文摘

加密的数字图像的应用非常重要,尤其是在身体区域网络(禁止)自图像可能包含大量的隐私。过去的加密方法缺点的密钥空间和低抗攻击的能力。在本文中,我们提出一种新的加密算法基于离散小波变换(DWT)和multichaos特征的确定性、伪随机数,初始值的敏感性。首先分解和重建空间由二维图像DWT,然后是由multichaos矩阵空间加密。实验结果表明,该算法具有密钥空间大,关键的灵敏度高,抗攻击能力。

1。介绍

近年来,互联网和无线传感器网络的快速发展,数据,如图像和文本通常需要加密。例如,禁止扮演了一个重要的角色在远程医疗监控使用许多传感器与人体包围(1]。信息是私人的,只有利用授权机构,所以加密的信息是必要的。如何保证多媒体信息的安全成为计算机密码学的一个新的方向。图像网络交互应用在许多领域,如军事合作金融和现场监测。因为图片有一些大数据的特点,冗余,相关性,和格式的一致性、图像加密成为关注的话题(2]。

传统的图像加密技术引起了关注。例如,一维的方法,二维频域,混合加密获得丰富的成果。一维图像加密包括DES和AES技术为代表的现代密码学系统、天地盒加密,加密和扫描语言,矩阵变换加密和DNA计算系统(3- - - - - -8]。以上空间方法快速计算和容易实现的优点。

混沌是一种不可预测的和类似的随机运动的确定性动力系统对初始值敏感。混沌映射生成的伪随机序列具有良好的随机性、相关性、复杂性,包括独特的密码学特性,所以它的导数的超级混乱的地图是广泛应用于图像加密领域。摘要(9是文学意义的引入混沌加密算法与扩散序列非线性函数的应用程序。本文的贡献(10贝克)是实现混沌映射和序列加密。在过去的混沌图像加密算法,在报纸上注册表子项安全存在的问题(11- - - - - -13在论文的关键分析方案14]和文献[15]采用物流混沌加密方案具有较高的安全文件。

变换域的图像加密技术使用傅里叶变换(FT),离散余弦变换(DCT)和离散小波变换(DWT)来执行从空间域转换到变换域和安全加密获得系数;即图像加密通过改变的值或位置系数(16- - - - - -20.]。摘要(21)进行多层小波分解的图像,并实现了频域块每一层。这种技术会导致解密无损图像成为关键是应用于频域图像加密。混乱的独特特征通常与变换域加密模式结合,形成混合加密算法更有优势。刘等人。22]提出一个新颖的混乱和扩散方法,它根据原始图像生成一个新的密钥和密钥,然后使用分段线性混沌映射和切比雪夫混沌映射进行DNA编码。Zhang et al。7]代码获得DNA序列的原始图像矩阵,矩阵划分为几个街区,最后利用DNA计算结合两个物流混沌映射来实现加密的目的。

在本文中,我们利用混沌映射和结合Haar小波设计的算法结构组合形式的变换系数和multichaos。该算法对初始状态和系统参数敏感与大的密钥空间和低计算复杂度和高攻击的能力。

2。加密算法的理论分析

2.1。图像加密的算法流程

算法的步骤描述如下(如图1):(我)阅读原始图像。(2)执行DWT系数矩阵,,,。(3)重组的四个矩阵得到矩阵SM。(iv)设置初始参数值,,,,,生成三个subchaotic矩阵,,。(v)设置参数值,,,结合上述三个subchaotic矩阵生成MCM multichaos矩阵。(vi)执行BitXOR操作矩阵置乱图像的SM和multichaos MCM获得最终的加密图像。

2.2。在二维图像多尺度小波分解

首先,我们从时域变换原始图像小波域使用多尺度小波分析,这是由函数空间理论。二维灰度图像的多尺度分解显示如下:

使用这里的Haar小波分解一层来处理图片,因为重建无损的特性。不同的频率系数矩阵,,,得到的分解。图像大小,是二维尺度函数,是小波函数对应的位置。最初的加密图像通过重组每一层系数矩阵:

然后我们执行multichaos操作初始加密矩阵。multichaos加密矩阵来自subchaos矩阵。混沌映射生成的关键subchaos矩阵,这是一个一维物流映射和初值敏感性的特点,参数敏感性、遍历性,和混合相似性随机: 代表物流混沌映射像素的价值通过迭代。当参数,,,处于混乱的状态。不同的初始值和,我们可以获得三个混沌矩阵SCM₀,供应链管理₁和供应链管理₂由遍历每个像素计算三种不同的混沌序列。请注意,subchaotic矩阵的数量决定了算法的时间复杂度。使用更多subchaotic矩阵可能导致更高的加密性能,但评价的改进是非常有限的,所以这里只选择三subchaotic矩阵形成multichaotic矩阵是一个很好的平衡考虑复杂性和性能。

multichaos加密矩阵MCM按规定计算参数和三个混沌矩阵: 在这里,,,矩阵管理参数和范围都属于。值得注意的是,他们只参与multichaos矩阵的生成,因此几乎没有影响空间的关键。最后,加密图像获得的是 这里的符号“#”是指BitXOR操作。

小波分解和重建原始图像可以有效地争夺,很大程度上造成像素变化与傅里叶变换和离散余弦变换相比,在保持快速计算的优势,因为只有一层执行。这里我们使用三个物流具有不同初始条件的混沌映射生成三个独立的伪随机序列导致subchaotic矩阵,因此创建multichaotic矩阵可以抵御迭代混沌系统攻击和古典混乱相比有明显的优势。结合多个混沌系统可以获得更复杂的动态特性,成为难以预测的应用以来multichaotic矩阵的平均变化的强度和灵敏度提高初始参数值。通过混合小波变换和multichaos,该方法更优异地抵抗各种攻击也可以满足安全要求的数字图像和时间复杂性是可以接受的。

