标志”年代rc=

多媒体的发展
PDF
多媒体的发展/2021年/文章

研究文章|开放获取

体积 2021年 |文章的ID 5527295 | https://doi.org/10.1155/2021/5527295

Jannatul Ferdush, Mahbuba女王,穆罕默德Shorif Uddin, ”混乱的轻量级密码系统的图像加密”,多媒体的发展, 卷。2021年, 文章的ID5527295, 16 页面, 2021年。 https://doi.org/10.1155/2021/5527295

混乱的轻量级密码系统的图像加密

Jannatul Ferdush,1 Mahbuba女王,2,3 和 穆罕默德Shorif Uddin3

1计算机科学与工程系,Jashore科技大学,7408年Jashore,孟加拉国

2计算机科学与工程系,Mawlana Bhashani科技大学,显示1902年,孟加拉国

3Jahangirnagar大学计算机科学与工程系1342达卡,孟加拉国

学术编辑器:帕特里克闭目
收到了 2021年2月18日
修改后的 2021年4月24日
接受 2021年5月11日
发表 2021年5月24日

文摘

在互联网上数据传输和个人网络已经一天天上升由于多媒体技术的进步。因此,今天的首要关注保护数据免受未经授权的访问和多媒体元素进行加密存储在web服务器和网络传输。因此,多媒体数据加密是至关重要的。但是,多媒体加密算法是复杂的实现,因为它需要更多的时间和内存空间。出于这个原因,轻量级的图像加密算法获得了声望,需要更少的内存和更少的时间以及低功率或能量和提供最高安全设备有限。在这项研究中,我们研究了chaotic-based轻量级的图像加密方法。首先,我们提出了一个标准框架和算法基于两个混沌映射阿诺德和后勤等轻量级图像加密和做一些实验。我们分析了不同组的图像如杂项、医疗、水下和纹理。7.9920实验提供了最大熵医学图像(x射线胸透),大的密钥空间2m×m×8,加密和解密时间平均3.9771和3.1447年代,分别。此外,我们发现一个平等分配像素和相邻的像素之间的相关系数加密图像。这些标准表示一个有效的图像加密方法。此外,我们的方法比现有最先进的高效和更少的复杂的方法。

1。介绍

数据非常敏感,它的安全是至关重要的对于今天的生活。数据分布的物理媒介和互联网已日益增加使数据安全成为一个有关的问题。数据安全应避免窃听和加密提供机密性的多媒体元素。存在几个图像加密算法(1- - - - - -3]。Rivest-Shamir-Adleman等传统的加密算法(RSA),高级加密标准(AES)和数据加密标准(DES)是复杂的实现。因此,轻量级的图像加密要求提供增强的安全性较低的计算复杂度。我们已经描述了这项工作的背景和贡献在接下来的部分。

1.1。背景

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.

1.2。贡献

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(2)设计一个高度敏感的加密和解密图像的关键(3)比较我们的方法从不同的角度与现有最先进的方法

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。

2。文献综述和问题陈述

本节描述轻量级图像加密的相关文献和解决一些问题,必须改善。

2.1。文学研究

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。

2.2。问题陈述

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(2)一些算法不适合物联网设备和实时应用程序(3)一些不太强劲对明文和微分的攻击(iv)此外,一些算法受限于图像类型和复杂的计算(v)另外,大多数现有的轻量级的图像加密算法明文敏感性较低,不能正常工作与高分辨率图像

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。

3所示。理论背景

混乱的地图是一个进化函数显示混乱的行为的连续时间和离散时间参数(46]。存在一些混乱的地图如阿诺猫地图,盆地混乱的地图,地图,陈力系统,复杂的立体地图,指数映射,高斯地图,Henon地图,地图和后勤。这些地图是用于动态系统。本节关注我们使用两个混沌映射的理论背景。

3.1。阿诺德的混沌映射

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 ,在哪里T2环面。在矩阵表示法,这可以由以下方程: 在哪里x和y矩阵的行和列,分别。

3.2。逻辑混乱的地图

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: 在哪里xn是现有人口和最大人口之间的比例和0 <xn< 1。r是参数的值在0和4之间。

