ISSN１００７Ｇ１３０X
计算机工程与科学
)文章编号:１００７Ｇ１３０X(２０２００１Ｇ００８０Ｇ０９
ComuterEnineerinciencepgg&S
第４２卷第１期２０２０年１月
Vol４２,No１,Jan２０２０
基于新混沌与矩阵卷积运算的彩色图像加密算法
()齐齐哈尔大学计算机与控制工程学院,黑龙江齐齐哈尔１６１００６
∗
魏连锁,胡现成,陈齐齐,韩 建
加密后的图bonacci混沌序列及前相邻像素值进行正反双向２次异或操作生成加密图像.实验分析表明,
像直方图更加平滑,像素分布均匀,图像相邻像素相关性低,加密图像R垂直和对角相GB分量平均水平、关系数分别为－０．能够抵抗差分攻击、明文攻击、噪声攻击和剪切攻击等攻击实００１０,０．００１６和０．００３１,验,提出的新加密算法具有加密安全性高、抗干扰性高、鲁棒性强等特点.
关键词:彩色图像加密;云模型;矩阵卷积算法Fibonacci混沌系统;:/doi１０．３９６９．issn．１００７Ｇ１３０X．２０２０．０１．０１０j中图分类号:TN９１１．７３
文献标志码:A
系统与矩阵卷积运算的彩色图像加密算法.首先对彩色图像的R、G、B分量拼接图像像素点坐标变换置乱;然后将混沌序列值作为卷积核的输入值与像素值进行矩阵卷积运算,实现像素值置换;再与云模型FiＧ
摘 要:针对彩色图像加密过程中出现的强相关性和高冗余问题,提出基于云模型的Fibonacci混沌
Acolorimaeencrtionalorithmbasedongypg
newchaosandmatrixconvolutionoerationp
(,,)ColleeofComuter&ControlEnineerinQiiharUniversitQiihar１６１００６,Chinagpggqyq
,,,WEILianＧsuoHUXianＧchenCHENQiＧiHANJiangq
:AbstractInordertosolvetheproblemsofstronorrelationandhihredundancintheprocessofgcgy
,colorimaeencrtionacolorimaeencrtionalorithmbasedoncloudmodelFibonaccichaoticssＧgypgypgy
,temandmatrixconvolutionoerationisproosed．FirstlthealorithmpermutatesthepixelcoordiＧppyguencevaluesareusedastheinutvaluesoftheconvolutionkernel．Alternativematrixconvolutionqp,natesoftheimaestitchedbtheR,G,andBcomonentsofthecolorimae．SecondlthechaoticseＧgypgyoerationisperformedonthechaoticseuencevaluesandthepixelvaluestoachievethepixeltransforＧpq
,mation．ThirdltwooositeXORoerationswiththecloudmodelFibonaccichaoticseuenceandtheypppq
,lationbetweenadacentimaepixelsislow,andtheaveraehorizontalverticalanddiaonalcorrelationjggg
coefficientsoftheRGBcomonentsoftheencrtedimaeare－０．００１０,０．００１６and０．００３１,resecＧpypgp,hihencrtionsecurithihantiＧinterferenceandstronobustness．gypyggr
:;;KeordscolorimaeencrtioncloudmodelFibonaccichaoticsstem;matrixconvolutionaloＧgypygyw
,reviousadacentpixelvaluesaredonetogeneratetheencrtedimae．Finallsimulationexerimentspjypgyp
,showthatthehistoramoftheencrtedimaeissmootherthepixeldistributionisuniform,thecorreＧgypg
tivel．Theencrtedimaecanresisttheattackexerimentssuchasdifferentialattack,laintextatＧyypgpp
,tacknoiseattackandshearattack．Theproosednewencrtionalorithmhasthecharacteristicsofpypgrithm
∗
收稿日期:修回日期:２０１９Ｇ０４Ｇ１２;２０１９Ｇ０８Ｇ２８
;;基金项目:国家自然科学基金(黑龙江省自然科学基金(黑龙江省教育厅面上项目６１５７１１５０,６１８７２２０４)LH２０１９F０３７)
(););黑龙江省高等教育教学改革立项项目(研究生创新科研项１３５１０９２３７,１３５２０９２３５SJGY２０１７０３８６,SJGY２０１８０５６７,GBC１３１７２１２
);)目(齐齐哈尔大学教育科学研究项目重点支持项目(YJSCX２０１８ＧZD０９２０１６０１０,２０１６０１１
通信地址:１６１００６黑龙江省齐齐哈尔市齐齐哈尔大学计算机与控制工程学院
:,,,AddressColleeofComuter&ControlEnineerinQiiharUniversitQiihar１６１００６,HeilonianP．R．Chinagpggqyqgjg
魏连锁等:基于新混沌与矩阵卷积运算的彩色图像加密算法
８１
１ 引言
随着信息技术的快速发展,图像、视频、音频等多媒体数据的安全引起了人们的广泛关注.对图像信息进行安全、高效的加密是多媒体研究的重点
[]１,２
３,４]
.为当下图像加密的有效方法[
２ 云模型Fibonacci混沌系统
２．１ 云模型
模型拥有期望值E熵Ex、n和超熵He共３个数字
]１２
.特征,它是用来表示不确定性转换的模型[
云模型发生器多是基于伪随机数的发生器,云
,而基于混沌系统设计新型的加密算法则成
常见图像加密过程是利用混沌序列对明文图
Ex的值反映了在云滴群里云重心所在的位置.
