基于基因超混沌同步的数字图像加密算法的设计

文摘

针对目前混沌图像加密算法基于匆忙(扩散是容易选择明文攻击(密文)的过程中像素位置爬),我们提出了一个基于遗传超混沌系统的图像加密算法。算法,通过引入反馈,爬的过程中,使加扰效应与最初的混沌序列和明文本身;它实现了图像特征和加密算法的有机融合。通过扩散加密明文的过程中引入反馈机制,它提高了明文的敏感性,算法选择明文和密文攻击抵抗。与此同时,它还充分利用图像信息的特点。最后,实验仿真和理论分析表明,我们的算法不仅可以有效地抵抗明文(密文)攻击,统计攻击,和信息熵攻击,也有效地提高图像加密的效率,这是一个相对安全、有效的方法的图像通信。

1。介绍

与互联网技术和信息技术的快速发展,数字通信越来越广泛:人们可以在互联网上发布各类信息随时随地。数字图像是最直观、视觉和丰富的信息载体,由于其方便、速度、缺乏地理限制,成本低、效率高、等等;它已被广泛应用,已成为一个主要的信息网络时代的表达式。然而,人们喜欢各种各样的便利带来的数字图像安全问题也面临一些困难,如个人隐私保护、商业和军事信息保护、非法复制和传播和电子产品。因此,如何保护数字图像在传输过程中已成为业界关注的焦点。

为了保护安全的图像包含的数据和信息,我们使用的原始图像加密解决安全隐患,因此,图像加密研究已成为一个热门研究主题领域的图像分析和处理。一般来说,传统的图像加密技术主要有图像加密空间域,变换域的图像加密、基于神经网络的图像加密和基于混沌图像加密。空间域图像加密主要有以下两个方面:一个是匆忙通过改变每个图像的像素的位置关系1]。另一种方法是使用特定的加密规则改变原始图像的像素值,使信息熵接近最大值,即信息熵加密(2]。置乱加密方案主要用于数字图像预处理和后处理阶段的安全过程,从而进一步保证包含在图像信息的安全;它可以用来作为一种特殊的数字图像加密方法,但它是容易被攻击只是通过置乱加密统计分析;它不能解决原始图像中包含的信息安全问题。图像替换和扩散这两个改变原始图像的相关性,使得信息熵的变化。和图像相邻像素之间的扩散是基于图像相关变换根据一定的规则,但它可能会导致一些图像信息损失。变换域图像加密主要是通过某种形式的正交变换图像;然后,它是加密编码处理。像基于树结构的图像加密3)和基于扫描的图像加密语言(4),这些图像加密方案涉及的问题如何生成伪随机序列;现在的问题没有很好的解决方案。利用神经网络的并行分布式处理,高度非线性联想记忆(5),和其他特点,加密图像信息,我们称之为人工神经网络图像加密。但神经元的神经网络需要大量数据加密,因为它不能被自适应生成神经网络,然后增加加密的复杂性,降低了加密效率。为了解决这个问题,相关研究学者提出了利用混沌理论对数字图像加密,因为混沌理论(6)是对初始条件和系统参数非常敏感,随机性的轨迹,伪随机数和遍历性,和其他特殊复杂的动力学特性,使它非常适合数字图像加密,形成一种混沌图像加密算法。例如,Fridrich 1998年首次引入混沌理论作为数字图像加密,提出二维贝克地图图像加密(7)置乱操作,然后将它扩展到三维。由于3 d,贝克地图图像加密效率很低,所以陈贝克等人提出的3 d地图(8]快速图像加密算法,加密的安全性和效率在一定程度上改善。在[9),一个标准的地图图像加密算法;然后王等人巴普蒂斯塔算法的基础上提出一种改进的快速图像加密算法(10]。与此同时,文档(11- - - - - -17)也分别提出了利用逻辑映射,帐篷,洛伦兹系统,和单向耦合映射格子,如各种混沌映射的数字图像加密算法。虽然这些混沌图像加密算法在一定程度上提高了安全性能,但由于图像的复杂程度不同,导致他们无法解决加密效率的问题,它往往不能解决的问题在一定程度上的安全威胁。