4所示。研究方法

本节讨论拟议的框架和图像加密和解密算法的详细步骤。

4.1。提出了框架

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。

(一)”name=
(一)
(b)”name=
(b)
图1
(一)提出了图像加密和解密框架。(b)优化框架,为物流地图找到最好的参数。
4.2。图像加密和解密的详细步骤

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: ,初始值,是哪一个 ,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,
输出:加密的图像, ,和关键,
步骤1:选择阿诺德参数:用户生成一个随机值 阿诺德加密。
步骤2:选择 作为逻辑映射的随机值
选择最佳参数(初始值)的逻辑映射,这是
为
如果
其他的
结束
结束
步骤3:
算法1
该图像加密算法的伪代码。
输入:加密的图像, 和关键,
输出:原始图像,
第一步:提取 作为
步骤2:解密逻辑图:
步骤3:解密阿诺德地图:
算法2
该图像加密算法的伪代码。

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:

(一)”name=
(一)
(b)”name=
(b)
图2
样品图片。(一)原始像素。(b)加密的像素。
4.2.1。准备选择阿诺德参数

这一步是完全独立的图像类型和大小。在这个步骤中,用户生成一个阿诺德参数( )洗牌的形象。我们所选的值 是10。

4.2.2。选择最佳参数逻辑地图

在这一步中,使用优化算法找到最佳物流地图初始值。初始值的范围在0和1之间。根据这个初始值,生成混沌序列。混乱的地图,存在两个值:一个初始值, ,和另一个混乱的控制变量, 。首先,用户随机选择r的范围(0 - 4)。那么,最好的 是选择的遗传算法。为0.1,我们得到的熵为图3.16992,这是最好的熵。

4.2.3。得到熵和系数值

然后,我们有加密图的像素2(一个)由阿诺德参数10和水平系数0.3298。之后,物流参数0.1是用于加密图像,生成和加密后的像素值。这是显示在图2 (b)。在这种情况下,熵的值和水平系数是3.1699−0.1558,分别。

因此,通过结合阿诺德与物流图,图像信息熵不增加。但这种组合减少相邻像素之间的相关系数,这是一个理想的图像加密系统的重要参数。因此,我们可以选择信息熵的最佳参数。

5。实验结果

MATLAB R2016实验已经完成,一个环境的计算机核心i7, 2.90 GHz处理器和16 GB的RAM。我们使用四组图像进行实验。图像组杂、医疗、水下和纹理图像。杂项(莉娜和狒狒)图像是来自USC-SIPI(南加州大学California-Signal和图像处理研究所)图像数据库(49]。胸透和心电图信号属于医学图像从胸部x光图像(肺炎)数据库(50心跳)和心电图分类数据集(51),分别。Underwater-like鱼类和海洋动物图像从鱼类的图像数据集(52)和微咸数据集(53),分别。此外,纹理(草和草)图像是来自USC-SIPI图像数据库(49]。

我们选择从每组两张图片。每个图像分为三个不同大小如128×128,256×256、512×512像素。我们应用阿诺德,物流,阿诺+物流,和(阿诺德+一半物流)映射到我们的主持人形象“莉娜”大小为512×512,如图所示3。在这里,对于每一个地图,原始图像大小为79 kB。我们已经看到阿诺德的加密图像大小的地图,这是253 kB,低于其他混乱的地图。加密和解密时报在第二个(年代)增加的所有方法除了逻辑映射和阿诺德+物流一半,一半是0.8147秒和0.8638秒和4.6695和4.5395年代,分别。因此,我们可以说,物流地图需要更少的时间来加密和解密宿主图像比其他混乱的地图。


图3
莉娜图像512×512。(一)阿诺。(b)物流。阿诺德(c) +物流。(d)一半阿诺德+物流的一半。

然而,本节讨论各种分析,如熵分析、直方图分析、相关性分析、关键的灵敏度分析,密钥空间分析和计算复杂度分析。在本节中,我们提出的方法与现有的轻量级的图像加密方法。我们已经将我们的结果与现有最先进的复杂度分析方法,统计分析,相关系数的分析,加密图像。