n像置乱来改变像素点位置;同时通过对像素点的像１()Ex＝X＝∑x１ini＝１
素值进行数值改变,使原始图像信息被隐藏;最后对像素点进行扩散处理,使明文像素点的信息隐藏在更多的密文像素点中,像这样置乱、置换多步骤的图像处理过程才能提高加密的安全性.文献[设计了一种扩散联合置乱联合扩散的加密方法５
]提出利用耦合沌系统过于简单LＧo,gi难以抵抗穷举攻击stic映射产生随机密钥流Ｇ,,但混,并且扩散过程繁琐.文献[oistic映射加入到时空混沌中６]为提升混沌系统复杂性,将混沌系统作为,将分段像素置乱的依据g
,同时分量相互置乱的方法置乱,虽然混沌系统复杂难被破解,但是置乱扩散后的像素存在相关性大的问题.文献[映射和改进７]提出基于Tent
然后利用混沌序列对Loistic等映射构造四进制复合混沌系统,g彩色图像加密,虽然置乱扩散方法能减少相关性RGB分量联合置乱的,
并且混沌系统能抵抗穷举,但是４个混沌的组合过于复杂化,影响加密效率.文献[系统的并行多通道彩色图像加密８,利用]提出混合混沌别对３个分量加密,尽管形式简单,但是置乱扩散３种混沌分方法传统,密文相关性大.文献[的复杂度,利用Loistic、Tent与９]为了降低算法合混沌系统,通过人工神经网络处理混沌序列gSine映射构建复,再利用神经网络序列实现明文置乱,通过构造量化方法与分段异扩散技术,对置乱图像实现分类加密.对此,本文提出了基于云模型的沌系统与矩阵卷积运算结合的彩色图像加密算法Fibonacci混,该算法的混沌序列随着云模型随机种子的随机变换,重复运行产生不重复的多组动态混沌序列,并且混沌系统密钥空间大;利用复合混沌序列对GB分量拼接的图像像素点进行置乱变换,
再利用矩阵卷积运算[１０,１１
]来将置乱后的像素点进行置换,增强密文抗攻击能力;最后与混沌序列及前相邻像素值进行异或扩散,实现了图像加密过程的位置置乱数值变换扩散的整体文攻击性强Ｇ设计.该算法抗明,具有加密安全性高的特点Ｇ.
其中,xii＝１,２,,n表示输入样本点,n为样点取值个数,
本.
样本方差定义如下:
S２
＝１n(xi２
( Enn－１的值揭示了数据∑i＝１
－X)２)间模糊性和随机性的关联性.
En＝π×１n He是对En的不确定度量２n∑i＝
１xi－Ex(３),
反映了云的离散程度和厚度.
He＝S２
－En２正态随机数yi由方差He２
和期望值En生成(４),正态随机数xi由期望值Ex和正态随机数yi２
生成,xi即云滴,
其具有随机性和稳定倾向性的特点[１３
]yi＝RNEx(n,He)(.５)i＝RN(Ex,yi其中,RN为正态随机数,算法云模型取值为)５０００,Ex(６＝)En＝３如图１a,He＝１云滴图所示.,
云模型数字特征产生的云滴分布具有正态分布特性,从图x云发生器的数据不像混沌序列具有１b中可以看出,
i居中分布.分布均匀的特性,但是云模型的数据可以随着随机种子的变换而变换,将云模型的随机性与混沌序列相结合,让混沌序列实现了长期不可预测,序列的规律将很难被发现,在加密应用中将会起到很好的加密作用.
