轻量级加密算法是基于多媒体元素的结构存储它们[ 4]。传统的加密算法具有较高的计算复杂度,因此不适合加密。不对称加密算法需要较高的计算复杂度与对称加密算法相比,在一个向量的一个实数表示图像。因此,矢量非常只要采样图像的系数是非常大的 5]。数字图像是一个二维(2 d)向量包含的像素值在0到255之间。一幅图像可以表示为任何几何形状(圆形/曲线/线)使用这些数字[ 6]。所以,这是非常重要的安全的数字图像。轻量级加密算法提供了增强的安全在各种共享设备,如物联网——基于(物联网)应用程序数据安全和隐私是主要问题。此外,信息技术正在迅速发展。因此,云计算传播严重在所有领域包括工业、铁路、商业和管理,安全是最重要的。因此,在这些领域安全架构是必要的,所以,未经授权的用户无法访问云( 7- - - - - - 9]。在过去的二十年,监测系统的应用已大大增加。这些系统分布在所有的地方(公立或私立)。通过身份验证的用户识别或跟踪对象,他们想要的。监视加密算法加密消息或视频帧来提供安全保障 10]。These IoT-based controlled applications and other applications need data security that should be provided by a lightweight image encryption method. The lightweight image encryption algorithm can be used in the cloud, surveillance systems, railway, dedicated network, Internet of Things (IoT), and medical applications.

保护内容从未经授权的访问和分布,一种有效的图像加密技术是非常重要的。数据隐私和数据安全是一个涉及的问题在今天的互联网世界。轻量级的图像加密方法给出了一个有前途的框架提供了较低的计算复杂度。本研究的主要贡献如下: (我)

设计一个轻量级的图像加密方法,需要更少的时间,更少的关键价值转换,并确保相邻像素之间的相关系数较低的加密图像

研究的其余部分组织如下:部分 2描述问题陈述的相关文献。一些理论介绍部分 3。我们描述提出了框架和详细步骤的图像加密和解密 4。实验结果描述部分 5。最后,我们的结论是我们的学习以及未来的工作部分 6。

几项研究[ 6- - - - - - 8)已经执行基于轻量级图像加密。在计划 11),一个旋转矩阵提出了基于位排列和block-diffusion。首先,主持人形象是除以8×8块不重叠的一个随机矩阵,然后,每一块转换成一个8×8×8三维(3 d)方形二进制矩阵。然后,3 d矩阵与随机矩阵的乘积,并进行排列。之后,系统执行块扩散应对任何进一步的统计变化的图像。实验表明满意的安全性能和更好的鲁棒性在几个攻击。在另一个计划( 12),一个基于异构混乱排列和相关技术提出了彩色图像加密。这里,对降低计算成本和提高置换效率,使用异构位排列前扩大三个频道XOR运算(红(R)、绿(G),和黑色(B))的彩色图像。然后,伪随机序列是由一维(1 d)生成的混沌映射在加密过程中。这个实验给可靠和有效的结果。除此之外,一种新颖的算法提出的基于置换和DNA编码Zhang et al。 13]。首先,输入DNA序列的散列值计算,和利用混沌序列图像是炒。图像的位排列由蝴蝶网络,实现和DNA矩阵生成的图像。为提高系统的安全性,DNA序列的一个代数操作的执行。最后,DNA序列的操作提高了混乱和扩散矩阵。实验表明,该算法具有密钥空间大,强烈的敏感性和高鲁棒性在各种攻击。一个轻量级的混沌图像加密算法提出了一种32位单片机设计一个实时嵌入式系统( 14]。算法适合实时应用程序的性能,及其安全是通过随机性分析等不同的研究观察,灵敏度分析,加密质量分析,差异分析,统计分析,视觉分析和攻击分析。此外,铁路云服务,一个轻量级的认证加密方案基于一种新的离散混沌天地盒耦合映射格子(SCML)提出的方案 15]。SCML最小化的动态退化混沌系统,和加密过程保护数据免受未经授权的访问。此外,它在一个通过保持数据完整性。该方案是安全的和健壮的在各种攻击。此外,隐私监控录像也至关重要。整个视频是由感兴趣的区域(ROI)加密方案。一个轻量级基于分层的元胞自动机的加密方法(LCA)提出了卫星应用的方案( 16]。这里,ROI的单独加密,并储存在相机所使用的内存和个人取决于用户的需求。任何用户都可以看到这在实时在线监控录像没有ROI,结果表明,该方法是健壮的和安全的。移动云存储,另一个保护隐私轻量级图像加密(曲膝)方法,提出了在该计划 17),数据隐私是非常重要的。在这里,图像元数据保存在移动云计算通过使用一个轻量级加密方法。用户的隐私维护的流程SDS(分裂、分发和争夺)在移动。然后,数据存储在移动云计算。在这种情况下,加密时间比AES方法减少了50%。图像加密需要大量的数据,需要一个高效的算法。2018年( 18),一个安全的和时间图像加密方法提出了基于排列,扩散和多个一维(1 d)混乱的地图。混乱的地图,如β,物流sin,物流帐篷,tent-sine, PWLCM(分段线性混沌映射)是用来确保系统的安全。系统保证了大的密钥空间和更高的信息熵,表明改进的安全性。该方法对选择明文攻击(CPA)和健壮的已知明文攻击(KPA)。但是,系统不是为彩色图像而设计的。现有的像素级别的密码机制进行排列。但是像素级排列方法不能保证足够的安全系统。因此,一个新的3 d拼图排列以及一个混沌系统,提出了加密的方案( 19]。是安全的和健壮的统计方法和微分攻击扩散和混乱。