5.1。熵分析

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。(2)一般(杂)图像获得最小熵比其他图像
图像类型 图片的名字 大小 NPCR UACI PSNR值 均方误差 熵
杂项 丽娜 128×128 0.9953 0.2651 9.8189 6.7793×103 7.9642
256×256 0.9937 0.2075 11.8325 4.2642×103 7.4077
512×512 0.9954 0.2651 9.808 6.73964×103 7.9762
狒狒 128×128 0.9954 0.241 10.6388 5.6131×100 7.9375
256×256 0.9949 0.2377 10.747 5.4750×103 7.9434
512×512 0.9949 0.2389 10.7089 5.5232×103 7.9472
医学图像 胸部x光片 128×128 0.9967 0.3419 7.5785 1.1356×104 7.9851
256×256 0.9959 0.3435 7.5195 1.1511×104 7.9920
512×512 0.9962 0.3442 7.4964 1.1573×104 7.4964
心电图信号 128×128 0.9966 0.353 7.377 1.1896×104 7.9370
256×256 0.9957 0.3516 7.3883 1.1864×104 7.9438
512×512 0.9957 0.3533 7.3498 1.1970×104 7.9480
水下图像 鱼类 128×128 0.9965 0.3379 7.7698 1.0867×104 7.9753
256×256 0.9962 0.3371 7.7796 1.0842×104 7.9852
512×512 0.9963 0.3393 7.7255 1.0978×104 7.9882
海洋动物 128×128 0.9899 0.1587 14.1337 2.5102×103 6.9153
256×256 0.9957 0.2786 9.416 7.4385×103 7.9692
512×512 0.9961 0.2789 9.4126 7.4443×103 7.9725
纹理 稻草 128×128 0.9953 0.2555 10.2246 6.1748×103 7.9426
256×256 0.9961 0.2651 9.8573 6.7197×103 7.9628
512×512 0.9956 0.2741 9.5634 7.1903×103 7.9739
草 128×128 0.9952 0.2433 10.5522 5.7262×103 7.9419
256×256 0.994 0.2065 0.994 4.3034×103 7.5377
512×512 0.9958 0.2789 9.3568 7.5405×103 7.9827
表1
统计分析对不同组的图像。
5.2。柱状图分析

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。

(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
图4
(一)——(d)原始图像的直方图(lena,狒狒,胡椒粉,和船)。
(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
图5
(一)——(d)加密图像的直方图(lena,狒狒,胡椒粉,和船)。
5.3。相关分析

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。

(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
图6
(一)——(d)原始图像相关性对莉娜的形象512×512(水平、垂直、对角线和antidiagonal)。
(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
图7
(一)——(d)加密图像相关性对莉娜图像512×512(水平、垂直、对角线和antidiagonal)。

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。
图像类型 图片的名字 大小 原始图像 加密的图像
水平 垂直 对角 Antidiagonal 水平 垂直 对角 Antidiagonal
杂项 丽娜 128×128 0.9028 0.9563 0.8642 0.8995 0.011 0.01 −0.0082 0.0021
256×256 0.9754 0.9894 0.961 0.9717 −0.0414 −0.0342 0.1083 −0.1502
512×512 0.9936 0.9972 0.9895 0.9923 −0.00011 0.0024 −0.0012 3.4004×10−4
狒狒 128×128 0.8701 0.87 0.8086 0.8115 0.0087 0.0052 0.0031 −0.0127
256×256 0.9685 0.9684 0.9413 0.9421 −0.00021 0.0022 0.0033 −0.00091
512×512 0.9915 0.9914 0.9832 0.9834 0.0037 −0.0024 −0.001 4.6074×10−4
医学图像 胸部x光片 128×128 0.9531 0.9513 0.914 0.9123 0.0066 −0.002 0.0017 −0.0066
256×256 0.9676 0.9664 0.9436 0.9399 −0.0014 −0.0102 0.0082 0.006
512×512 0.9831 0.9806 0.9685 0.9658 0.9831 0.0206 −0.00052685 −0.00053
心电图信号 128×128 0.7767 0.6625 0.4893 0.4769 −0.00066 −0.0583 −0.0134 0.0044
256×256 0.8574 0.8104 0.6931 0.6786 0.0043 −0.059 −0.0052 −0.00032
512×512 0.9222 0.905 0.8457 0.8362 −0.00022 −0.0566 −0.0044 0.0017
水下图像 鱼类 128×128 0.8778 0.8692 0.7507 0.8476 −0.0055 −0.0384 9.0022×10−4 −0.0105
256×256 0.9248 0.9169 0.8452 0.9022 0.0041 0.0533 −0.00042386 −0.0073
512×512 0.9497 0.9441 0.8991 0.9368 −0.0029 −0.0511 9.0768×10−4 −0.0036
海洋动物 128×128 0.9951 0.9942 0.9907 0.9907 0.0055 −0.6072 0.0108 −0.2341
256×256 0.9977 0.9951 0.9936 0.993 0.0017 −0.0171 −0.0019 −0.00027
512×512 0.9991 0.9939 0.9933 0.993 −0.002 −0.0025 −0.0017 −0.00097
纹理 稻草 128×128 0.5001 0.5864 0.1169 0.585 −0.0035 −0.0194 0.01 −0.0021
256×256 0.6157 0.5758 0.1672 0.6859 0.0019 −0.0169 0.0029 0.0011
512×512 0.7559 0.7444 0.4281 0.8003 2.5022×10−3 −0.0127 −0.00013054 6.3029×10−4
草 128×128 0.4404 0.4977 0.2373 0.3166 −0.013 0.0109 −0.0139 0.0082
256×256 0.5833 0.6409 0.3682 0.4481 −0.021 0.0102 0.03 −0.021
512×512 0.7333 0.7996 0.5821 0.6407 −0.0019 7.2259×10−4 −0.0021 −0.0015
表2
不同组的图像相邻像素之间的相关系数。
5.4。关键的灵敏度分析