２．２ 构建云模型Fibonacci混沌系统模型
混沌系统利用的随机数能克服序Fib列on本acc[４]
身i产生随机数１
存在的相关性,.产生bonacci数列[１５]
如式(７
)所示:FiＧ
i＋１＝(xi＋xi－p)
modM,i＝p,p＋１,,M∈N其中,p＝
１,２,,n为数列输入值的下标,M为模(７
.)LRx８２
()ComuterEnineerincience 计算机工程与科学 ２０２０,４２１pgg&S
展现了混沌结构的数据传输流程以及组合公式.、云模型Fibonacci混沌系统通过将量子loisticloＧg
如图２所示为混沌序列发生器的组合结构图,
Figure１ C图lo１u dd云滴分布
rop
letdistribution快速、易于实现等特,并且模型采用广义三阶Fibonacci数列具有简单、
性Fj＝AiFFibonacci函数模型:
i－１＋BiFi－２＋CiFi－３其中,A)i,B(i和Ci表示随机常数,M)为模mod,FM(８i为云滴群.量子LogisticQL(QuantumLog
istic)[１６]映射的表达式为:
ìï
xn＋１＝r(xn－xn２
)－rynïïyn＋
１íï(e－２βï [２＝－yn＋re－β×－xn－xn∗)yn－xnzn∗－xn∗
zn)ïzn＋１＝－zne－２β＋re－β×](９î其中,x [２(１n－xn∗)zn－２xnyn－xn]散参数和控制参数,yn,zn表示,x３组输入值,βr分别表示耗n∗和zn∗
分别是,xn和zn的共轭复数,本算法取初值２,xr＝３．９９０＝０．３,y０＝０．０６,z０＝量子混沌映射作为随机动态参数.
,降低了序列
相关性,经过广义三阶算[再与Logistic映F射ibo耦na合cci的函数模型运
１７
]得到云模型o,FiＧXnacci混沌系统:
n＋１＝AFQL＝(F(Q(γ,β)))＋L(x０,μ)
mod１其中,Q(γ(示将云滴代入到式,β)表示(量型的序列８)子广义三阶混沌系统Fi;bFon(Qac(cγ,β))１０
表)μoFjgist;icL(x０,μ)表示初始状态为xi函数模０为μ的L混沌系统,０]、,参数算法新的非相关混沌序列＝３．
.最后通.
过与μ的取值在[中取８Logistic映射耦,４合产生g
istic、Fibo,n结合了acci数列和云模型相结合,构造出新的混沌系统,以及多组混沌序列的混沌性和云模型Fibonacci数列简单、快速、易于实现的特性的正态分布特性,提高了系统复杂度.但是,系统的时间复杂性也相对提高了,在进行多组图像加密时,将会有短暂的时间延迟.
图psFiguorＧera２nd Somcchehmaoattiiccsdieaq
g
ureanmocegfCeneFrCatSor基于云模型的２eu CdFCS伪随机混沌序列发生器示意图
混沌序列相互独立,F在对彩色图像加密过程中用到ibonacci混沌系统生成的多组
多组混沌序列,如加密过程中产生的F１(i),F２(i),F３(i),F４４个混沌序列
混沌序列固定统一,很容易推断出混沌规律(i).传统混沌系统生成的,而用云模型沌序列F,i从而提高图像加密的效率bonacci混沌系统可以随意生成无数组混.２．３ 伪随机发生器设计步骤
步骤１ 首先选取量子初始值及系统控制参数,代入Logistic混沌系统的到xyQL混沌系统中,得ny,n和zn均在(０,１)内的实数三阶序列(xn,n,zn步骤).２ 选取云模型期望值ExHe３个参数的初始值,,熵En和超熵利用云发生器生成随机的云滴群.
步骤３ 将步骤１产生的QL混沌三阶序列
(bxnona,yn,zn)代入式(cci函数模型的参数８)中A分别作为广义三阶FiＧi,BiC的云滴代入式(模型的函数值F８),中作为广义三阶,i,F并将步骤ibonacci２中函数i型序列.
产生广义三阶Fibonacci函数模步骤４ 将步骤３中产生的广义三阶bonacci函数模型序列与Loistic混沌系统代入式FiＧ
(生最后所需的均匀非相关的序列１０)中级联耦合,广义三阶gFibon.
acci混沌系统产０b魏连锁等:基于新混沌与矩阵卷积运算的彩色图像加密算法
８３
置乱方法如图４所示.P１.、单的L序列oisticTen映射具有伪随机特性好、g独立不重复和安全性高的特点,能产生均匀且非相关的伪随机混沌序列.
基于云模型与Fibonacci的混沌系统相比于简
３ 加密算法设计
３．１ 加密算法描述
加密算法首先对原始彩色图像的R、G、B分量进行拼接,利用混沌序列映射更替像素点坐标,达到像素点置乱的目的;再通过矩阵卷积运算置换像素值;最后进行像素点间的相互异或扩散,３通３．２ 加密算法步骤
道拆分整合后得到加密图像.流程图如图３所示.
Step１ 预处理.
预处理指彩色图像的转换.原始彩色图像(W,为图像的宽,H为图像的高)PH×W×３位于三维空间,将彩色图像分解为R、然后拼G、B３通道图像,接成为二维低维灰度矩形图像P０.
