> 技术文档 > 基于混沌系统的图像加密学习日志——论文学习1

基于混沌系统的图像加密学习日志——论文学习1


前言

本篇博文主要记录我在学校期间(加上放假之初)看的论文,内容是相关算法的框架以及自己的一些理解,会附上一些专有名词的详解(豆包给的),目前我能看懂大部分论文的加密步骤,但是不太理解解密部分的思路以及对加密算法的安全性分析是如何进行评估的,后续会持续看论文来加深理解的,有任何不妥之处,望指正~(如有想知道我具体看的是哪篇论文的,可以私信我)

正文

一、术语解释集锦

1.彩色图像与黑白图像

维度 黑白色明文(如灰度图) 彩色明文(如 RGB 图) 数据结构 单通道二维矩阵,数据量小 多通道三维矩阵,数据量大(3 倍于同尺寸灰度图) 加密对象 单一通道内的像素值,无需考虑通道关联 多通道像素值,需处理通道内及通道间的双重关联 统计特性 仅需破坏空间相关性 需破坏空间相关性 + 通道间相关性 算法复杂度 低,适合轻量化加密 高,需设计跨通道操作以保证安全性 核心挑战 高效破坏单通道像素分布规律 平衡多通道加密一致性、同步性及色彩恢复精度 典型应用 文档、医学影像、指纹 照片、视频帧、遥感图像

2.格雷码

3.常见的安全性分析方法

注:非原创,不是自行总结的,是论文内总结的(我只是记录下来)。

(1) 密钥空间:全部密钥组成的集合即为密钥空间。假若密钥空间不够大,
那么图像加密系统很容易被密码分析者使用穷举攻击破解[56]。因此,我们要引入
合适的密钥以确保密钥空间足够大。
(2) 直方图分析:通过直方图能够清晰的看到图像灰度值的分布状况,从而
得到图像的统计特征。密码分析者就可以根据这些特征来破译密码系统。因此,
图像加密系统应该使加密后得到的图像的直方图尽可能水平。
(3) 相邻像素相关性分析:相邻像素相关性可以反映一个图像相邻像素之间
的关联程度,相关性强则说明关联程度高。灰度图像相邻像素在水平、垂直以及
对角线方向上的关联程度高,即相邻像素值差异小。一个好的加密系统应该完全
打乱原始图像各个方向上相邻像素的相关性,使各个方向上相邻像素的相关系数
尽可能接近于 0,以确保相邻像素值差异大。
(4) 信息熵分析:信息熵体现了图像的统计特征,若信息熵值越大,则表明
图像信息的随机性程度越高。高安全的图像加密方案应使加密图像的信息熵值尽
可能接近 8,来达到抵抗统计攻击的目的。
(5) 差分分析:差分攻击是指密码分析者通过对原始图像做出微小的改变,
然后用加密算法加密变化后的图像,最后通过分析和比较改变像素值前加密后的
密文图像与改变像素值后加密后的密文图像,从而找出一些破绽并破解明文获取
正确的密钥。通常使用 NPCR (number of pixels change rate) 和 UACI (unified 
average changing intensity)来分析加密算法是否能够抵御差分攻击。
(6) 密钥敏感性分析:一个安全性高的图像加密系统应该对密钥非常敏感,
可以分别从加密过程和解密过程来分析密钥敏感性。加密过程:若加密密钥发生
细微改变,则用原始确密钥和变化后的密钥加密同一幅图像时,应该得到两幅不
同的加密图像。解密阶段:若解密密钥发生细微变化,则改变后的解密密钥不能
正确解密用原始密钥加密后的密文图像。
(7) 峰值信噪比分析:PSNR(peak signal-to-noise ratio)是用来衡量图像失真或
是噪声水平的客观标准。两幅图像之间的 PSNR 值越小,则表示这两幅图片之间
的差异越大。可以通过计算明文图像与密文图像的 PSNR 值对一个加密算法的有效性进行评价。一个好的加密算法应该尽可能多的改变明文图像,因此,明文图
像与密文图像之间的 PSNR 值越小,则加密效果越好。

二、图像加密算法

1.像素位置与比特双重置乱的图像混沌加密算法

2.基于三维Lorenz系统的灰度图像加密算法

格雷码与二进制的转换:【三分钟学会二进制与格雷码的互相转换!!】三分钟学会二进制与格雷码的互相转换!!_哔哩哔哩_bilibili

——大家如果想学习格雷码与二进制的转换的可以去B站看这个视频,讲得很清楚。

3.基于四维超混沌系统的彩色图像加密算法

还会持续更新哒~~

加油学习呀!!!