安全、高效的图像Compression-Encryption计划使用新混乱的结构和压缩传感

文摘

互联网的迅速发展导致传输的信息量激增,带来了许多安全问题。传输的多媒体信息,特别是数字图像,有必要同时压缩和加密。压缩传感的出现解决了这个问题。压缩传感可以压缩和加密的同时,这不仅可以降低网络的传输带宽,而且可以提高系统的安全性。然而,当使用压缩传感加密,整个测量矩阵需要存储和压缩传感可以结合一个混沌系统,所以只需要存储矩阵的生成参数,并可以进一步提高系统的安全使用混沌系统的敏感性。介绍了一种安全、高效的图像compression-encryption计划使用一个新的混乱的结构和压缩传感。混沌映射中使用的方案是由我们的新和普遍混乱的结构,不仅扩展了混乱的混沌系统也提高了混沌系统的性能。在分析传统一维混沌映射的性能比较和一些现有方法,图像compression-encryption方案基于一种新的混沌结构和压缩传感加密效果好,用于大,可以抵抗强力攻击和统计攻击。

1。介绍

随着第五代移动网络(5克)时代,信息传播的数量逐渐增加,并要求传输速度也显著增加,这就要求更有效的压缩采样的方法来获得更高的采样率和信号处理速度。由于网络本身的安全问题,多媒体数据在存储的过程中很容易受到各种攻击和安全传输的网络,这是特别重要的,以确保安全的媒体信息数据(1,2]。为了更有效地开展多媒体通信,必须对原始图像压缩和加密的同时,和压缩传感的出现可以解决这个问题。2006年,Donoho [3和萤石等。4)正式提出压缩感知(CS)的理论。奈奎斯特采样压缩传感是一个改进,可样本稀疏信号不均匀样本的数量远低于奈奎斯特采样定律和恢复重建的原始数据性能低于奈奎斯特采样。广泛应用于无线传感器网络、图像加密、图像数据隐藏等。

由于使用加密的压缩传感,整个测量矩阵需要存储,这就需要大量的存储空间。然而,可以使用混沌系统,只需要存储的一代参数测量矩阵,而不是存储整个测量矩阵的特点,减少存储空间。因为他们的混沌特征,如对初始值和参数的敏感性(5,6),遍历性7,8),和不确定性9,10),混沌系统已经广泛应用于加密字段(11- - - - - -13]。因此,研究人员设计了许多图像加密算法,结合压缩感知与混沌系统(14- - - - - -16]。

彭et al。14)提出了一个安全与节能方案在无线区域网络,既可以解决节能和数据安全问题。与传统的加密方案相比,只使用一个矩阵来加密,使用任何一个切比雪夫映射,物流地图,和帐篷映射矩阵生成两个混沌加密同时,增加了安全性,解决了无线容量域网络安全问题。王等人。15)提出了一个视觉安全与并行压缩传感和图像加密方案设计了一个视觉安全加密方案并行压缩传感计数模式和嵌入技术。为了达到更高的安全级别,猫Logistic-Tent混沌系统和3 d地图构建的测量矩阵,介绍了用于干扰和锯齿形混乱。茶等。16)提出了一种图像加密方法的基础上,结合磁记忆性控制混沌系统和压缩传感。该方案使用的技术磁记忆性混沌系统控制,安全散列算法- (SHA) 512,和细胞自动机。在这个方案中,元胞自动机在扩散阶段用来提高加密系统的安全性,和sha - 512用于计算混沌系统的初始值,并进一步生成测量矩阵,使得测量矩阵用于加密不同类型的数据。这个方案可以提高原始图像之间的相关性和算法和抵抗已知明文攻击和选择明文攻击。Chanil et al。17)提出了一个混乱的结构和应用逻辑映射和正弦映射到它们的结构。为了验证提出的性能混乱的结构,他们提出了一个新的位彩色图像加密方案。通过仿真分析的分岔图和李雅普诺夫指数,这是证明他们混乱的结构是正确的和混沌参数的范围扩大。

我们提出一个安全而有效的图像compression-encryption计划使用新的混乱的结构和压缩传感。混沌映射用于compression-encryption方案应用常用的传统的一维混沌映射到新的混乱和一般结构提出的我们。在这种加密方案,压缩传感是用于抽样,可以减少存储空间和传输带宽。混乱的系统只需要存储矩阵生成参数,可进一步减少传输带宽。阿诺德干扰技术和sha - 256也使用函数,和sha - 256功能使得不同的原始图像有不同的钥匙。首先,离散小波变换(DWT)用于稀疏的原始图像,然后阿诺德干预应用于稀疏的图像。阿诺德的干扰参数产生的干扰是sha - 256的功能。然后,使用压缩传感压缩和样本的干扰图像。最后,混沌序列用于执行行和列循环移位干扰在压缩和采样图像。仿真结果表明,compression-encryption方案有一个很大的参数空间,用于可防止统计攻击和蛮力攻击。