Fiure４ Scramblinrocessggp
图４ 置乱过程
置乱公式如下所示:
Step２ 置乱.
将二维的灰度矩形图像P即将P０置乱成P１,０
位置坐标与混沌序列所转换的数据坐标进行映射互换生成加密图像P１.选取图像像素点的平均值作为密钥,通过隐密通道与混沌参数值一起传输到tic映射的初始值来生成云模型Fibonacci混沌序
);再乘以明文图像的高h列F１(ieiht和宽widthg进行扩展,取整得到(之间的整数序列０,H∗W)接收方,密钥分别作为云模型的随机种子和LoisＧg
其中,Xi和Yi分别表示混沌序列中每１个元素对应的行与列;用W表示图像的宽;Te为辅助变量,来临时存储变换位置的像素值.
Step３ 卷积置换.
将P即由P１置换成P２,１进行矩阵卷积运算
)＝i())F１intF１(ieiht×width)(１１×h１(g)i％Ni＝F１１(ìïXï)/Yi＝F１iN１(ï
,()e＝P０[i１２íTj]
ï
,iXYi]i,j]＝P０[ïP０[
ï[,]îP０XeiYi＝T生成加密图像P要在矩阵的２.在卷积运算之前,
最右边和最下边补零.P×２单位矩阵在卷积１内２
)内２×２运算后右移１位,同时将卷积核filter(t的随机序列进行更替,t表示随机数,１行结束再转至下１行依次进行矩阵卷积运算.在结束卷积置换后再去掉添加的行列零.矩阵卷积运算流程如图５所示.
)需云模型Fibonacci混沌系统混沌序列F２(i).最后将混沌序列中每１个元素F１)F１ii１(１(
(,用F(行,列)坐标i＝１,２,H∗W)x,x:y)(y:形式表示出来,利用混沌坐标映射更替像素点坐标,达到像素点置乱的目的,再调整矩阵后得到
Fiure３ Encrtionprocessgyp
图３ 加密过程
８４
()ComuterEnineerincience 计算机工程与科学 ２０２０,４２１pgg&S
Fiure５ Convolutionalpermutationg
),先通过式(进行扩展得到F２混沌序列扩１３)i２()展如式(所示:１３
图５ 卷积置换
及前像素值P２[当i＝０时,i－１]３个数据元素,_m初始前像素值P２[i－１]为imaeean.gSteG、Bp５ 最后归一化后把图像转换成R、
模式的彩色图像.
矩阵卷积将会扩大数据的范围,无论是置乱还是置换,混沌的范围难以达到置换扩散的效果,需要对序列进行不同程度扩展.而矩阵类pading的补零过程可以避免边缘数据遗漏,在卷积运算后再与混沌结合可以防止通过边缘数据反推出图像真实数据的可能性.
解密过程与加密过程相反,根据像素的平均值产生云模型Fibonacci随机序列来进行解密.解密步骤如下:
()将加密后的图像转换为R、１G、B灰度图像.()将图像的平均值作为初始值生成云模型２
())根据式(对加密后的P３１５~式(１７)３矩阵
)＝i()),F２intF２(i００×１２(
,}()i∈{０,１,２,heiht×width－１１３g将连续的４个混沌序列值放到２×２矩 然后,
))进行卷积运算,最后与F３(随机序列做ilter(tif)差得到P１４２置换图像矩阵.像素置换公式如式(所示:
][:]P２[ium(P１[ii＋２,×j]＝sj:j＋２
)))()ilter(ti１４－F３(f),阵中组成卷积核f再将Pilter(t１矩阵与卷积核
)表示另１组混沌序列.式(即为PF３(i１４)１内矩
阵与卷积核的卷积求和运算公式.
Step４ 异或扩散.
)表示混沌序列,)为扩展序列,其中,F２(iF２i２(
bonacci混沌系统及前后相邻像素值进行正反双向２次异或操作生成加密图像P１５)３.首先利用式()进行扩展,对随机序列F４(再与P前(后)i２矩阵、相邻像素值进行正反双向的异或运算,实现像素点之间扩散的相互影响,得到P３.
８
)＝i())F４intF４(i０×１４(
正向扩散:
将P即由PiＧ２异或扩散成P３,２与云模型F
Fibonacci随机序列.进行异或运算.
())异或运算后的矩阵再进行式(所示的反４１８
卷积运算:
][][)P１[iii＋F３(－j]＝P２[j]][]][]][P２[i＋１ilter[１１i＋１×f－P２[×j＋１j]][]][]][]ilter[１０iilter[０１－P２[×ffj＋１就 Step６ 卷积运算恢复后再进行置乱运算,
可以得到原图像.