但遗传算法(GA) (18,19)可以解决这一问题提供了一种可行的技术方法。遗传算法在美国密歇根大学的荷兰(18)在1960年代,然后在80年代末戈德堡(19]总结前人的基础上研究,最终形成了遗传算法的基本理论框架。遗传算法是一种新的全局优化搜索算法,因为它有群体搜索技术的特点;它可以表示一组解决方案使用人口,然后通过操作的选择、交叉和变异的物种,等最后被新一代的人口,因此,逐渐使种群进化到最优解或最优解附近发展,人口的最佳状态。因为优化约束少,目标函数和约束条件要求很低,实际操作简单、实用,适合于优化。与此同时,其搜索在整个解空间,也最有可能寻找一个最优解或近似最优解;因为它有这样的优点,被广泛应用于航空系统(20.),机器学习(21),模式识别(22),等等。

为此,在本文中,我们提出一种新的图像加密算法,它使用遗传算法优化特性和伪随机数和混沌的遍历性理论来解决图像加密的安全威胁和低效率等特性。首先,它通过混沌理论的图像加密,加密过程中,使用遗传算法进行自适应优化加密过程设计参数,然后得到最好的加密参数,以便它能解决加密安全威胁和效率低下的问题,实现高效、可靠和安全的加密图像。实验分析表明,该方法不仅可以解决安全威胁的问题,提高了安全性能,并能解决问题的加密效率也大大提高了加密效率,即实现图像加密效果和获得显著提高性能。

2。遗传算法的基本原理

2.1。遗传算法的基本概念和步骤

遗传算法与传统的搜索算法不同;它首先随机产生一组初始解决方案,即“人口”,每个人在人口,即解向量,叫做“染色体”开始搜索过程。这些染色体进化在随后的迭代和生成下一代的染色体,叫做“后代”。染色体的好坏通过染色体“健身”是评估每一代:染色体更高的健康更有可能被选中;相反,健身小染色体被选中的可能性越小,所选的染色体通过cross-generating(交叉和变异)新染色体,”后代。“经过几代,算法收敛于最好的染色体和染色体可能是问题的最优解或近似最优解。遗传算法的操作步骤如下所示:(1)随机生成初始种群。(2)通过适应度函数来评价染色体。(3)选择染色体根据健康水平和形成新的人口。(4)通过交叉和变异操作产生新的染色体后代。(5)重复步骤(2)-(4),直到预定的进化代数。

这个方法显示在图1;结果表明,遗传算法主要由遗传算子(交叉和变异),进化计算(选择)。遗传算法模拟自然进化的物种更替机制;它生成一个新物种达到搜索全局最优解的目的。进化计算是通过竞争机制不断更新人口的过程。

交叉操作是主要的遗传算法;遗传算法的性能在很大程度上取决于其采用的交叉操作的性能。交叉操作同时运营着两条染色体,结合这两个特性来产生新的后代。变化是一种基本操作;它自发生成随机变异染色体上。基因变异可以提供不包含在初始种群或找到缺失的基因在选择过程中,为人口提供了新的内容。

2.2。遗传算法设计的应用程序设计

2.2.1。编码问题

遗传算法通过遗传算子(交叉和变异)重组个人人群中;通过选择操作,它不断优化个体结构和搜索最优个体的结构,最后,实现的目标变得更接近最优解的问题。可以看出遗传算法在编码空间交替工作的流程和解决方案空间编码及其对染色体的遗传操作,评估和选择解决方案空间的解决方案。它们之间的桥梁是编码和解码。代码转换问题的解空间变量染色体的遗传空间。相反,染色体编码的解码是操作问题空间的映射。它们之间的关系如图2。

