[发明专利]超混沌系统与神经网络机制融合的图像块加密解密方法

权利要求书

1.超混沌系统与神经网络机制融合的图像块加密解密方法，其特征在于，利用神经网络的非线性机制，分组加解密结构，构造简单，加密效率高，包括图像的加密过程和解密过程，所述加密过程和解密过程由以下步骤实现：

所述加密过程和解密过程采用的加密密钥为：超混沌的控制参数a,b,c,d,e,k；云模型的期望值E_x，熵E_n和超熵H_e；

所述加密过程包括以下步骤：

步骤一、获取尺寸大小为M×N的灰度图像作为明文图像P；

步骤二、计算超混沌系统的初始值init₁,init₂,init₃,init₄，计算方法为：

init₁＝(sum(P_ij)+0.5cos(4cos(M*N)))/2²⁴

init₂＝mod(10*(init₁),1)

init₃＝mod(10*(init₂),1)

init₄＝mod(10*(init₃),1)

其中，sum(·)表示求和操作，mod(·)表示求余操作；

新四维超混沌系统表示为：

其中x,y,z,w为系统状态变量，a,b,c,d,e,k为控制参数；当控制参数分别取值为a＝25,b＝0.1,c＝40,d＝3,e＝0.1,k＝8时，超混沌系统进入混沌状态；

步骤三、将混沌初始值init₁,init₂,init₃,init₄带入超混沌系统中与云模型结合生成融合随机序列值i＝1,2,...,M×N,作为加解密密钥流；云模型指的是定性概念与其定量表示之间的不确定性转换模型，它具有三个数值特征：期望值E_x、熵E_n和超熵H_e；常见云模型表示为：

y_t＝R_N(E_n,H_e)

seq_t＝R_N(E_x,y_t)

其中，R_N(·)是标准随机函数，t＝1,2,...,N；seq_t为云模型的生成序列；

融合序列生成方法为：

y_t＝R_N(E_n,H_e)

seq_t＝R_N(E_x,y_t),t＝1,2,...,N

其中，i＝1,2,...,M×N,q＝1,2,3,4；表示密钥流；

步骤四、为满足图像加密的要求，对融合序列进行归一化，以使该序列的值在[0,255]的范围内用以做图像加密的密钥流；过程如下：

i＝1,2,...,M×N

其中，floor(·)表示取整操作，mod(·)表示取模操作，abs(·)表示绝对值运算；M×N为图像的尺寸大小；表示密钥流,q＝5,6,7,8，i＝1,2,...,M×N；

步骤五、对原始明文图像进行如下像素置乱操作：

其中，reshape(·)表示改变图像矩阵的形状；M×N为图像的尺寸大小；表示密钥流,i＝1,2,...,M,j＝1,2,...,N，q＝5,6,7,8，P为明文图像，cs为中间密文；

步骤六、利用神经网络的非线性特征提高算法的安全性；将图像像素值矩阵作为输入，并以上述融合序列作为神经网络的隐藏层权重，采用神经网络运算机制，通过逻辑XOR运算获得输出图像像素矩阵，激活函数为取模运算；具体过程如下：

将密钥流i＝1,2,...,M×N,q＝5,6,7,8分别分为M块得到k＝1,2,...,M,q＝5,6,7,8,i＝1,2,...,N，各子块有N个值作为神经网络的权重，使置乱后的图像作为神经网络的输入；继而利用模块化运算作为激活函数，以获取中间密文图像；

k＝1,2,...,M,i＝1,2,...,N

其中，bitxor(·)表示逻辑异或运算；为密钥流块，

k＝1,2,...,M,q＝5,6,7,8,i＝1,2,...,N；M×N为图像的尺寸大小；

步骤七、将中间密文图像cs₃分为左右子块L_i和R_i，i＝1,2,...,M×(N/2)，并使用改进的Feistel费斯妥加密结构和密钥流i＝1,2,...，M×N，q＝5,6,7,8在Galois伽罗瓦域字段中进行置乱和扩散cs₃；由于像素值范围为[0,255]，因此选择GF(2⁸)伽罗瓦域以及本原多项式为D⁸+D⁴+D³+D²+1；经过置乱和扩散迭代16轮后，合并左右两个密文子块为密文图像，将密文图像从Galois伽罗瓦域映射到实数域，得到最终密文图像cs₄,单轮具体加密实现如下：

R_i+1＝GF(F₁R_i)

L_i+1＝GF(F₂R_i+1)

cs₄＝L_i+1||R_i+1

i＝1,2,...,M×(N/2)

其中，GF(·)是伽罗瓦域乘法运算；F₁,F₂是加密轮函数；M×N为图像的尺寸大小；为密钥流,i＝1,2,...M×N，q＝5,6,7,8；L_i,i＝1,2,...,M×(N/2)表示加密前图像的左半子图像矩阵，R_i,i＝1,2,...,M×(N/2)表示加密前图像的右半子图像矩阵，L_i+1,i＝1,2,...,M×(N/2)表示加密后图像的左半子图像矩阵，R_i+1,i＝1,2,...,M×(N/2)表示加密后图像的右半子图像矩阵，cs₄是密文图像，||是合并符号；

解密过程为加密过程的逆过程，具体步骤如下：

步骤八、获取尺寸大小为M×N的灰度图像cs₄作为密文图像，并分为左右两个子块L,R，由于是对称加密,密钥流仍然选择i＝1,2,...,M×N；

步骤九、改进型Feistel费斯妥解密结构，将密文图像cs₄映射到Galois伽罗瓦域对密文图像cs₄，利用逆改进型Feistel费斯妥解密结构进行解密，并映射回实数域，得到中间密文cs₃

单轮解密具体过程如下：

F₂＝GF(L_i/R_i)

F₁＝GF(R_i+1/R_i)

cs₃＝L_i-1||R_i-1；

式中：GF(·)是伽罗瓦域乘法运算；以及为密钥流；F₁,F₂为轮函数；L_i,i＝1,2,...,M×(N/2)表示解密前图像的左半子图像矩阵，R_i,i＝1,2,...,M×(N/2)表示解密前图像的右半子图像矩阵，L_i-1,i＝1,2,...,M×(N/2)表示解密后图像的左半子图像矩阵，R_i-1,i＝1,2,...,M×(N/2)表示解密后图像的右半子图像矩阵，cs₃是密文图像，||是合并符合；

步骤十、将cs₃作为神经网络的输入，密钥流i＝1,2,...,M×N作为神经网络的权重，进行解密逆运算；具体如下：

cs₃＝mod(cs₃,256)

式中i＝1,2,...,M×N,cs₁，cs₂，cs₃是密文图像，bitxor(·)表示逻辑异或运算；

步骤十一、将cs₁结合密钥流i＝1,2,...,M×N，进行逆置乱运算，得到最终解密明文图像P，方法如下：

P＝cs₁

式中j＝1,2,...,N，cs₁是密文图像,P是明文图像。