以上图像加密算法将广义三阶Fibonacci和云
()１５
]＝P２[]⊗F４)⊗P３[０００４(ìïï
(,í intimae_mean)i＝０gï
îP３[]＝P２[]⊗F４)⊗P２[],iiii－１i≥１４(
()１８
反向扩散:P３[N×M]＝P２[N×M]⊗ìïï
(N×M)⊗intimae_mean)í F４４(gï
îP３[]＝P２[]⊗F４)⊗P２[],iiii＋１i＜N×M４()为其中,imae_mean表示像素值的均值,F４i４(g混沌扩展序列,异或过程需要像素点与混沌序列以
()１６
模型结合,放大了对整个加密系统的初值敏感性,增大了密钥空间;将图像的像素平均值作为混沌序列的初始值,同时将平均值与异或运算紧密结合,提高了明文敏感性;通过卷积运算将置乱后的矩阵进行置换操作,微小的误差将会影响后面所有的计算结果,并且会逐渐放大误差,达到较好的置乱效果.
()１７
魏连锁等:基于新混沌与矩阵卷积运算的彩色图像加密算法
８５
４ 加密仿真测试
４．１ 加密结果
,密算法,图像为２分５６×２５６的彩色图像Peerspp别展现图像加密过程中置乱、置换与扩散后的图像,通过视觉分析很难辨别加密后的图像,加密过４．２ 密钥敏感性分析
密钥敏感性是加密算法安全性分析的一项重
－１６要检测步骤.本文将混沌初始密钥偏差１进行０
本节利用Pthon３．６测试所提彩色图像的加y
程如图６所示.
Fiure７ Keensitivitnalsisimaegysyayg
解密,解密出的图像无法识别出原始图像,在偏差为１０
－１７
时能恢复原图像,表明该算法具有很强的
分布如图８所示,矩阵卷积运算后的直方图分布与分量直方图分布平滑,无法辨认出加密前的分布规律,直方图显示加密效果明显.４．４ 相关性分析
图像像素的位置关系分为水平、垂直和对角线
图７ 密钥敏感性分析图像
敏感性.图７对加密后的Peers彩色图像进行pp了偏差解密.４．３ 直方图分析
加密前后Peers图像的R、G、B分量直方图pp
明文直方图出现了明显的不同,加密后的R、G、B
Fiure６ Colorencrtionimaesgypg
图６ 彩色图像加密图
Fiure８ Historamgg
图８ 直方图
８６
()ComuterEnineerincience 计算机工程与科学 ２０２０,４２１pgg&S
Table１ Correlationanalsisofadacentpixelsinimaeyjg
表１ 图像相邻像素值的相关性分析
算法明文本文算法]文献[１９]文献[２０相关性
水平方向０．９７７３
竖直方向０．９７０５０．００１６０．０４４５０．００１８对角方向０．９５２５０．００３１０．００２２０．００３７]１８
.图像像素之间的强相关性会威胁到上的相邻[
图像信息的安全,相关性越小,则置乱的破坏程度越高.图９展示了原图像像素分布、卷积图像、密及表１可知,明文图像分量像素相关性较高,相关系数都接近１,密文图像的相关系数趋近于０,本文的加密算法破坏了原始图像的统计特性.相关性分析公式如下所示:
文图像的水平方向相邻像素的分布图.分析图９
－０．００１０－０．０１６８０．０００７r(x,y)＝(１T∑Ti＝１(xi－１T∑Ti＝１
xi)(yi－T∑i＝１yi))/(∑Ti＝１(xi－１TT∑i＝１
xi)２
×T(yi－１Tyi)２)１/２
(１９)i和y∑i＝１Ti为相邻像素点的像素值∑i＝１
其中,x,
T为像素点的数量.原图像及加密后图像的相关性如表示.
１所
Figure９图 Horizontaladj
acentpixeldistribution．５ 信息熵
９ 水平方向相邻像素分布图
信息熵用来度量图像中像素值的分布情况,像素值分布越均匀信息熵越大.信息熵计算公式为:
H(m)＝
∑２５５
i＝０
p(
mi)×logb１/p(mi)(２０)文献[２１
]０．００６０
０．００１３
０．００３７
其中,mi表示像素的值,mi率.根据式(２０所示)计算出的彩色图像p()表示像素出现的概.表R、G、B分量的信息熵如表息熵,本文算法加密后的信息熵接近于２２给出了多种加密算法的信值分布均匀,算法具有较强的抵抗统计攻击的能力８,说明像素
.