本文的其余部分安排如下。部分2介绍了相关的基本知识。部分3描述了该混乱的结构和混沌映射在一个新的结构。部分4描述我们的加密和解密方案。部分5模拟和评估我们的加密方案。部分6总结了本文的研究内容进行。

2。基础知识

本节简要介绍了传统的一维混沌映射和压缩传感。

2.1。混乱的地图

常用的传统的一维混沌系统的正弦图,逻辑图,切比雪夫地图,帐篷映射。(1)正弦图正弦图是一个非常简单和常用的混沌系统18]。正弦图表示 在哪里是混沌参数的正弦地图, 是正弦的混沌序列。

传统的分岔图和李雅普诺夫指数图正弦图数据所示1(一)和2(一个)。混沌系统的李雅普诺夫指数表明,必须至少有一个正的李雅普诺夫指数。当李雅普诺夫指数是正的,系统的混沌特征可以量化;也就是说,混沌系统对初始条件敏感。李雅普诺夫指数越大,混沌系统对初始值敏感。从数据可以看出1(一)和2(一个)混乱时,正弦映射混沌行为参数在范围内 。(2)逻辑图逻辑映射也是一个非常简单但广泛使用混沌系统(19]。它的性能类似于物流的地图,它被定义为 在哪里是逻辑映射的混沌参数, 是物流的混沌序列。传统的分岔图和李雅普诺夫指数图逻辑地图数据所示1 (c)和2 (c)。从数据可以看出1 (c)和2 (c)时,逻辑映射混沌行为的控制参数在范围内 。(3)切比雪夫映射逻辑映射和正弦地图,切比雪夫映射也是一个常用的一维混沌映射(20.),定义如下: 在哪里切比雪夫映射的混沌参数, 切比雪夫混沌序列。传统的分岔图和李雅普诺夫指数图切比雪夫映射图所示1 (e)和2 (e)。切比雪夫映射混沌行为当混乱的参数值的范围 。(4)帐篷映射帐篷映射定义如下(21]: 在哪里是帐篷映射的混沌参数, 是帐篷映射的混沌序列。传统的分岔图和李雅普诺夫指数图帐篷映射图所示1 (g)和2 (g)。帐篷映射混沌行为当混乱的参数在范围内 。

2.2。压缩传感

萤石et al。22提出,如果 是一个未知向量,稀疏或可压缩在一组正交基,未知向量可以通过更少的随机测量值准确地恢复呢 。和采样过程可以被描述为一个数学模型如下: 在哪里矩阵的大小吗 , ,和 是抽样值。

这个数学表示也是标准的压缩感知框架的描述是欠定线性方程的一个特例。由于方程有无穷多的解决方案(5),原始信号不能直接从采样值中恢复过来 。然而,如果反映了稀疏字典的稀疏(23),也就是说, 在哪里K-sparse和来标示吗 ,所以我们有 在哪里 在压缩传感测量矩阵。所以我们可以恢复从 。 恢复了

方程(8)是一个优化问题。在某些情况下,可以转化为优化问题优化问题。典型的条件包括零空间属性(NSP)和限制等容属性(RIP)。和等效的解决方案可以通过(24]

的测量矩阵,引发房地产应该满意,也就是说,列的最小数量的线性相关的测量矩阵,和公式

Donoho [25)指出,如果 ,对于任何一个向量 ,最多有一个信号 这使得 。

因为解决一个稀疏的解决方案是一个np难问题,它是不切实际的解决测量矩阵从计算的角度满足这个条件26]。在现实中,为了恢复稀疏信号萤石et al。4]介绍了RIP是一个常数 。方程(11适用于所有 。

虽然把提供了理论保证恢复K-sparse信号,它是相对复杂的验证测量矩阵满足撕裂特性。因此,在许多情况下,有必要使用相关测量矩阵的提供更具体的康复的保证。相关指的是最大值归一化内积的两列随机选择(27),即 在哪里是我th列 。对于任何一个向量 ,如果 ,最多有一个信号 ,使 。

