一种基于超混沌与S盒的图像加密方案与实现.pdf

第三章 一种基于五维 CNN 的彩色图像加密算法 目前人们针对不同场景设计和研究出各种的基于混沌的图像加密算法并取 得不俗的研究成果。但仍然有一些图像加密算法存在不足之处。如基于一次一 密的加密方式多产生随机输出，这类随机输出通过随机密匙的形式体现出来， 但并没有很好地解决如何保存和分发密钥的这个难点；而使用 Bit 规则的加密 往往需要进行大量的运算，难以应用在实际的图像加密中；基于随机技术的图 像加密方式，选用的是与明文无关的密钥，使得加密算法对明文敏感性较弱； 而基于伪 DNA 序列与混沌映射结合的图像加密算法，虽然相对易于实现，但是 存在 DNA 编码规则有限，难以抵挡破解者的穷举攻击 Error! Reference source not found.- Error! Reference source not found. 。因而相关专家学者们依然在不断地研究新的图像加密 方法并对传统的各种加密算法进行改进。本文针对目前低维混沌算法存在的明 显缺点，提出一种基于五维 CNN 超混沌与 S 盒结合的图像加密算法，通过仿真 实验表明，该算法能够有效地抵挡明文(密文)攻击，实现了一次一密，而且拥 有更加大的密钥空间，具有优良的加密效果。 3.1 五维细胞神经网络混沌系统 从本质上来说，CNN 是一种神经网络系统，它可以实现局部互联。所以目 前人们已经把它应用到了模式识别和图像处理等方面并取得很多成果。它的运 行机理是比较复杂的，属于动力学行为中的一种，能够实时的处理信号。这一 概念是 Chua 在 1988 年率先提出的。随后有人将它应用到了图像加密方面，通 过大量的实验表明，只要选取的参数在合适范围内它能够产生应用在图像加密 算法的混沌序列，扩大算法的密钥空间，以防止被破解。如何振亚等人早在 1999 年就发现，混沌现象可以产生于一个三细胞的 CNN 系统中，当然有一个前 提条件就是，我们要保证所取的参数合理，后续刘玉明等学者又验证了这个说 法，将四维 CNN 产生的超混沌序列应用到了图像加密当中，并且这个超混沌序 列仅由 4 个细胞产生[34]。但是低维CNN 混沌系统的参数少，其所产生的密钥空 间相对不够大，受到密码破解者的穷举攻击和明文攻击时不易抵抗。而由高维 CNN 生成的超混沌行为能够拥有更多的可控参数和实时性，当然这得益于它这 种混沌行为有更高的复杂程度。本文引用了文献 Error! Reference source not found.-Error! Reference source not found. 的五维细胞神经网络模型，选取五个神经元组成神经网络， 其模型动力学方程式如 (3.1)所示： dxj n n    x  a f x    A f (x ) S x  I j j j k k k k j  dt k 1 k 1  k j (3.1)   f (xj )  1 ( xj  1  xj  1)(j  1,2,3,...,n)  2 其中 n 的取值为 5，S11 、S23 和S33 的取值为 1，S13 和S14 、S45 和S55 的取 值为-1，S22 的取值为 3，S31 的取值为 11，S32 的取值为-12，S4 1 的取值为 92，S44 的取值为-94，S53 的取值为 15，a4 的取值为 202，其余参数取值均为 0，则五维CNN 系统如式(3.2)所示：   x1  x3  x4   x  2x  x  2 2 3    x3  11x1  12x2