Table２ Comparisonofinformationentropyamongdifferentencryptionalg
orithms表２ 本文加密算法与其他加密算法的信息熵对比
算法
信息熵
来源文献[１９]７R分量
７G分量
７B分量
文献[２０]]７．７．９９２７８７．９７４４７．９７０５文献[２１本文
７．．９８９８９３９９６３４
７．７．９．９８９４９８９９３４２
７．９９００７．．９９８９９６３７
４．６ 差分攻击
差分攻击严重威胁着图像信息的传输安全,加密算法敏感性越强,抵抗攻击能力越强,它是加密技术领域中最具有挑战的篡改形式,好的加密机制应该能够抗差分攻击.NPCR与UACI变化率值是抗差分攻击的衡量标准,用来评价加密算法的抗差分攻击性能.其计算公式为:
NPCR＝
∑i,jDH(
i,j)×W×１
００％(１
２１
)UACI＝
HD(i,H××
j)－HD１(Wi,jH∑i,,j其中和W表示图２５像５)×１００％(２２)的高和宽,
像素变化率和像素平均强度变化率的理想期望值为３３．４６４％[２
２]
.９９．６０９％和
分析表３可知,本文算法对图像的微小变化很
敏感,能有效地抗差分攻击,图像各层的像素变化率和像素平均强度变化率接近理想值.和其它文献数据对比,像素变化率和像素平均强度变化率的数值略有不足,稍有差距,但数值大小接近期望值,
４魏连锁等:基于新混沌与矩阵卷积运算的彩色图像加密算法
８７
以分辨出原始面貌,由此得知算法具有更强的抵抗具有很好的敏感性.
Table３ AnalysisofNPCRandUACIofimag
e表３ 图像的NPCR和UACI值分析
算法测试项目
R
G
B
％
NPCR本文
９９．５０１１９９．５１０２９９．４９５６UACI３３．３６９６３３．４２６５３３．３８７４NPCR文献[１９]９９．５６４３９９．６２５８９９．６２８５UACI３５．４５６０３３．２１９９３３．０１８４NPCR文献[２０]９９．６２３１９９．６３３８９９．６１７０UACI３５．４７４７３３．５６８３３３．３３８２NPCR文献[２１
]９９．６４９０９９．８２３０９９．８５７４UACI３３．４７０８３３．５９６０３３．４９３７
．７ 噪声攻击
在现实情况中,信息的传输容易受到各种干扰和攻击,所以要求图像加密算法具有较强的鲁棒性.为了测试本文加密算法的抗噪声攻击性能,图声０对加密后的密文图像添加了不同强度的高斯噪
,图１０a为添加强度为０．２的高斯噪声后的加密图,从解密后的图,而增加强度为１０b可以直观地辨别图像的主要信息但是解密后的图像依然可以分辨０．３的高斯噪声后,图像变得模糊,,因此可认为本文加密算法可以抵抗噪声攻击,具有一定的抗击噪声干扰能力.
Figure１０图 N０o is噪声攻击解密图
eattackdecryptionmap
．８ １剪切攻击
实验通过对加密图像进行剪切来验证该加密算法的抗剪切能力.图的裁剪,解密图像如图但不会影响图像的整体轮廓１１１１ba对密文图像进行所示,虽然解密后的图２５％像会出现噪声,.从图１中可以看出,
当密文在传输过程中遇到剪切干扰时,本文算法具有很好的安全性,其解密图像可
裁剪攻击能力.
Figure１图１ C ut剪切攻击解密图
attackdecryptionmap
．９ 选择明文攻击
１１对于加密系统的明文攻击,选择明文攻击的威胁最大.选择明文攻击是指攻击者利用已知加密算法,并且可任意选择明文,通过对应的密文推导出中间密文.本文算法选择利用选择明文攻击来测试加密图像的安全性,将彩色图像个像素点加１,
得到新的明文图像,选择像素值全Pepp
ers的第为２０的明文＝{１,I}＝,序列{０,０F,０,３＝０{},};设置乱操作对像素值云模型混沌序列为０的明文无效２,３,４,置乱后的密文依然为５
Z＝{０,０,
本文算法能有效抵抗选择明文攻击,０},再做卷积运算为－５,使像素值不为.