常见的恢复算法包括匹配追踪算法(MP) (28),正交匹配追踪算法(OMP) (29日),正交匹配追踪(踩)算法(30.),压缩采样匹配追踪(CoSaMP)算法(31日]。

3所示。新的混乱的结构

在本节中,我们首先详细描述一个新的混乱的结构,其次,我们描述了新的混沌映射生成的应用正弦地图,物流地图,切比雪夫映射,帐篷映射到新的混乱的结构。

3.1。新的混乱的结构

给出了新的混乱的结构如下: 在哪里 是传统的一维混沌映射中提到的部分2, 是一种新的混沌映射生成在我们新的混乱的结构, 是混沌序列,的混沌参数提出了混乱的结构,然后呢可以取任何值。是一个模函数,确保生成的混沌序列的值的范围吗 。 是一个调整函数迭代参数呢 ,这是遍历的调整来消除瞬态效应。的值 在这个混乱的结构应该具体分析根据嵌入的地图;也就是说,当不同的混沌映射应用于混乱的结构,提出的值 会有不同的值范围。

3.2。应用程序和我们新的混乱的结构分析

在本节中,我们给出了详细分析产生的新的混沌映射我们的新混乱的结构。(1)新的正弦地图在我们混乱的结构新的正弦地图在我们的新结构定义如下: 在哪里 是新的正弦产生的混沌序列,我们新的混乱的结构,然后呢是新正弦混沌序列的初始值。这个新的正弦映射的混沌参数,然后呢是迭代参数的新正弦地图。的分岔图和李雅普诺夫指数图正弦地图在我们的新结构如图1 (b)和2 (b)。从数据可以看出1 (b)和2 (b)新正弦地图在我们的新结构有一个更大的混乱的参数范围比传统的正弦图和李雅普诺夫指数都是正数,这证明了提出的正弦图的优越性。当 和 ,新的正弦图的状态下我们的新结构是完全混乱。(2)新的物流地图在我们混乱的结构我们新的混乱所产生的新的逻辑映射结构提出了如下: 在哪里 是一种新的物流所产生的混沌序列,我们新的混乱的结构,然后呢是新物流混沌序列的初始值。是混沌参数的新物流地图,然后呢是迭代参数的新物流地图。分岔图和李雅普诺夫指数图的新物流地图在我们的新结构如图1 (d)和2 (d)。像《正弦地图在我们的新结构,其混乱的范围和性能比传统的物流地图。当 , ,物流地图在我们的新结构是在一个完全混乱的状态。(3)新的切比雪夫映射在我们新的混乱的结构新切比雪夫映射在我们新结构可以表示如下: 在哪里 是新的切比雪夫所产生的混沌序列,我们新的混乱的结构,然后呢是新切比雪夫混沌序列的初始值。这个新的切比雪夫映射的混沌参数,然后呢是新的切比雪夫映射的迭代参数。的分岔图和李雅普诺夫指数图切比雪夫映射下我们的新结构如图1 (f)和2 (f)。当 和 ,切比雪夫映射的状态下我们的新结构是完全混乱。(4)新的帐篷映射在我们新的混乱的结构新帐篷映射在我们新结构定义如下: 在哪里 是新的帐篷所产生的混沌序列,我们新的混乱的结构,然后呢是新帐篷混沌序列的初始值。是混沌参数的新帐篷映射,然后呢是新的帐篷映射的迭代参数。分岔图和李雅普诺夫指数图的新帐篷映射下我们的新结构如图1 (h)和2 (h)。帐篷映射在我们新的混乱的结构是完全混乱的时候 , 。