原遗传算法使用荷兰编码方案,即二进制代码。但对于许多遗传算法的应用,如多维、高精度算法,特别是在复杂系统的优化,简单的编码方法显示了许多缺点:它不能直接反映需求问题的结构问题的大范围和精度高、染色体长度和搜索空间的长度将会非常大;这种基因搜索是非常困难的。相邻的二进制代码可能更大的汉明距离,使遗传算子的搜索效率降低。

选择一个合适的编码方法的基础是遗传算法来解决实际问题。对于任何应用程序的问题,编码必须考虑以下方面:(1)完整性。所有的点(候选人)问题空间可以用作基因点(染色体)遗传空间的性能。(2)完整性。染色体遗传空间对应于所有候选解空间的问题。(3)非冗余性。染色体和候选解决方案是一对一的关系。

我们知道的一个问题是,很难设计的编码方案可以满足上述的要求三个方面同时,但是这些设计必须满足完整性的要求。

2.2.2。适应度函数

遗传算法在进化过程中,染色体的好坏是评价一个适应度函数;适应度函数值是选择的基础操作。理论分析的方便,最好保证适应度函数值是负的;适当的转换必须适应的负面的价值。目标函数和适应度函数之间的关系是不同的根据优化问题的类别。优化问题分为两类,一类全局最大值为目标函数,另一个目标函数的全局最小值。这两种优化问题的目标函数的某些点的解决方案空间转换为相应的个体的适应度函数在搜索空间中,如下所示。

最大的问题,一个有以下: 在哪里是一个适当数量的相对较小的值。

显示了最小的问题如下: 在哪里是一个适当数量的较大值。

目标函数之间的映射关系公式和健身功能还有其他形式。目标函数转换成适应度函数通常需要遵循两个原则:(1)在优化过程中目标函数的优化方向(例如,寻求目标函数的最大值或最小值)和种群进化过程中适应度函数值是增加在同一方向;(2)适应度函数值必须大于或等于零。在实际问题中,我们采用一种转换形式根据具体情况。

2.2.3。选择的问题

选择操作是进化的直接驱动力。隐式规则选择压力,压力太大;搜索将提前终止;压力太小的搜索将会非常缓慢。选项包括三个基本方面:样本空间,采样机制,选择概率。

(1)样本空间。样本空间的大小和宪法构成样本空间。样本空间分为两个:监管样本空间和样本空间扩张。

把庞大的人口规模和交叉和变异后的后代大小;监管样本空间,是保持人口规模保持不变。选择图基于监管样本空间如图3。

扩大样本空间;即采样空间包括所有父母和后代。图4描述了基于扩展选择图采样空间。最特色的扩大样本空间是有效限制的随机波动引起的交叉率和变异率高。

(2)采样机制。采样机制是一个理论如何从抽样选择染色体空间理论。个别物种的选择原则上可分为三种类型:随机抽样,确定取样,混合采样。

(3)选择概率。荷兰的原始轮盘赌算法采用遗传算法是一种比例的选择方法;选择概率正比于染色体的适应性。

2.2.4。交叉操作

交叉操作是最重要的遗传操作;人口通过交叉生成新的染色体不断扩大搜索空间,最终实现全局搜索的目标。

2.2.5。变异操作

改变某些基因的染色体变异操作字符串。

2.2.6款。主要参数的选择

参数的遗传算法设计主要包括人口规模、交叉率、变异率,与进化代数。此外,在选择一个特定的运营商,有时它涉及参数的选择与操作符。遗传算法参数的选择是合理的或不直接与算法的收敛速度和精度。然而,因为有很多因素会影响参数的选择,一些与问题本身内涵的客观规律和一些与选择运营商,所以很难找到共同的规则。

(1)人口规模。人口规模是第一个参数的遗传算法需要确定;它是当地的主要影响因素的解决方案的算法。

(2)交叉汇率。交叉汇率是主要的遗传算法;遗传算法的性能在很大程度上取决于采用交叉算子性能和交叉率的大小。

(3)突变率。变异率是指基因变异的人口数量占总数的百分比的基因。

(4)进化终止条件。终止条件可以从两个方面进行控制:预设进化代数或控制人口的发展。人口的进化是指当前一代的最大之间的关系适应和人口平均健身。的进化终止条件是根据具体情况决定。