在另一个计划( 20.),该方法首先将彩色图像划分为三个频道(R, G, B)和转置位平面的渠道。然后,阿诺德猫映射(ACM)基于位平面矩阵和候补物流地图迷惑和扩散R, G, B通道爬的形象。该系统是高度安全的、健壮的蛮力攻击。量子图像加密方法提出了基于物流地图使用intrabit和interbit排列在该计划 21]。首先,图像是由量子模型,然后,置换操作(内部和国米)执行一些飞机。加密图像终于通过混乱的扩散过程。对穷举式攻击的方法是健壮和均匀分布和安全。嵌入式物联网设备之间传输的文本文件,安全、高效的、轻量级的对称加密方法提出了在 22]。这里,小说小对称加密算法(NTSA)是用于传输大文件与增强安全物联网设备之一。在这种情况下,在每一轮的加密,一个额外的关键动态介绍了混乱。方法是健壮的和获得比现有的方法。快各种设备之间的数据共享是增加一天。但它创建了数据安全面临的挑战。在这方面,一个霍夫曼coding-based轻量级加密方法提出了数据传输的方案( 23]。在这里,赫利俄斯(霍夫曼compression-based加密方法使用轻量级动态顺序统计量的树)方法用于传输数字数据。首先压缩数字数据为“机密”或小型,这样攻击者不能解码。该方法快速、安全的数据传输的智能设备。另一个工作已经开发了基于排列( 24]。但是,该方法计算复杂度没有观察到。2019年,Patro和Acharya [ 25)提出了位基于一维混沌映射的图像加密。该方法可以应用于实时应用程序。但是,方法不为彩色图像而设计的。另一个图像加密方法( 26]提出了基于排列,扩散,混沌和超混沌的地图。为增加隐私和安全,一个新的加密/解密方法( 27)提出了通过集成多个混沌映射。生成一个新地图从这个组合多个混乱的地图,这是健壮的各种攻击。图像加密,选择最小值作为相关因素。最好的相关价值选择混沌映射用于图像加密和解密。该方法提供了令人满意的结果的鲁棒性与现有方法相比。此外,该方法是安全的,有较低的计算复杂度,并提供更好的信息熵。传统的图像加密算法确保高安全性,但它们复杂的计算和实时的应用程序在速度慢。为克服这些问题,一种新的图像加密算法与高速设计基于Bulban混乱的地图( 28]。这混乱的地图是由只使用有限数量的行和列。substitution-permutation系统旨在提高系统的安全。这个过程消除了相邻像素之间的相关性。为防止信息泄漏,像素值是被掩盖的。该系统是高度安全的实验结果和快速的实时应用程序。但该方法不适合实时应用程序的高分辨率图像。郑等人提出了一个基于multichaotic系统的图像加密方法和DNA编码( 29日]。在这里,等两个混沌映射N2D-LSCM(二维地图logistic-sine耦合)和NHenon(新Henon地图)的总和。生成的两个伪随机序列通过N2D-LSCM用于加扰序列和DNA编码矩阵,分别。他们提出的系统是高度安全的、健壮的常见的图像处理攻击。但该方法不适合彩色图像和运作效率。传统的混沌算法需要更多的成本。因此,在该计划( 30.),一个轻量级的图像加密算法设计了基于消息传递(MP)算法和混沌映射。该算法具有成本效益的时间和空间。相邻像素彼此相互联系的没有任何额外的空间成本的MP算法和加密图像。生成的伪随机序列二维(2 d)物流地图。边缘像素是受外部影响的信息从这些伪随机序列产生。实验结果确保方法是健壮的各种攻击,安全,节省成本,降低了加密图像的相邻像素之间的相关系数,并确保良好的信息熵值为7.996749。

