基于Hopfield网络的单像素加密算法中,并进行了仿真。仿真结果表明,新系统具有很好的混沌特性,产生的序列也具有很高的随机性,适用于图像加密领域;该单像素加密算法可有效抵抗差分攻击,剪切和噪声干扰。

面向虹膜模板的复合映射加密算法

针对远程生物认证中虹膜模板图像既需要加密保存又要保证可恢复性的特点,在使用卷积神经网络(convolutional neural networks,CNN)对特征像素矩阵提取的基础上,提出一种复合映射的虹膜模板加密算法。将CNN提取的像素特征矩阵分组,并对不同分组分别使用阿诺德映射改变权值矩阵实现矩阵扰乱。使用分段线性混沌映射隐藏邻近相关像素,完成虹膜图像模板加密。由于映射分别针对特定分组的特征像素矩阵,具有更好的原始图像可恢复性。实验结果表明,所提出的算法对远程认证的虹膜模板图像具有很好的加密性能和较高的算法加/解密执行效率。

基于新型混沌细胞神经网络的图像加密算法

一般性的流密码对图像加密难以抵抗差分攻击,固定的密钥使得算法对明文不具有敏感性,导致安全性大大降低。针对上述问题,提出一种基于新型混沌细胞神经网络的图像加密算法。构造基于符号函数的新型全互联四阶细胞神经网络,基于生成的混沌序列,根据明文像素点异或的结果选取密钥对图像加密,保证算法对于明文具有足够的敏感性。使用位置置乱和像素值替代两种方法加密图像,得到最终的密文。仿真结果表明,提出的算法能够有效抵御差分攻击,具有高度密钥敏感性,明文敏感性以及相邻像素间近似于零的相关性,保证了算法的安全性和可靠性。

基于卷积神经网络的混沌序列图像加密算法研究

图像中包含了很多机密和重要信息,因此保证图像安全性具有重要的现实意义。一般混沌加密算法处理后,图像仍然呈现一定程度的周期性等,安全性不足。为此,结合卷积神经网络对一般混沌加密算法进行改进,提出一种基于卷积神经网络的混沌序列图像加密算法。该算法研究分为三部分,首先将明文图像处理成混沌序列图像,包括像分块、混沌系统处理和伪随机序列生成三步骤,然后利用卷积神经网络对混沌序列进行训练,消除混沌序列的周期性,最后对混沌序列图像进行扩散处理,改变原始图像像素值,进一步实现加密处理。结果表明:与3种传统图像加密算法以及一般混沌加密算法相比,所研究加密算法应用下,信息熵最大(8.591),峰值信噪比最小(8.755),说明加密效果更好,保证了图像信息的安全性和机密性。

混沌神经元耦合置乱神经元的图像加密算法研究

目的为了使当前加密系统具有更强的密钥敏感性以及更大的密钥空间,以提高抗各种攻击性能。方法提出一种新型的基于置乱神经元耦合混沌神经元的图像加密算法。加密系统的置乱和扩散由2个不同的3层神经构成,分别是置乱神经元层和混沌神经元层,混沌密钥生成模块则通过相应的权值和偏置来对这2层结构进行控制。在混沌神经元层扩散过程中,3个混沌系统用来生成权值矩阵和偏置矩阵,通过非线性标准化、按位异或操作来进行非线性组合,并通过Tent映射来进行激活,以获得扩散信息。在置乱神经元层置乱过程中,利用混沌密钥生成模块获取置乱矩阵,对扩散信息进行线性置乱处理,再通过二维Cat混沌映射对信息进行非线性置乱处理,并与当前加密算法进行对比。结果与当前加密算法相比,文中算法安全性更高,平均熵值为7.9991,且该加密算法的密钥空间大,为2160×1060,密钥敏感性强,错误与正确密钥之间的密文差异率为99.765%。结论设计的加密算法高度安全,可有效抗击各种攻击。

基于细胞神经网络混沌特性的图像加密技术应用研究

基于细胞神经网络(Cellular Neural Networks)的数字图像加密算法,利用细胞神经网络独有特性,构造一个五维的混沌序列作为秘钥源,在此基础上利用Logistic混沌序列图像像素置乱算法,从而实现对图像加密.编程模拟仿真实验表明,加密图像置乱度高,相邻像素的相关性小,抗攻击性强,安全性更高.最后对明文和密文进行相关性分析,从理论上验证了该加密算法的可靠性.

基于人工智能的光通信网络加密方案设计

针对光通信网络传输时,存在的数据被窃取以及通信光网络管理信息被篡改等风险,设计了基于人工智能的光通信网络加密方案,保证光通信网络安全。该方案结合光纤信道的信号传送方式,结合Sine和Logistic映射构建基于复合离散混沌系统,生成混沌序列,将序列中随机选取数据信号,作为人工神经网络的输入矢量,对其学习后输出序列以及实现明文置乱,混淆明文形成的信号,调整信号位置,通过分段异扩散技术调整信号值,输出置乱数据信息;利用生成的量化机制得出密钥流,完成信号加密,获取加密密文。测试结果表明:该方案混沌性较好,平均变化强度0.9以上,在不同频率的攻击下,抗攻击性能良好,具备较好的加密效果,能够保证加密后网络的安全性。

混沌神经网络在数字图像加密中的应用

提出了混沌神经网络加密数字图像的算法。根据混沌系统产生的二进制序列,设定神经网络的权值和阈值,对每一个像素进行加密和解密运算。本算法具有以下特征:计算复杂度大、实现无失真加密、较高的安全性。仿真试验结果表明,该算法能得到令人满意的结果。

RBF神经网络在混沌信息加密中的应用

混沌加密技术作为信息安全保护的新技术已成为目前国内外科研的热点问题。本文基于以上原理综合运用多种信息安全技术,设计了一种基于混沌加密的网络环境中的信息安全传输方案。方案中采用神经网络产生级联混沌序列,有效提高了低维混沌序列的安全性同时克服了有限精度对混沌序列性能的影响。

混沌神经网络在数字压缩图像加密中的应用

提出了一种混沌神经网络加密压缩数字图像的算法。首先,将原始图像进行二维小波变换后,转换成小波域上的小波系数,然后对小波系数进行嵌入零树小波编码。接着,将码流中"1"的位置取出,存入一个矩阵中,对此矩阵进行混沌神经网络加密。该加密算法具有以下特征:速度快、无失真、安全性高。仿真试验结果表明,该算法能得到令人满意的结果。