共同价值范围的遗传算法的主要操作参数如表所示1。

2.2.7。处理非法个体的策略

我们通常获得不可行染色体后代使用遗传算法时,所以的核心使用遗传算法解决非线性规划问题是如何满足约束的问题。它可以用来拒绝和修复处罚政策进行处理。

3所示。超混沌算法基本原理

3.1。混乱的定义

我们假设存在连续映射的间隔;如果满足下列条件,则称为混沌映射。(1) 是周期没有上限。(2)在闭区间,有无数的子集,它可以满足下列条件:(我) ,,。(2) ,。(3) 和在任何周期点,它让。

3.2。超混沌系统

超混沌系统是使用以下方程描述: 在哪里,,,,控制参数,经常服用吗,,,的情况下在以下范围:,,混乱,系统的混沌运动,运动,和周期运动23]。

4所示。一个基于基因超混沌系统的数字图像加密算法

4.1。超混沌随机生成的初始种群

物流图给不同的模型中初始值;混沌变量,,不同的轨迹,根据公式(4),将分别混沌变量映射到优化变量的范围内使它变成一个混乱的变量:

固定代表了一种可行的解决方案。每一个可行的解决方案来计算高的健身选择健身个体的初始种群。混乱的过程中生成的初始种群,混沌序列应该足够的迭代次数(平均值是400),也就是说,以确保充分可以遍历混沌变量。

4.2。像素位置加扰

优点数字图像与数字数组的特点如下:它是用于分析图像矩阵有限步初等矩阵变换和干扰图像像素位置的安排到一个混乱的形象,是不可能确定原始图像的目的,图像加密的效果。

假设的大小的原始图像像素矩阵表示为 具体步骤如下。

(1)直线位移。变换矩阵根据线为行向量形式

其中,在并行系统被定义为处理器的数量;的数量被定义为一群在连续系统中,所以每个孩子矢量,分别是什么

用龙格-库塔算法会导致超混沌系统的迭代次,用于防止过渡效果。对于一个给定的系统中,迭代的数量可能与初始条件和系统相关参数,迭代之前扔掉的数据;然后,我们计算

很明显,。继续迭代,直到这个混沌系统产生完全不同的相当值。它是用。基于相当争夺向量,我们有 行后匆忙矩阵表示为。

(2)更换。它转换线位移矩阵根据列行向量形式

其中,每个孩子向量,分别是

出于同样的原因,我们计算

很明显,。继续迭代,直到这个混沌系统产生完全不同的值,如下:。根据,争夺向量显示如下:

是原来的矩阵超混沌同步后匆忙矩阵;部分4.3将介绍如何加密。

4.3。像素的扩散过程

首先,置乱图像的预处理,匆忙的形象分为和。然后,通过自适应的图像处理两个部分,数据矩阵和矩阵是不同的或替换矩阵操作点;同样的,和独家或替换相应的矩阵操作点,并将获得新的图像矩阵上升和下降。最后,一个矩阵和矩阵的随机序列处理完整的扩散过程。具体过程如下所示:

在公式(14),半径是二进制或操作,和图像像素和混乱状态值的空间坐标,是最终的图像加密,自适应处理图像的像素,是混沌的状态值,数字图像灰度。公式(14)相应的逆操作如下:

解密是加密的逆过程,即反扩散,然后急忙处理。

4.4。像素值来代替

逻辑映射和超混沌系统产生的随机序列,只有相关的初始值和系统参数和不依赖于似乎清楚的字节,只能影响一个加密的密文的字节,将它选择明文攻击和选择密文攻击。为了克服这种缺陷和提高加密的效率,我们提出新的加密方案;具体的步骤如下所示。

(1)混沌系统产生的随机序列计算: 在哪里。

(2)的位移矩阵按行转换为矢量,分别为每一个孩子:

然后我们计算类型:

同样,变换矩阵在列的行向量,每个孩子得到矢量加密密码:

(3)如果所有的明文加密,加密过程结束。否则,返回步骤(1),解密过程类似于加密过程。

4.5。为了提高物种多样性指数

遗传算法在健身的过程中,一些最大的个体在种群重复或收敛。在这一点上,他们有更大的概率参与下一代的副本的选择;它们之间交叉的后代将没有太大的变化与父代;这可能导致遗传算法优化搜索过程是非常缓慢的,而且它也会降低搜索效率。因此,我们应该正确地判断一个物种发生在过早收敛,主要应该看当前的人口健身价值更大的个体,是否重复或相互融合。介绍了局部优化遗传算法;我们首先确定物种多样性的程度4.1。它是定义如下。

组第一个一代人口的个人、健身价值个人健身的价值,这是最好的,个人总平均健身;健身的价值大于个人的健身价值将平均吗定义和使用和值之间的差异作为,指标用于描述人口过早收敛。

4.6。混沌遗传算法基本步骤

在部分使用混沌遗传算法4.1- - - - - -4.4图像加密过程的优化操作,为了获得最好的加密解密步骤和性能计划,优化流程如图5。具体步骤如下。(1)编码和参数设置仍使用实数编码;自然直观的方法可以节省时间和空间开销,计算效率高的优点。人口规模,混沌优化迭代,适应度函数的参数等。(2)混乱是用于生成初始种群。(3)期望值法和最优保存策略的选择是用来实现复制。(4)改进的遗传算法用于自适应调整交叉概率的pc,点突变概率,交叉和变异算子。(5)计算物种多样性程度,其杰出的个人决定是否使用当代混沌优化;如果物种多样性的程度小于一个随机数,用混沌优化,如果他们可以得到更好的个人,它将被用作最优解的代数。(6)(5)重复步骤(3),直到满足终止条件的进化。终止条件可能进化代数或最佳个体适应度函数。

4.7。理论分析和实验仿真

4.7.1。统计分析

模拟过程中,为了评估算法的性能,本章选择了256 KB为模拟图像文件,根据香农理论;统计分析常被用来分析和解码算法。因此,一个密码系统应该具有良好的性能统计攻击的抵抗。仿真结果如图所示6:图6(一)是256 KB的原始图像;图6 (b)置乱图像的图像加扰后可见,像素阴影分布,而发生了巨大的变化在图片类似于白噪声,显示出良好的效果。在图像加扰,固定的点的数量越少,越高的保密,然后匆忙效果更好。不动点的统计公式如下:

其中,找到()用于Matlab命令和的位置相应的像素值,和,使用矩阵的大小。根据公式(20.)。统计图6 (b)的爬不动点。从图6 (b)的爬不动点比是3.21;它可以获得良好的效果。但加扰后,图像只能被原始的相邻像素之间的相关性,在不改变每一点的像素值,所以灰色分布直方图的图像不会改变,必须置乱图像的像素值进行加密。最终,加密的结果如图6 (c);它完全隐藏的原始图像,它不能看到原始图像的轮廓。数据6 (d)和6 (e)显示这些问题;我们可以比较原始的不均匀分布直方图;加密的平直方图和灰度值均匀分布。这表明密文像素值范围内的等概率值,即统一整个密文空间分布特征。因此,该算法可以有效防止统计攻击。

4.7.2。密钥空间和灵敏度分析的关键

关键的加密算法;如果计算机精度是有效的为10¹⁵、密钥空间大小;该算法有一个足够大的密钥空间,它能有效地抵抗强力攻击。芭芭拉加密图像,分别和相同的条件下(其他解密密钥和加密密钥)解密图像如图7。我们可以看到从图7是非常敏感的关键加密算法。

4.7.3。信息熵分析

数字图像信息熵可以显示灰度值的分布。如果灰度值分布均匀,图像的信息量更大。信息熵的定义是平均数量的信息;这是如下:

在公式(21),集中符号概率在消息。为了有一个很好的对比,表2展示了6个不同的图像使用这种算法和高和陈24加密算法使用熵值比较。如图所示,高算法密文图像的信息熵小于该算法的信息熵,所以它的灰度值分布不均匀。密文图像信息熵的算法是接近最大8,图像灰度值的分布和制服。因此,从信息熵的角度攻击,该算法是安全的。

4.7.4。相关分析

数字图像的每个像素不是独立的;其相关性很大。这表明,大面积的灰度值。数字电视的图像,例如,同一条直线的两个相邻像素或相邻两行像素,相关系数为0.9,与相邻的两个电视画面之间的相关性比帧相关性大,图像信息的冗余是非常大的。图像加密的一个目标是减少相邻像素之间的相关性,主要包括水平像素,垂直像素,和对角像素之间的相关性。明显相关性较小,和更好的图像加密,安全性越高。

图8表示为竖直方向和水平方向,原始图像,该算法的加密图像相邻像素的相关性。原始图像像素之间的相关性呈现明显的线性关系和加密图像像素之间的相关性随机对应关系是可见的。

表3是原始图像和密文图像相邻像素之间的算法根据水平,垂直,对角线方向使用相关系数计算。像素的相关系数计算方法如下所示:

在公式(22),和分别是两个相邻像素的图像像素值是两个相邻像素的相关系数。如表所示3,原始图像的相邻像素高度相关;他们的相关系数接近于1。我们得出的结论是,加密的密文图像的相邻像素的相关系数非常小;他们是接近于零;相邻像素很大程度上是不相关的,这表明,原始图像的统计特征一直蔓延到随机密文图像。

4.7.5。彩色图像

为了演示该加密算法的有效性,以下将使用该算法对彩色图像进行分析。

(1)图像加密和统计分析。选择256×256颜色莉娜标准图作为实验对象;利用MATLAB 7.6编程实验模拟;实验仿真结果如图1。数据9(一个)和9 (b)分别是原始图像和图像加密。我们可以直观地看到,加密图像不能看到任何有效信息的原始图像。首先,在视觉上加密算法取得了较好的加密效果。

这里,我们计算,分别加扰度的三原色R, G, B的加密图像;经过几次测试计算得到平均:R分量图像加扰度:。G分量图像加扰度:。B分量图像加扰度:。

结果表明,加扰算法相似度与幻方变换和具有良好的效果。

(2)空间和灵敏度分析的关键的关键。密钥的加密算法;如果计算机精确有效地是10¹⁵、密钥空间大小,由于极端混沌系统的初值敏感性,序列由键生成器生成的关键是复杂和不可预测,所以关键序列空间足够大;这表明该算法可以抵抗强力攻击。

通过影响加密认证密钥的微小变化测量灵敏度算法的结果,如图10 (b),加密图像使用正确的密钥和错误的钥解密算法,分别;仿真结果如图所示10,其中图10 ()解密后的图像,使用正确的解密的关键,和图吗10 (b)是错误解密图像获得的其他关键参数不变,在吗价值观不同。

通过观察解密后的图像,我们可以知道,只有10的关键数量级差异错误⁻¹⁰密钥来解密,图像类似于图像的噪声,在视觉上完全没有看到任何有效信息的原始图像;结果表明,该算法具有良好的灵敏度的关键;也就是说,初始密钥的微小变化将导致加密算法的结果是完全不同的;这不仅使攻击者攻击的密文获得的片段来判断原始图像的信息。

(3)抗噪声能力分析。如图9 (b)添加噪声后的图像使用正确的密钥来解密;解密后的图像如图11,数据(11日)和11 (b)分别显示了解密结果加密后图像与20%的盐和胡椒的干扰强度噪声和高斯噪声干扰强度的15%,分别如图(11日)和11 (b)。正如你所看到的,解密的加密图像添加噪声后,仍然可以很好的恢复原始图像信息和有效地保留原始图像的信息,使用解密而不失真,这表明该算法具有良好的抗干扰能力。

