基于差分进化深度学习的混沌彩色图像加密

Josiah02 · 发表于 2024-10-15 11:13:17

《国际信息与通信技术杂志》发表的研究介绍了一种数字图像加密的新方法。该方法可用于在线保护敏感信息，例如医学和科学图像。
该方法由中国六安信息技术学院的蔡正宝开发，通过使用混沌系统来完成工作，改进了现有方法。
数字图像传输使得加密成为保护个人数据、医疗记录、商业、政治和军事情报的必不可少的手段。然而，传统加密方法（如高级加密标准 (AES)）在处理数字图像文件中的复杂且密集的数据时存在局限性。
为了解决各种问题，蔡教授采用了混沌加密系统。这种方法利用混沌理论的不规则和非线性动力学来隐藏数据。这项新研究引入了一种六维细胞神经网络 (CNN)，与早期基于混沌的方法相比，它可以更有效地加密颜色，并且对计算资源的要求更低。
传统的二维或三维 CNN 模型会生成高度不可预测的混沌数字序列。通过采用更高维度的方法，蔡教授改进了不可预测程度，并在加密大型高维数据集（如高分辨率医学扫描或卫星图像）时使加密输出更加稳定。
测试表明，蔡的加密图像比传统加密方法更能抵抗通过逆向工程查看原始图像的尝试。
迫切需要为各种数字图像类型提供安全、高效且可扩展的加密方法。当前的研究采用了六维 CNN 和差分进化算法的新颖组合，可以使这些敏感的数字图像比以往更加安全。

账号		自动登录	找回密码
密码			立即注册