０,所以 结束语
本文提出一种基于云模型与矩阵卷积算法的彩色图像加密算法Fibonac,c将广义三阶i混沌系统
ibonacci和云模型结合,
提高了混沌系统的复杂性;同时加密算法将三通道图放在同一平面里进行处理,降低了算法的计算强度和空间需求,通过卷积运算将置乱后的矩阵进行置换操作,降低了提高了明文与密文关系复杂度.验结果表明GB相关性,实,加密后图像成功隐藏了图像信息,无法辨认加密后的分布规律,并且可以有效抵抗干扰攻击、明文攻击等测试攻击,具有加密安全性高的
特点,拥有较高的使用价值.参考文献:
[１] ZrehlaatnegdYsohnufgfl．inTghe[
Jim．aIgEeTeEncrTyepcthionincaalRlg
orithmwithplaintextＧ３１０Ｇ３２２．
]eview,２０１６,３３(３):[２] BcrelaztiAions,cAhbedEmeblＧLasaetidofAnsAu,bBsetlitguhtiitohSnＧ．erAnmutoavteilonnimaeg
tewenＧ[３] WanydptiveenCchaenchorasyn[JpgtＧ]icoi．Sna,igWnlgaalonProcesrigthQmfin,siorHng
,２０１６,１p２８(Ciumaang
gebFausＧemdoinna,e)ta:１５５Ｇ１７０．orkffilne．SaenlfdcＧadoamp
ＧＧ４１F０４１５FR４１８８
()ComuterEnineerincience 计算机工程与科学 ２０２０,４２１pgg&S
]CNN[J．OtikＧInternationalJournalforLihtandElectronpg
[]２０ LiuH,KadirA．Asmmetriccolorimaeencrtionschemeygyp
１１３:１０４Ｇ１１２．
,():Otics２０１４,１２５５１６７１Ｇ１６７５．p
[]４ ChenJX,ZhuZL,YuH．AfastchaosＧbasedsmmetricy
[],:osedchaosJ．JournalonCommunications２０１２,３３(１１)p
()１１９Ｇ１２７．inChinese
[]imaecrtosstemwithandimroveddiffusionshcemeJ．gypyp():２０１４,１２５１１２４７２Ｇ２４７８．
,OtikＧInternationalJournalforLihtandElectronOticspgp
,usinDdiscreteＧtimemaJ]．SinalProcessin２０１５,g２p[gg
[]５ ZhaoHX,ChenHanJH．AnewcolorimaeencrtiongP,gyp
２０１４,６０２Ｇ６０５:３４９８Ｇ３５０２．
[],W２１ XueWeianei．AcolorimaeencrtionalorithmgLgypg
()２６３Ｇ２６８．inChinese
[],schemebasedonchaosJ．AliedMechanics&Materialspp
],:basedonnovelchaos[J．OticalTechniue２０１８,４４(３)pq
[]６ Wanenin．AnimaeblocksencrtionalorithmgX,TgLgypg
[],２２ ZhuConＧxuSunKeＧhui．Crtanalsisandimrovementgypyp
ofaclassofherchaosbasedimaeencrtionalorithmsypgypg[],:J．ActaPhsicaSinica２０１２,６１(１２)１２０５０３Ｇ１Ｇ１２５０３Ｇ１２．y
,basedonsatiotemoralchaos[J]．NonlinearDnamicsppy
[７] L２０pli１euZ２,xch６i７Ｇj(u１n)．:３C６o５lＧo３r７i１m．
ageencryptionalg
orithmbasedoncomＧ８ XveiirasoFityhae(oEsnang,ginndeaefrfiinnZhangLgeiＧlStrciaennscfeor)m,２[０J１]６．J,４o６ur(n４a)l:１oＧf８S．h(ainCndohnigneU
i,FengF
ei．ParallelmultiＧchannelcosleni)Ｇ[]orlemctargoeniecnmicencgs&cryptCioonbmpuatseerdo,２０nh１６y,b３r３idryptionalgorithmbaseg(８c)h:adoFnoq７o６tＧi８c１sy
．snedit(itnCemmaelns．Ih[iJiomn]nae．agsMlhedei)croeＧ[９] MaLin,HouXiaoＧmao,ZhanuＧuan,ey
y
bnraiＧcdJhoauortniacsloyfsteEmlecatnrodanicrtifMiceiaaslnureemureanlntaetndworInklstreuarmneinntgat[iJon]．,[１０] Z２０１mh８eatn,３hg２J(u８nＧ)y:１a０n９gＧ１,１G６imu．eo(inCnsiYoannhialmgn,esHe
atu)rixcXiaoon．vPolaurtailolenlc[Jo．mJpouutrinnag
l
[１１] D５o１f５ZＧ５ho２ejd３iaf．no(igrtnCUwnohiＧivdneersse
it)y(EngineeringS