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。

(一)”name=
(一)
(b)”name=
(b)
(c)”name=
(c)
(d)”name=
(d)
(e)”name=
(e)
(f)”name=
(f)
(g)”name=
(g)
(h)”name=
(h)
图8
(一)原始图像。(b)与关键加密图像K 1。(c)与关键加密图像K 2。(d)的差异(b)和(c)图像。(e)与原始密钥加密的图像K。(f)解密图像与关键K 1。(g)解密图像与关键K 2。(h)的差异(f)和(g)图像。
5.5。密钥空间分析

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。

5.6。计算复杂度分析

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。
图像类型 图片的名字 大小 加密时间(年代) 解密时间(年代) 总时间(s)
杂项 丽娜 128×128 0.6296 0.445 1.0747
256×256 2.227 1.7223 3.9492
512×512 9.5097 7.4552 16.9648
狒狒 128×128 0.626 0.4399 1.0659
256×256 2.2441 1.7865 4.0306
512×512 8.8939 7.0877 15.9817
医学图像 胸部x光片 128×128 0.6316 0.4436 1.0753
256×256 2.2314 1.8311 4.0625
512×512 8.9985 7.1753 16.1737
心电图信号 128×128 0.6422 0.469 1.1112
256×256 2.2348 1.7248 3.9597
512×512 9.031 7.2521 16.2831
水下图像 鱼类 128×128 0.6263 0.4486 1.0749
256×256 2.2499 1.745 3.995
512×512 8.9202 7.1831 16.1033
海洋动物 128×128 0.8724 0.5213 1.3938
256×256 2.2589 1.7382 3.9971
512×512 9.0816 7.1498 16.2314
纹理 稻草 128×128 0.6327 0.4605 1.0931
256×256 2.2493 1.7534 4.0026
512×512 8.910 7.2109 16.1208
草 128×128 0.6540 0.4690 1.123
256×256 2.2462 1.7445 3.9907
512×512 8.8482 7.2158 16.064
表3
分析了计算复杂度的时间不同的图像。
5.7。与现有的方法进行比较