一个安全的加密算法可以保护图像从未经授权的访问。存在各种各样的图像加密算法,如对称和非对称密钥加密。一个会话密钥的快速,安全,和轻量级的图像加密方法是由古普塔等设计。 31日]。由遗传算法生成会话密钥。系统安全是保证遗传算法的交叉和变异算子。该方法适用于灰度和彩色图像优于优于现有方法。但该方法不是为基于物联网的设备设计(物联网)。存在一个轻量级的图像加密算法在成本效益的变化(时间和内存空间)和安全。发展这些问题,一个安全的轻量级的图像加密算法是为智能城市和IoT-enabled设备设计( 32]。增强的安全性是通过增加块大小,钥匙,和轮的数量。该方法为IoT-based设备不能正常工作,消耗更多的电力和记忆。抵制KPA和微分攻击,高密钥和明文的敏感性是至关重要的。一种改进的算法是由林设计和吴 33]分析了现有的基于混沌映射的加密方法和抵制的注册会计师。在这里,明文图像依赖于图像加密。在这种情况下,一个增强CIES-UBPRPD(混乱的地图图像加密系统使用明文相关的排列和扩散)是为了得到更高的明文敏感性比原来CIES-UBPRPD方法。是安全的和健壮的方法,但它需要更多的时间来执行比原来CIES-UBPRPD方法。2020年,一个图像加密方法 34)提出了基于压缩传感和随机数插入。在这种情况下,三种加密方法需要确保系统的安全。方法需要更少的时间来加密图像与旋转强劲,噪音,和裁剪攻击。此外,重建图像的质量是好的。但是加密图像的像素值不是均匀分布的直方图分析,这可能会导致一个统计攻击。黄等。 35)提出了一个基于混沌系统的加密方法和二维线性正则变换(LCT)。该方法比以前健壮、安全的方法。但对彩色图像方法还没有实现。四维(4 d)混沌系统设计基于隐藏的混沌吸引子共存( 36]。该方法是安全的,硬件上实现。但关键敏感、相关性分析、直方图分析、关键的空间和时间复杂度没有观察到。你们et al。 37)提出了一个基于四元数的加密方法离散分数哈特莱变换和改进像素自适应扩散。传输负荷降低,和加密能力增加。但不是检测彩色图像的方法。2020年,一个图像加密方法 38]提出了基于排列、扩散和一维混沌映射。方法是健壮的反对KPA和注册会计师。方法评估各种性能的一维混沌映射加密图像。实验结果表明,一维混沌映射,如logistic-sine地图(LSM),肯特郡地图(公里),物流地图(LM),物流帐篷映射(LTM),帐篷映射(TM), tent-sine地图(TSM)和β地图(BM)确保更好的安全性和健壮的反对直方图攻击除了DM(二元地图)和苏丹人民解放运动(sinus-power物流地图)。Patro et al。 39)提出了一个基于cross-coupled多图像加密方法混乱的地图。但是系统没有检测彩色图像。2020年,另一个图像加密方法 40)提出了基于排列、扩散和PWLCM。但该方法不是对彩色图像模拟。Patro et al。 41)提出了一个安全、无损和noise-resistive基于混沌的图像加密方法,超混沌同步,DNA序列操作。反对KPA的方法是健壮的,注册会计师,微分方程,统计,和噪声攻击。此外,该方法比以前的方法更安全。但该方法不是为彩色图像而设计的。医学图像传输由公众通过互联网和访问。因此,医学图像的安全是非常重要的。为解决这个问题,一个医学图像加密方法( 42)提出了基于物流地图,DNA(脱氧核糖核酸)序列,IWT(整数小波变换)。方法可以确保更好的安全比现有的方法和蛮力攻击具有很好的鲁棒性。但系统不是为彩色图像而设计的。另一个医学图像安全系统提出了基于蔡的二极管和奇怪吸引子( 43]。这个系统上实现一个三层hardware-software-based接口。但该方法不使用任何混沌加密图像地图。它需要一个大的医学图像存储来存储。为解决这个问题,在2020年,Lakshmi et al。 44)提出了医学图像加密方法在云平台基于HNN (Hopfield神经网络)。该方法比现有的方法确保改进的安全性。同时,对CPA方法是健壮的。但是,传统的混沌映射中使用这种方法。2021年,一个有效的医学图像加密方法提出了基于IWT, DNA计算,和混乱 45]。方法是健壮的反对KPA和注册会计师。但是,它还没有实现彩色图像。