3所示。实验结果和分析

帮助研究该算法的安全性能,程序开发和运行在一个4 G内存,3.2 GHz Intel (R) (TM) i5 - 4570芯机在Windows 8。实验数据来自于权威的图像数据库,我们选择图像Lenna.jpg可测试每个处理算法,因为它混合了细节,平滑区域,阴影和纹理。

3.1。视觉的结果显示

我们比较原始图像和加密图像根据评估标准(26]。显示结果和像素直方图显示,分别在数字2和3。加密的图像如图2 (b)与原来的完全不同,不能区分。原始图像的直方图中存在一个狭窄的区域(40 - 220)如图3(一个)很明显有几个最大值在50,100和150。加密图像的直方图如图3 (b)有广泛的分布区域和平滑值这意味着图像的特征是掩盖。

3.2。定量分析结果

最图像数据和文本数据的区别是,图像数据有很强的相关性和相邻像素灰度值相同或非常小的差异。如果一个数据点及其相邻数据点仍然保持相邻位置加扰后,他们很容易被攻击,导致低安全区域分析。相邻的元素包括像素在水平和垂直方向和对角线方向。计算相邻元素的相关性 在这里和代表两个相邻像素的灰度值的像素数量。在表1之外,三个方向的相关性都是0.9,表示相邻像素有非常相似的灰色值加密之前,当他们减少加密后低于0.01,这意味着更小的相关性可以做出更好的抵抗攻击。

的目标图像加密的加密图像和原始图像尽可能不同,很难辨认。显然,定点比率越少两张图片代表不同的两张图片和更好的效果。像素的数量变化率(NPCR)定义如下:

是原始的灰度值差异和加密图像像素。

灰色的许多像素值可能会改变加密后,所以NPCR扮演一个很好的指标来反映灰度值变化的数量但无效的灰度值变化的表达程度。平均灰度值变化进行评估是必要的。我们给的定义统一的平均强度变化(UACI):

在这里和代表原始和加密图像的灰度值的像素。

此外,我们使用加密图像的信息熵评价平均不确定性的程度。当密码相同的概率分布导致最大熵值“8”,实现理想的随机特性的加密图像有很强的平均不确定性和高阻统计熵攻击和攻击。计算每个像素的熵

在这里代表每个灰度值显示的概率。

我们比较该算法与其他文件表2所有使用的混沌加密方法。摘要(25不提供NPCR指标和UACI。我们的算法可以获得最大NPCR值和文献[23]在UACI和发挥最好,所以每个的两个算法都有自己的优势,都有比别人更好的性能。

3.3。分析安全的关键

密钥空间的组成和大小确定的安全加密算法(26- - - - - -28]。该算法包括两个阶段:第一阶段结合二维DWT争夺第二完成图像像素和像素使用multichaos扩散。因此,算法具有各种组合键形式的小波参数和multichaos参数。

我们测试正确的键和近似关键关键实验的灵敏度。结果如图所示4。

图4(一)加密的图像和图吗4 (b)是正确的解密图像。我们改变在一个非常小的关键参数值(10⁻⁸测试初始值的敏感性。结果在图4 (c)和4 (d)表示,解密图像不能区分,没有关系时的原始图像参数有轻微的交替变化。数据4 (e)和4 (f)显示参数时解密后的图像和是发生了微妙的变化。显然,这两个图像仍保持原始图像的一些特征和抵抗攻击的性能比这更糟的人物4 (c)和4 (d)。原因是参数和需要多个迭代矩阵形成subchaotic SCM根据(3),所以轻微的变更可能会传播和扩大导致完全困惑和不可预知的结果。相反,参数和只有发生在(4)以形成最终的multichaotic矩阵,所以小变化相对较小的影响。

根据图4非常小的变化的参数和导致完全不同的结果。因为几乎无限数量的和范围,考虑到每个subchaotic矩阵都有自己的参数,空间超过10的关键^80年比这大得多的经典混沌算法,因此该算法具有较强的能力抵抗穷举攻击。

4所示。结论

本文中的算法加密图像像素值和像素位置根据图像加密的基本理念。像素灰度变化是由multichaos处理,纷纷使用DWT像素扫描加密,从而改变传统的加密图像分辨率不变性的想法。

算法有效地隐藏了图像大小和改善安全具有密钥空间大、对密钥和明文敏感,且易于快速实现。复合混沌系统使得攻击者难以分析和估计导致高系统的复杂性和安全性。此外,该算法具有较强的可扩展性。使用其他混沌系统或外部生成器创建密钥可以提高更多的安全算法。动态设定的长度和包根据参数调整的关键是有助于扩大算法的适用性,适合应用程序的安全通信和网络安全。

相互竞争的利益

作者宣称没有利益冲突。

确认

这个项目由美国国家科学基金会支持的中国(批准号61471075和61471075),重庆集成示范项目(CSTC2013jcsf10029),重庆有才华的青年发展计划(cstc2013kjrc-qnrc10001),文峰重庆邮电大学创新的基础,2013年重庆大学创新团队建设计划资助项目(智能医疗系统和关键技术)和重庆市重点实验室改进计划(重庆光电子信息感知和传输技术重点实验室)。