4所示。Compression-Encryption提出方案

在本节中,一个安全的和有效的图像compression-encryption提出的方案是使用新的混沌映射在一个新的结构和压缩传感。

4.1。密钥生成

(1)阿诺德干扰参数的生成 数量和干扰 :计算256位的散列值根据原始图像使用sha - 256函数,然后分裂分为两块,和三个初始值 是随机选择的。sha - 256功能可以用来计算主要根据原始图像,和不同的原始图像有不同的阿诺德干扰效果和不同的混沌序列参数,从而达到不同效果的原始图像和不同的测量矩阵。sha - 256功能的具体公式可以表示如下: (2)两个改进的混沌序列的生成 :我们使用本文提出的新的混沌映射产生混沌序列。两个改进的混沌序列生成初始值 和控制参数 。以一个新的帐篷映射和新切比雪夫映射为例子: (3)计算循环序列行方向。随机选择的周期数循环移位的行方向,并生成根据初始值和控制参数 。这些步骤可以表示如下: 在哪里是传统的物流图用于干扰序列行方向,是数字的行,列的数量。行一次的周期数每一行,所以它需要时间。行方向的干扰是根据周期执行的数字行循环移位的方向。由于干涉行方向的数量不会超过的数量 ,可以设置为循环的数量 。(4)计算循环序列列的方向。随机选择的周期数循环移位的列方向,并生成根据初始值和控制参数 。这些步骤可以表示如下: 在哪里是传统的物流图用于干扰序列列方向。同样的,周期的数量列是一个用于每一列,所以它需要时间。干涉列方向根据执行周期的数量列循环移位的方向。由于干涉列方向的数量不会超过的数量 ,可以设置为循环的数量 。

4.2。Compression-Encryption方案

本文提出的混沌映射构造测量矩阵用于压缩和加密。特定加密步骤可以描述如下:第一步:首先,一个原始图像与的大小 是获得。步骤2:原始图像稀疏的离散小波变换(DWT)和稀疏的图像吗的大小 是获得。步骤3:阿诺德干涉图像进行稀疏据阿诺干扰参数 数量和干扰 。为代表的干涉图像与大小 。第四步:根据 混沌序列,得到了两个测量矩阵。一个测量矩阵是由和大小是 。 是一个随机数作为测量矩阵的行数。测量矩阵的列数等于测量图像的行数, ,用于压缩和采样,其他测量矩阵是由吗 ,的大小是 。使用压缩传感压缩和采样过程表示如下: 在哪里压缩后的图像采样,其大小是什么 。第五步:然后执行循环移位加密行方向获得加密后的图像行方向,大小 ,和加密步骤行方向表示如下: 在哪里是位周期执行的数量在所有行方向的控制作为一个整体。函数有两个参数,一个控制行和其他控制列。现在,只要列操作,函数设置为 。第六步:然后,执行循环移位加密列方向获得加密后的图像列方向与大小 ,和加密步骤列方向表示如下: 在哪里是位周期执行的数量在所有列方向的控制作为一个整体。现在,只要行操作,所以函数设置为 。

4.3。解密方案

解密方案实际上是反向操作的加密方案,及其加密方案的原理是一样的。具体的解密步骤可以描述如下:第一步:首先获得加密图像,为代表和大小是 。步骤2:根据周期数循环移位的列方向发送的加密,有点循环序列的解密列方向构造。步骤3:解密加密的图像显示在列方向循环移位和并获得列方向的循环移位来解密图像 ,与大小 。的步骤如下: 第四步:根据周期数循环移位的行方向发送的加密,构建循环序列用于加密的行方向。第五步:对循环移位执行循环移位解密图像进行解密在列方向上根据周期数行方向的循环移位加密发送的加密解密图像获取循环移位行方向和大小 。的步骤如下: 第六步:生成改进的混沌序列根据改进的混沌序列初始值 发送的加密方构造随机测量矩阵,用于减压抽样。和恢复了OMP算法获得解压图像,表示为是哪一个与大小 。第七步:阿诺德执行反干扰据阿诺干扰参数 数量和干扰发送的加密方和逆阿诺德干扰后图像表示为与大小 。第八步:图像受到逆稀疏处理逆离散小波变换(得到),最后解密图像吗与大小 是获得。

这允许接收方解密加密的图像和检索原始消息。加密和解密的流程图如图3。

5。仿真结果和讨论

在本节中,我们模拟和评估安全有效的图像compression-encryption方案,利用MATLAB R2018a模拟。选中的图像的大小 ,和构造随机测量矩阵的大小 。和 ,所有混沌序列的初始值设置为0.3 。行循环移位加密的周期数 ,和列循环移位的周期数 。DWT用于执行的操作,和OMP算法用于复苏。

5.1。加密的效果

我们选择“莉娜”、“繁荣”,“月球”和“大米”图像加密分析加密和解密的效果。我们使用四个新的混沌映射提出以执行混沌加密。加密效果如图4。

从数据可以看出4(一)和4 (c)原始图像变得混乱和不规则加密后,和原始图像的数据不能被识别,这证明了本文所提出的加密方案有很好的加密效果。

5.2。柱状图分析

直方图表示数字图像的像素强度的分布图形,可直观地显示原始图像的像素分布状态和加密的图像。当像素分布不是均匀的,它可能会导致图像细节的损失。原始图像的直方图是独一无二的,容易受到统计攻击。为了防止这种攻击,加密图像的直方图必须相对统一,不同于原来的形象。