讨论的部分 2.1,我们可以得出结论 (我)

一些加密算法是缓慢的,而一些需要更多的时间来执行

我们是出于上述限制发展中一个优化的轻量级框架图像加密结合阿诺德和物流的地图。

阿诺德的混沌映射产生混沌映射数学旋转表面,发现了弗拉基米尔•阿诺德( 47]。这个表面(或环面)是由在3 d空间中旋转一圈。这混沌映射转换 ϒ : T 2 ⟶ T 2 ,在那里 T²环面。在矩阵表示法,这可以由以下方程: (1) ϒ x y = 2 1 1 1 x y 国防部 1 = 1 1 0 1 1 0 1 1 x y 国防部 1 , 在哪里 x和 y矩阵的行和列,分别。

混乱的逻辑映射是一个地图和一个二次多项式函数 48]。在这种情况下,非线性系统产生的混沌行为。在数学中,这张地图可以由非线性方程如下: (2) x n + 1 = r x n 1 − x n , 在哪里 x _n是现有人口和最大人口之间的比例和0 < x _n< 1。 r是参数的值在0和4之间。

起初,阿诺德映射应用于普通(或主机)的形象。然后,选择物流的参数映射。然后后,密码(或加密)图像生成。图像解密反向的方式执行。每个框架如图 1(一)。寻找最好的物流参数的流程图地图如图 1 (b)。首先,初始化参数,计算和评估函数。如果发生终止,那么该方法将停止。否则,发生突变,并生成一个循环条件计算估计函数。

图像加密和解密阶段的方法很简单。详细的算法对图像加密和解密算法所示 1和 2,分别。遗传算法寻找最优初始值用于物流地图,在算法步骤2所示 1。阿诺德的方法中,有一个参数,对于物流来说,有两个参数: l P 的初始值 r ,这是控制变量。AEncrypt和LEncrypt阿诺德和物流相关加密的过程,分别。LDecrypt和ADecrypt解密相关物流和阿诺德地图,分别。

输入:原始图像, 我

输入:加密的图像, 我 C 和关键, K

假设我们的形象是3×3有以下尺寸和图像的像素值。的像素值在图所示 2(一个)。我们加密的像素图的方法。描述总体步骤如下:

信息熵度量不确定性或随机性的加密系统。这是一个标准的加密算法的重要标准。通常,一个更高的信息熵值产生一个更好的加密算法。在我们的方法中,我们结合了阿诺德和逻辑混乱的地图。优化技术是用于混沌映射的最佳初始值。根据我们的方法,表 1提供了一些统计数据对不同组不同大小的图像。它包括图像类型,图像名称、图像尺寸、NPCR(数量的像素变化速率),UACI(统一的平均变化强度),PSNR(峰值信噪比),MSE(均方误差),加密图像的熵。从这个表中,我们的观察如下: (我)

图像大小增加时,最大NPCR UACI,找到和熵值,但PSNR值是最小的。这表明一个有效的图像加密技术。

一个完美的图像加密技术加密图像分为相等的频率。因此,攻击者只有一个小的信息加密的图像。图像直方图代表了图像的像素总数为每个色调值。几个通用原始和加密图像的直方图如图 4和 5,分别。从原始直方图,得到一个想法关于像素的频率。但有大致相等的像素分布加密图像。因此,攻击者无法得到任何信息加密图像的直方图。

相关识别图像的相邻像素之间的关系。的原始图像,相邻像素之间的关系。从数据 6(一)- 6(d),我们看到像素非常接近对方。这一标准定义了紧密相关的图片。但对于数据 7(一)- 7(d),不存在像素之间的关系。因此,与其说像素是彼此接近。相反,它们均匀分布到整个图像的地方。