(4)相关分析。加密算法的加扰效应的本质在于打破相邻像素的像素值之间的相关性,抵制任何明确的攻击方式。因此,相邻像素相关性的比较可以是一个很好的衡量一个匆忙的加密算法的效果;在这里,我们比较相邻像素的相关性三个颜色组件的R, G, B的原始图像和加密图像,分别;像素点,分别在水平、垂直、对角线方向进行了分析,显示像素相关系数计算方法如公式(22)。

做统计检验原始图像相邻像素的相关性和加密的图像,并随机画多个像素并分别计算相邻像素的相关性的R, G, B组件在水平、垂直、对角线方向;经过多次计算的平均结果如表所示4,5,6(25]。

观察到相邻像素的相关系数无论在水平,垂直,或对角线方向的加密图像的相关系数远小于原始图像的相邻像素;这表明加密算法具有良好的加扰效应,破坏图像像素之间的相关性,并有效地隐藏图像的统计特征。

(5)柱状图分析。图像的直方图是图像的重要统计特征之一;它直接反映了关系每个灰度级的数字图像和灰度的发生。提取三种颜色的R, G, B组件图的原始图像9(一个)和加密图像的数字9 (b);分别计算直方图,如图12,13,14。

看着这些数据,可以看出,加密图像直方图是均匀分布的;有一个不同的世界与原始图像;这表明加密图像不会给攻击者任何明确的信息;该算法有很强的抵抗统计攻击的能力。

5。结论

本文分析了现有的“争相取代”类型的一些短缺混沌图像加密算法;即一个明文字节可以影响一个密码字节;它可以利用选择明文攻击和选择密文攻击很容易破解。也就是说,它将不能抵抗选择明文攻击和选择密文攻击。针对存在的一些高维混沌加密算法在弱抵抗选择明文攻击和选择密文攻击问题,提出一种新的数字图像加密算法基于遗传混乱。该算法做出以下改进:(1)在爬的过程中加密算法,还介绍了超混沌系统;它使图像加扰的结果不仅取决于初始密钥生成的混沌序列,也依赖于图像本身的特点,使其具有自适应特性在一定程度上;(2)介绍的遗传算法对图像加密-解密过程参数的动态优化,得到最好的加密-解密过程和步骤;(3)扩散的加密过程,介绍了清晰的反馈机制算法,提高了灵敏度明文,客观地改善算法的明文和密文攻击的抵抗力。通过相关实验和安全分析,我们表明,我们建议的数字图像加密算法基于遗传超混沌不仅能有效地解决当前问题的弱阻力大幅度的加密算法,也加强了明文敏感性,增强抵抗能力差的攻击,和改进的加密的效率。