从数据4 (b)和4 (d),原始图像的直方图不均匀分布,而加密的直方图均匀分布。可以看出,提出的混沌映射应用于加密领域有很强的抵抗统计攻击。

5.3。关键的灵敏度分析

我们使用该物流地图在我们的新结构进行测试。首先,我们给一组加密密钥加密的原始图像,然后用相同的密钥解密它。我们随机使用一套钥匙加密。当我们使用解密,我们可以得到解密后的图像。但当我们使用解密,我们不能得到解密后的图像。如图5,即使相差解密密钥 ,解密后的图像不能获得;因此,不能获得有用的信息,这表明新混乱的地图有很高的敏感度。

5.4。用于分析

一个好的加密方案应该使密钥空间大于为了抵抗蛮力攻击。有14个钥匙加密方案, 。如果设置的准确性 ,然后我们加密方案的密钥空间 。这表明我们加密方案的密钥空间是大到足以抵抗蛮力攻击。

5.5。PSNR和SSIM分析

为了进一步验证是否安全可靠的加密算法,加密前后图像的质量进行了分析。恢复图像的质量可以评估使用峰值信噪比(PSNR)和结构相似度指数(SSIM)。PSNR值可以表示为 在哪里 的像素值吗 原始图像的位置, 的像素值吗 恢复图像的位置,图像的大小选择的实验,和255年的最大价值是8位表示。一般来说,当PSNR的价值低于28日,图像质量的差异更大。PSNR值越小,图像质量的差异就越大。PSNR值越大,变形越少原始图像。

SSIM是用来测量原始图像之间的相似性和恢复图像,可以表示为 在哪里 , 是原始图像的平均值,恢复图像的平均值。是原始图像的方差,恢复图像的方差,原始图像的协方差和恢复图像。结构相似的范围 。一般来说,SSIM值越大,更好的重建图像的总体质量。当原始图像和恢复图像相同,SSIM的值是1。

表1列出了PSNR和SSIM的分析结果。从表可以看出1PSNR和SSIM的加密方案是最大,表明加密和解密的效果提出了很好。

5.6。信息熵分析

信息熵是用来衡量图像的混乱和灰度值的分布。图像的熵越大,越一致的图像的灰度分布。灰度图像的大小 ,信息熵的理论价值是8。一个有效的加密算法应加密图像的信息熵接近理论值。信息熵可以表示为 在哪里灰度值的概率吗 ,和灰色的水平。

表2列出了信息熵分析的结果。从表可以看出2,加密图像的信息熵比原始图像,这证明了加密图像的灰度分布更均匀的原始图像。

5.7。相关分析

相关分析主要分析在相邻像素之间的相关性的位置。原始图像的相邻像素之间的相关性非常高,而加密的加密图像之间的相关性后一种有效安全的加密系统应该相对较低,相关系数接近于0。相关计算可以表示为 在哪里和代表两个相邻像素的灰度值。

表3列出了相关系数分析结果的安全有效的图像加密方案。从表可以看出3这一点,与原始图像的相关系数相比,加密图像的相关系数大大降低,接近0,这表明上述安全理论方案有很好的加密效果。

6。结论

我们提出一个安全有效的图像compression-encryption方案基于一种新的混沌结构和压缩传感。该方案使用自己提出的一个新的混乱的结构和应用常用的传统一维混沌映射到该混乱的结构来生成相应的新的一维混沌映射。拟议的新混乱的地图不仅使结构简单、容易实现的优点传统的一维混沌映射也扩展了传统的一维混沌映射的参数范围内的空间。需要时是很有用的混沌数字序列。此外,压缩传感用于抽样在这种加密方案,可以减少存储空间和传输带宽。混乱的系统只需要存储矩阵生成参数,可进一步降低带宽。仿真结果表明,该混乱的结构和混沌映射混沌混乱效果好和高强度,和输出序列具有较强的混乱一个非常大的面积参数空间,可以防止相空间重建。它可以被应用到图像加密方案摘要并拥有一个巨大的参数空间,用于可防止暴力破解攻击和统计攻击。

数据可用性

使用的数据来支持本研究的发现可以从第一或通讯作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是完全支持由中国国家自然科学基金(61972051和61972051号),科技创新团队支持计划的大学河南省(没有。20 irtsthn013),河南网络加密技术重点实验室(没有。LNCT2019-A04),河南省青年骨干教师的研究基础(没有。2018 ggjs058)。