表 2提供了不同组的图像相邻像素之间的相关系数。我们有测量相邻像素在水平之间的相关系数,垂直的,对角线,antidiagonal方向。加密图像的相关系数为每个图像三种不同大小的减少。因此,存在少的加密图像相邻像素之间的关系。因此,攻击者很难猜的邻域像素值加密图像。同时,更少的相关性表明,该方法是健壮的对统计攻击( 54]。这些标准表示一个有效的图像加密方法。

良好的图像加密系统是非常敏感的关键。一点点的改变输入关键加密系统的影响大。在图 8我们有加密图像的关键, K。检查图像的灵敏度,我们也和另外两个密钥加密的图像: K1, K2。生成的图像数据所示 8 (b)和 8 (c),分别。区别这两个图像如图 8 (d),这是接近黑色的形象意味着出现显著差异。另一方面,我们有加密的主持人的形象图 8(一个)由原密钥, K,如图 8 (e)。图的加密图像 8 (e)与另外两个密钥解密: K₁和 K₂看到的数据 8 (f)和 8 (g),分别。这些生成的两个图像加密的图像是完全不同的。这两个的区别如图生成图像 8 (h)。这张图片也是一个黑人形象意味着出现显著差异。因此,该方法是非常敏感的加密和解密密钥。因此,我们的建议是一个理想的图像加密方法。

因抵抗强力攻击,图像应足够大的密钥空间。但是,我们必须记住的速度。有一个速度和关键大小之间的关系。我们主要有两个关键:一个阿诺德的地图,另一个用于物流地图。阿诺德地图是随机选择的参数定义的域, µ,物流的参数映射选择从0 - 1。值是增加了0.1,然后一系列的逻辑映射映射通过一个用户定义的另一个领域 λ。这个领域是完全秘密,只有发送方知道。即使接收方不知道这个域。从物流的地图,我们产生物流系列m×m的大小。图像尺寸大小是一样的。所以,存在m×m×8位只对逻辑映射。因此,有两个^m×m×8方法只对逻辑映射,这是非常大的加密的视角。因此,它是不可能的攻击者很容易找到的关键。因此,我们的系统是健壮的蛮力攻击,表示一个有效的图像加密方法。

我们分析了计算复杂度的不同组的图像。图像大小增加时,在第二图像加密和解密次(s)一直在增加。但增长速度图像加密时间大于图像解密时间。选择最佳的初始值,我们必须运行一个优化算法。图像的加密和解密时间独立的类型。但这些时间依赖于图像大小。这个分析表 3。从这个表中,我们发现,存在一些区别加密和解密。需要时间找到最好的参数加密的混沌映射,这是依赖于图像。另一方面,混沌映射参数的值是已知的解密阶段。因此,它需要更多的时间比解密加密的图像。

相比,我们提出的方法与现有的轻量级的图像加密方法。我们提出的计算复杂性方法与现有的方法相比,在桌子上 4。我们已经看到,我们的方法需要更少的时间总共在第二(s)执行比现有的方法( 20., 30.]。方法( 14)是一个基于硬件的加密系统。所以,它是快。另一方面,加密的图像大小为256×256方法( 31日是还不到我们的方法,因为方法( 31日应用遗传算法的关键。但是我们已经使用这种优化算法在图像,哪个更适用。方法( 33)使用一个比我们更先进的个人电脑(PC),配置了英特尔酷睿i7, 3.2 GHz处理器和32 GB RAM。因此,它花费更少的时间来执行。统计参数表示系统的安全性,给出了表 5。我们已经看到NPCR UACI,熵值不满意之前的方法。因为使用普通的混沌映射加密图像的方法。相关系数的值加密图像相邻像素之间的表 6。从这个表中,我们可以使用阿诺德说,地图,我们相关的价值观得到低于大多数现有的方法除了方法( 20., 24]和[ 33因为方法( 20., 33)使用彩色图像中值更改变了。方法( 24)使用位排列和混沌映射的图像加密。因此,这些方法表现出更少的加密图像相邻像素之间的相关系数。

从上面的讨论,因此,我们可以说,我们建议的方法的总体性能不够好,因为更少的值需要转换的关键,这是轻量级密码系统的重要特性之一。