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。
参数 Janakiraman et al。14),128×128 Bisht et al。20.),区域颜色170×170 提出了方法,丽娜256×256 Yousif et al。27),丽娜512×512 刘等人。30.),丽娜512×512 古普塔et al。31日),丽娜256×256 林和吴33),丽娜512×512 提出了方法,丽娜512×512
加密时间(年代) - - - - - - 34.4626 2.227 - - - - - - 109.887853 0.0114 3.7944 9.5097
解密时间(年代) - - - - - - - - - - - - 1.7223 - - - - - - - - - - - - - - - - - - - - - - - - 7.4552
总时间(s) 0.17815 - - - - - - 3.9492 5.39 - - - - - - - - - - - - - - - - - - 16.9648
表4
计算复杂度的比较(s)。
参数 Zhang et al。13] Patro et al。18] Raza和Satpute19] Bisht et al。20.] Patro et al。24] Yousif et al。27] Talhaoui et al。28] 郑et al。29日] 刘等人。30.] 古普塔et al。31日] 在床上和Boyaci32] 林和吴33] 该方法
NPCR (%) - - - - - - 99.6121 99.6227 99.7024 99.6091 One hundred. 99.6162 0.99596 0.996097 0.9958 - - - - - - 99.6096 0.9954
UACI (%) - - - - - - 33.4711 33.5196 27.9796 33.4914 33.48 33.4675 0.33459 0.334557 0.2848 - - - - - - 33.4673 0.2651
熵 7.990 7.9969 7.9974 7.9939 7.9991 7.71 7.902741 7.99923 7.568285 7.9971 7.9976 - - - - - - 7.9762
PSNR值 - - - - - - - - - - - - - - - - - - 8.96 - - - - - - 8.33 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 9.808
表5
比较的统计参数。
方向 Zhang et al。13] Patro et al。18] Raza和Satpute19] Bisht et al。20.] Patro et al。24] Talhaouiet艾尔。28] 郑et al。29日] 刘等人。30.] 古普塔et al。31日] 林和吴33] 该方法
加密的图像 水平 0.0082 0.0024 0.000561 −0.0012 0.0064 0.0039 0.6578 0.0020 0.0065 −0.0036 −0.00011
垂直 0.0032 0.0029 0.000578 −0.0170 0.0004 0.0059 0.7301 0.0035 0.0058 −0.0008 0.0024
对角 0.0150 −0.0039 0.001547 0.0148 −0.0095 −0.0050 0.6387 0.0027 - - - - - - −0.0017 −0.0012
表6
加密图像的相关系数的比较。

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。

6。结论和未来的工作

多媒体加密算法通常需要更多的时间和内存空间。出于这个原因,轻量级的图像加密算法获得广泛接受,因为它需要更少的内存和更少的时间以及高安全。与这种观点,在这里,我们提出了一个优化的框架结合两个混沌加密方法如阿诺和物流的地图。我们已经进行了实验分析,取得了令人满意的结果。我们的建议是非常敏感的秘密密钥。攻击者没有得到任何的信息加密的图像。同时,该方法是健壮的蛮力攻击,需要更少的时间比现有的方法执行。它还需要更少的价值转换的关键,确保一个有效的轻量级的图像加密方法。除此之外,该方法提供了加密图像的相邻像素之间的相关系数比其他方法,表示一个有效的图像加密系统。但统计参数值小于现有方法由于使用普通混乱的地图。 The more the values of statistical parameters are, the more the system will be secured. Arnold’s chaotic map has a disadvantage like a periodicity. Besides, the logistic chaotic map has the characteristic of simplicity but not ergodicity, as well as it has a short chaotic range of 3.57–4.0. In the future, we will try to increase the values of statistical parameters by combining improved Arnold chaotic map and logistic-sine map or logistic-tent map or tent-sine map or piece-wise linear chaotic map for increasing the security level of the system. By observing histogram images, it is found that the grayscale pixel values are not properly uniformed. So, there may be a chance of a statistical attack. Subsequently, we will analyze our proposal for different attacks such as statistical, noise, and occlusion attacks to test the robustness. We will perform histogram variance analysis and chi-square test analysis to measure the grayscale uniformity quantitatively. For this, we will compare our proposal for robustness with existing state-of-the-art methods to prove our method a better one. After that, we will analyze the time complexity of our proposal step-by-step. Also, the proposed method can be implemented for color images in the future.