cience),２０１８],５２(３):o[ncazaSC]o∥PnvoMlu,tiVoenogaFper,raMetianotcniosLeont,efthhteeaIglEy．ErIamEItaognrteedursantncrisrafylop
rtiEmonblecdtoaromsnaeiidcnSociety
,r２o０c１o２fC:１５o２n７fＧe１５２９．s
[１２] CthheanngorLm,DeLI,YiDU,etInaflo．rSmoamtieosnatatnisdCticaolntarnoally
２si０so０５f３４(２):２３a６lＧ２cl３o９u．
dmodel[J]．,,
[１３] QmiMizatingＧjun,YangAiＧhong．Quantumparticleswarmop
tiＧpionbasegdoinencerilnogudandmoAdeplp
lcilcoatuiddonsro２p０le１ts２,t４r８at(e２g４y)[
J４９]Ｇ．[１４] W５C２oa．mn(ginCuterEBaihＧinienns,e
Y),:oanonＧshen．Theeneraltermformula[１５] YCfoltlheeFg
eMibyaotnhaeccmisatiegcrsieD,sag２０１n５di,１８tsagg
(４)p:p４l０icＧa４t１io．n(isnC[Jh]i．nSetsued)iesinfreesqilAFuently,u
YsaeldabpiskeuMdorC．aArndeopmorntuomfbaesrig
gneinfiecraanttorer[rJo]r．aornaiv:１４０８．１９００,２０１４．
XＧ[１６] AtkhshaniA,AkhavanA,LimSC,etal．AnimageencrＧtiioonnssicnNhemoenlbianseeadorScnieqnucae&ntumlNuomgiesrtiiccmalSaipm[uJl]at．iCoomyp
,municaＧ[１７] C(１２):４６５３Ｇ４n２０１２,１７b,６Y６１．
[１８] ZAouiLnalciicＧeidＧwJeanMcaoangShengＧliang
．Thegeneralizetbhsethmaaltiscesq,uenceand(it)s:properties([doJ]r．dPeurrＧeakFiＧ)ndenhpcuCp
rypt,iLiaoC,Deng２aseX．０１１doBnr,e２ta７okti６anlg８sha１un９fdiＧ８２flinm４gps
r．coihvnCienmghieanJniese．mNaog
nelinearDy
onnasmcihcesm,２e０b１３,７１(１Ｇ２):２５Ｇ３４．[]Ｇ[１９] KsiandgirAskewt,HaemntmdullaaApan,GdhuoypWercQ．hCaooltoicsrimy
satgeemenocf６rytp
htiＧoonurdeＧr(inChinese
)附中文参考文献:
[３] 文昌辞,王沁,黄付敏,等应加密算法[J]．通信学报．基于仿射和复合混沌的图像自适,[７] 刘志军．基于复合混沌与仿射变换的彩色图像加密算２０１２,３３(１１):１１９Ｇ１２７．
法[山东大学学报(工学版),２０１６,４６(４):１Ｇ８．J]．[８] 肖锋,张丽丽,冯飞密[J．微电子学与计算机．混合混沌系统的并行多通道彩色图像加,[９] 马凌],
侯小毛,张福泉,等．基２０于１６复,３３合(８混)沌:７６系Ｇ８统１．与人工神经网络学习的图像加密算法[１０ (８张军阳):１０９Ｇ,１１６．
J]．电子测量与仪器学报,２０１８,３２
[]郭阳,扈啸江大学学报(工学版．二维矩阵卷积的并行计算方法[),２０１８,５２(３):５１５Ｇ５２３．
J]．浙[１３] 齐名军,杨爱红法[J]．计算机工程与应用．基于云模型云滴机制的量子粒子群优化算,[１４] 王白银,杨东升２０１２,４８(２４):４９Ｇ５２．等数学研究,２０１．５Fi,b１o８n(a４cc)i数列的通项公式及其应用[:４０Ｇ４１．
J]．高[１７] 崔丽雯,杨胜良性质[J]．纯粹数学与应用数学．广义的k阶Fi,b２o０n１a１cc,i２Ｇ７Ja(c６o)b:s８t１h９aＧl序列及其[２１] 薛伟,王磊．一种基于新型混沌的彩色图像加密算８２法４[．学技术,２０１８,４４(３):２６３Ｇ２６８．
J]．光[２２] 朱从旭,
孙克辉改进[J]．物理学报．对一类超混沌图像加密算法的密码分析与,２０１２,６１(１２):１２５０３Ｇ１Ｇ１２５０３Ｇ１２．作者简介:
魏连锁(人,硕士,副教授１９７,５)
,男,黑龙江齐齐哈尔研究方向为智能CC算F会员(法和图E２像００加０１５密１.ME)Ｇ
,mail:WwlEsILaaaiaaanaＧs＠u１o６ciateprofessor,CCFm,b３o．rcnom
in１９７５,MS,assoＧterestsincludeintelligeentmbalegro(rEit２h０m００,１a５n１dMim)a,ghiesernecsreyap
rtcihonin．Ｇ
胡现成(生,研究方向１为９９０智能)
,算男法,山东费县人和图像加密,硕士.EＧ
mail:HhxUXcqq
iahneＧdcxh＠en１g
６,３bo．cronmin１９９０,MScanＧgentalgorithm,dainddatiem,ahgisereenscerayrp
cthioinnt．erestsincludeintelliＧ
因篇幅问题不能全部显示，请点此查看更多更全内容