相互竞争的利益

作者宣称没有利益冲突。

确认

这部分工作是支持由中国国家自然科学基金资助下61272466和61303233下的河北省自然科学基金资助F2014203062。

引用

1. 刘y、x通和胡,”一家新的基于复数混沌映射的图像加密算法,”信号处理:图像通信,28卷,不。10日,1548 - 1559年,2013页。视图:出版商的网站|谷歌学术搜索
2. Z.-H。关、f·黄和w·关“Chaos-based图像加密算法,”物理快报,部分:一般情况下,原子和固体物理学,卷346,不。1 - 3、153 - 157年,2005页。视图:出版商的网站|谷歌学术搜索
3. W.-T。Wong f . y . Shih, T.-F。苏,”稀疏算法基于四叉树和八叉树表示,“信息科学,卷176,不。10日,1379 - 1394年,2006页。视图:出版商的网站|谷歌学术搜索
4. R.-J。陈和S.-J。Horng”,小说SCAN-CA-based图像安全系统使用扫描和二维元胞自动机冯诺依曼,“信号处理:图像通信,25卷,不。6,413 - 426年,2010页。视图:出版商的网站|谷歌学术搜索
5. x, z . Tang和j·王,“一个方法来提高瞬变混沌神经网络,”Neurocomputing,卷67,不。1 - 4、456 - 463年,2005页。视图:出版商的网站|谷歌学术搜索
6. 南达科他州。刘、施和z。燕,混乱的本质,气象出版社,北京,1997。
7. j . Fridrich“基于二维混沌映射,对称密码”国际期刊的分岔和混沌应用科学和工程学,8卷,不。6,1259 - 1284年,1998页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
8. 毛y . g . Chen, c . k .崔”对称图像加密方案基于3 d混沌猫映射,”混乱,孤波和分形,21卷,不。3、749 - 761年,2004页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
9. 丽安,j .太阳,z .王,“基于一个合适的分组密码的使用混乱的标准地图,”混乱,孤波和分形,26卷,不。1,第129 - 117页,2005。视图:出版商的网站|谷歌学术搜索
10. K.-W。Wong工程学系。郭,W.-S。法律,”一个快速的基于混沌的图像加密方案标准地图,”物理快报,部分:一般情况下,原子和固体物理学,卷372,不。15日,第2652 - 2645页,2008年。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
11. h·朱、赵c和x张“小说形象encryption-compression计划使用hyper-chaos和中国剩余定理,”信号处理:图像通信,28卷,不。6,670 - 680年,2013页。视图:出版商的网站|谷歌学术搜索
12. 李·g·阿尔瓦雷斯和美国,“Cryptanalyzing非线性混沌算法(NCA)用于图像加密,“非线性科学与数值模拟通信,14卷,不。11日,第3749 - 3743页,2009年。视图:出版商的网站|谷歌学术搜索
13. m . Ghebleh a Kanso h . Noura,”一个图像加密方案基于不规则摧毁混乱的地图,“信号处理:图像通信卷,29号5,618 - 627年,2014页。视图:出版商的网站|谷歌学术搜索
14. s . Banerjee l . Rondoni s Mukhopadhyay, a . p . Misra”同步时空半导体激光器及其应用的彩色图像加密,“光学通信,卷284,不。9日,第2291 - 2278页,2011年。视图:出版商的网站|谷歌学术搜索
15. n . k . Pareek诉Patidar, k . k . Sud”图像加密使用混乱的逻辑映射,图像和视觉计算,24卷,不。9日,第934 - 926页,2006年。视图:出版商的网站|谷歌学术搜索
16. c . k .沃洛斯、i m . Kyprianidis和i . n . Stouboulos”图像加密过程基于混沌同步现象,”信号处理,卷93,不。5,1328 - 1340年,2013页。视图:出版商的网站|谷歌学术搜索
17. t, x f .廖g . Tang y . Chen和K.-W。王”,一个新颖的基于迭代混沌映射块密码体制,“物理信,卷349,不。1 - 4、109 - 115年,2006页。视图:出版商的网站|谷歌学术搜索
18. j . h .荷兰,自然和人工系统的适应,麻省理工学院出版社,1992年。
19. d·e·戈德堡遗传算法在搜索、优化和机器学习,addison - wesley, 1989。
20. k·克里斯,”Micro-genetic算法对平稳和非平稳功能优化,”智能控制和自适应系统卷,1196学报学报,页289 - 296年,费城,宾夕法尼亚州,美国,1989年11月。视图:出版商的网站|谷歌学术搜索
21. d·麦克雷和r . Dorey遗传搜索技术应用于动力传动系统建模、”IEEE控制系统杂志,13卷,不。3,50 - 55,1993页。视图:出版商的网站|谷歌学术搜索
22. y Davidor,遗传算法和机器人,世界科学,新加坡,1991年。
23. j . h .公园,“陈超混沌系统不确定参数的自适应同步,”混乱,孤波和分形,26卷,不。3、959 - 964年,2005页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学
24. t·g·高和z .问:陈”,一种新的图像加密算法基于hyper-chaos,”物理信,卷372,不。4、394 - 400年,2008页。视图:出版商的网站|谷歌学术搜索
25. Y.-Q。张和X.-Y。王”,一个新的图像加密算法基于两耦合映射格子,”应用软计算26卷,10 - 20,2015页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016剑王。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。