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

所有作者贡献了同样写这手稿。

确认

作者感谢政府的信息和通信技术部门孟加拉人民共和国的博士奖学金Mahbuba弄污。

引用

  1. 卡马利s h .也展示,r . Shakerian m . Hedayati和m .,压力”的新修改版高级加密标准算法用于图像加密为基础,”《电子与信息工程国际会议《京都议定书》,页141 - 145年,日本,2010年8月。视图:谷歌学术搜索
  2. 通用b s Kumar和诉Chandrasekaran”一种新颖的图像加密方案使用洛伦茨吸引子,”工业电子学报》第四届IEEE会议和应用程序西安,页3662 - 3666年,中国,2009年5月。视图:谷歌学术搜索
  3. y周、k·帕内塔和s . Agaian“图像加密使用二进制主要图片,”《IEEEInternational会议系统,人与控制论,页4569 - 4574,凯悦酒店河边漫步,圣安东尼奥,TX,美国,2009年10月。视图:谷歌学术搜索
  4. k . Nahrstedt j . Dittmann, p . Wohlmacher“多媒体和安全,方法”《IEEE国际会议多媒体和世博会。程序。最新进展的快速变化的世界多媒体(猫。00 th8532),页1275 - 1278,纽约,纽约,美国,2000年8月。视图:谷歌学术搜索
  5. a .马苏迪f . Lefebvre c . DeVleeschouwer b . Macq和j·j . Quisquater”概述选择性encryptionof图像和视频:挑战和观点,“EURASIP在信息安全》杂志上文章ID 179290卷,2008年,2008年。视图:出版商的网站|谷歌学术搜索
  6. 第一章,数字图像表示,2021,https://pippin.gimp.org/image_processing/chap_dir.html/。
  7. m . s .铺地板,s A·乔杜里m . Heydari s . m . s . Sadough s Kumari和m . k .汗,“一个轻量级的匿名身份验证方案消费者漫游在无处不在的网络可证明的安全,”国际通信系统杂志》上,30卷,不。4、2017。视图:出版商的网站|谷歌学术搜索
  8. g . Hu d·肖t, s .呗,和y,“基于压缩传感的隐私保护的图像存储和身份验证服务外包云,“信息科学卷,387年,第145 - 132页,2017年。视图:出版商的网站|谷歌学术搜索
  9. b·古普塔,d . p . Agrawal山口,手册的现代计算机和网络安全加密解决方案的探讨,IGI全球,宾夕法尼亚州,美国,2016年。
  10. p . Carrillo h . Kalva, s . Magliveras“压缩独立可逆加密的隐私视频监控,“Eurasip在信息安全》杂志上文章ID 429581卷,2009年,2010年。视图:出版商的网站|谷歌学术搜索
  11. y张和d·肖,”一个图像加密方案基于旋转矩阵位排列和阻止扩散,”非线性科学与数值模拟通信,19卷,不。1,第82 - 74页,2014。视图:出版商的网站|谷歌学术搜索
  12. 王x和H.-L。张“彩色图像加密与异构bit-permutation和相关的混乱,“光学通信卷。342年,51-60,2015页。视图:出版商的网站|谷歌学术搜索
  13. x张、f·汉和y妞妞,“混沌图像加密算法基于一些排列和动态DNA编码,“计算智能和神经科学卷,2017年,页6919675 - 2017。视图:出版商的网站|谷歌学术搜索
  14. s . Janakiraman k . Thenmozhi j .比比Rayappan和r . Amirtharajan“轻量级实时嵌入式系统的混沌图像加密算法:32位单片机,实现和分析”微处理器和微系统公司,卷。56岁的1 - 12,2018页。视图:出版商的网站|谷歌学术搜索
  15. 问:郑、王x m . Khurram汗w·张,比比古普塔和w·郭”一个轻量级的认证加密方案基于混沌SCML铁路云服务,“IEEE访问》第六卷,第722 - 711页,2018年。视图:出版商的网站|谷歌学术搜索
  16. x张工程学系。Seo, c .王”一个轻量级加密的隐私保护方法监控视频,”IEEE访问》第六卷,第18087 - 18074页,2018年。视图:出版商的网站|谷歌学术搜索
  17. m .珊和p r”,曲膝——一个轻量级的图像加密移动云存储的数据隐私,”国际工程与技术杂志》上,7卷,不。4、368 - 372年,2018页。视图:出版商的网站|谷歌学术搜索
  18. Banerjee k . A . k . Patro A, b . Acharya”一个简单的、安全的和时间有效的多路旋转排列和基于扩散的图像加密通过使用多个一维混沌映射,”聪明的下一代计算技术和创新的趋势。NGCT 2017卷,828年,页396 - 418,通信计算机和信息科学,施普林格,柏林,德国,2018年。视图:谷歌学术搜索
  19. s . f . Raza诉Satpute,“小说permutation-based图像加密算法,”非线性动力学,卷95,不。2、859 - 873年,2019页。视图:出版商的网站|谷歌学术搜索
  20. A . Bisht m . Dua s Dua, p . Jaroli”基于位排列的彩色图像加密技术和候补logisticmaps,”《智能系统卷,342年,页1 - 15,2019。视图:谷歌学术搜索
  21. 刘x、d·肖和y,“量子图像加密使用内部基于逻辑映射和国米位排列,“IEEE访问7卷,第6946 - 6937页,2019年。视图:出版商的网站|谷歌学术搜索
  22. s . Rajesh诉保罗、诉梅农和m . Khosravi“一个安全的和有效的轻量级对称加密方案嵌入式物联网设备之间传输的文本文件,”对称,11卷,不。2,p。293年,2019年。视图:出版商的网站|谷歌学术搜索
  23. m .伊斯兰教,n . Nurain m . Kaykobad Chellappan, a和b m·a·a·伊斯兰教,“赫利俄斯:霍夫曼编码基于轻量级加密数据传输方案,”16 EAI学报》国际会议上移动和无处不在的系统:计算、网络和服务(MobiQuitous), ACM,页70 - 79,休斯顿,德克萨斯州,美国,2019年11月。视图:谷歌学术搜索
  24. k . A . k . Patro b . Acharya诉纳,“一个安全的多级一轮基于位平面排列操作混沌图像加密,“微系统技术,25卷,不。6,2331 - 2338年,2019页。视图:出版商的网站|谷歌学术搜索
  25. k . k . Patro和b . Acharya”,一个简单的、安全的、和时间位平面操作位图像加密方案使用一维混沌映射”创新在软计算和信息技术,j .将r·辛格和诉Bhattacherjee, Eds。施普林格,页261 - 278年,柏林,德国,2019年。视图:出版商的网站|谷歌学术搜索
  26. k . a . k . Patro b . Acharya诉纳,“安全的基于多级permutation-diffusion使用混沌图像加密和hyper-chaotic地图,”微系统技术,25卷,不。12日,第4607 - 4593页,2019年。视图:出版商的网站|谷歌学术搜索
  27. b . Yousif f·哈利法、A . Makram和A . Takieldeen”一种新的图像加密/解密方案基于集成多个混乱的地图,“每年的进步ID 075220条,卷。10日,2020年。视图:出版商的网站|谷歌学术搜索
  28. m z Talhaoui、王x和m . a . Midoun“快高安全级别的图像加密算法使用bulban混乱的地图,“实时图像处理》杂志上18卷,第98 - 85页,2020年。视图:出版商的网站|谷歌学术搜索
  29. 罗j .郑z z唐,“一个图像加密算法基于multichaotic系统和DNA编码,“离散动力学性质和社会卷,2020篇文章ID 5982743, 16页,2020年。视图:出版商的网站|谷歌学术搜索
  30. b . h . Liu赵,j .邹l·黄和y . Liu”一个轻量级的图像加密算法基于消息传递和混乱的地图,“安全性和通信网络卷,2020篇文章ID 7151836, 12页,2020。视图:出版商的网站|谷歌学术搜索
  31. m·古普塔k·k·古普塔,p . k . Shukla”会话密钥建立快速、安全且轻量级的图像加密算法,”多媒体工具和应用程序卷,80年,第10416 - 10391页,2020年。视图:出版商的网站|谷歌学术搜索
  32. A . m . Abed和A . Boyaci”一个轻量级密码算法安全智能城市和物联网,”Electrica,20卷,不。2、168 - 176年,2020页。视图:出版商的网站|谷歌学术搜索
  33. 彭译葶。林和J.-L。吴”,密码分析和改善混乱的地图图像加密系统使用明文相关排列和扩散,”熵,22卷,不。5,589年,页2020。视图:出版商的网站|谷歌学术搜索
  34. g ., c·潘董y, y Shi,黄和x”图像加密和基于压缩传感的隐藏算法和随机数据插入,“信号处理文章ID 107563卷,172年,2020年。视图:出版商的网站|谷歌学术搜索
  35. Z.-J。程,L.-H黄。锣,N.-R。周”,非线性光学多映像与二维线性正则变换加密方案,“《材料化学文章ID 105821卷,124年,2020年。视图:谷歌学术搜索
  36. l .龚r . Wu, n .周”一个新的四维混沌系统共存隐藏的混沌吸引子,“国际期刊的分歧和混乱,30卷,不。10篇文章ID 2050142, 2020。视图:出版商的网站|谷歌学术搜索
  37. H.-S。你们N.-R。周,L.-H。锣”,多映像compression-encryption方案基于四元数的离散分数哈特莱变换和改进像素自适应扩散,”信号处理文章ID 107652卷,175年,2020年。视图:出版商的网站|谷歌学术搜索
  38. d . Sravanthi k . a . k . Patro b . Acharya和m . Prasanth Jagapathi先生,”简单的排列和扩散操作使用各种一维混沌映射:基于图像加密安全比较分析,“网络和系统的课堂讲稿施普林格,卷。94年,柏林,德国,2020年。视图:出版商的网站|谷歌学术搜索
  39. k . a . k . Patro a .索尼p . k . Netam和b . Acharya”多个灰度图像加密使用cross-coupled混乱的地图。”《信息安全与应用程序52卷,ID 102470条,2020年。视图:出版商的网站|谷歌学术搜索
  40. k . A . k . Patro和b . Acharya“小说多维多图像加密技术,”多媒体工具和应用程序,卷79,不。月19日至20日,第12994 - 12959页,2020年。视图:出版商的网站|谷歌学术搜索
  41. k . a . k . Patro b . Acharya诉纳,“安全、无损、noise-resistive使用混沌图像加密,hyper-chaos,和DNA序列操作,“IETE技术评审,37卷,不。3、223 - 245年,2020页。视图:出版商的网站|谷歌学术搜索
  42. 美国Aashiq Banu和r . Amirtharajan”,一个健壮的医学图像加密的双重领域:chaos-DNA-IWT相结合的方法,”医学和生物工程和计算机58卷,第1458 - 1445页,2020年。视图:谷歌学术搜索
  43. s . Rajagopalan s Poori m .纳史木汗et al .,”蔡的二极管和奇怪吸引子:一个三层硬件软件有限公司为医学图像设计应承担的保密,”专业图像处理,14卷,不。7,1354 - 1365年,2020页。视图:出版商的网站|谷歌学术搜索
  44. c·拉克希米·k . Thenmozhi j .比比Rayappan s Rajagopalan r . Amirtharajan和n .奇丹巴拉姆”神经image-dependent医学图像云存储加密方案,“神经计算和应用,2020年。视图:出版商的网站|谷歌学术搜索
  45. d . Ravichandran a Banu年代,b . k .没吃Balasubramanian诉,S . Fathima r . Amirtharajan,“一个有效的医学图像加密使用混合DNA计算在变换域和混乱,”医学和生物工程和计算卷,59号3、589 - 605年,2021页。视图:出版商的网站|谷歌学术搜索
  46. “混沌映射列表”,2021年,https://en.wikipedia.org/wiki/List_of_chaotic_maps。视图:谷歌学术搜索
  47. “阿诺德的猫地图”,2021年,https://en.wikipedia.org/wiki/Arnold 's_cat_map。视图:谷歌学术搜索
  48. “物流地图”,2021年,https://en.wikipedia.org/wiki/Logistic_map。视图:谷歌学术搜索
  49. “USC-SIPI图像数据库”,2021年,http://sipi.usc.edu/database/。视图:谷歌学术搜索
  50. “胸部x光图像(肺炎)”,2021年,https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia/。视图:谷歌学术搜索
  51. 2021年,“心电图心跳分类数据集https://www.kaggle.com/shayanfazeli/heartbeat/。视图:谷歌学术搜索
  52. “鱼类图像数据,2021年,https://www.kaggle.com/sripaadsrinivasan/fish-species-image-data/。视图:谷歌学术搜索
  53. “难吃的数据集,”2021年,https://www.kaggle.com/aalborguniversity/brackish-dataset/。视图:谷歌学术搜索
  54. X.-J。通,m . Zhang y, z . Wang h . Xu和j·马,“快速加密算法的彩色图像基于四维混沌系统,”杂志的视觉传达和图像表示33卷,第234 - 219页,2015年。视图:出版商的网站|谷歌学术搜索

版权©2021 Jannatul Ferdush等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。

更多相关文章

PDF 下载引用 引用
下载其他格式更多的
ePub
XML
订单打印副本订单
的观点1056年
下载702年
引用

相关文章

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。