基于CNN和CML时空混沌序列图像加密算法.docVIP

基于CNN和CML时空混沌序列图像加密算法 　　摘要：基于细胞神经网络(CNN)和耦合映像格子模型(CML)，提出了一种密钥长度为128 bit的对称图像加密算法。该算法用具有复杂动力学行为的CNN网络和分段线性混沌映射去驱动CML模型，以快速产生时空混沌序列，并与原始图像异或完成加密过程。算法分析表明具有密钥空间大、对密钥敏感、容易快速实现等特点，并能抵抗穷举攻击、已知明文攻击和唯密文攻击等。数值仿真结果验证了该算法的正确性和有效性。 　　关键词：时空混沌序列；细胞神经网络；耦合映像格子模型；图像加密?? 　　中图分类号：TP309．2文献标志码：A 　　文章编号：1001－3695(2007)08－0159－03 　　 　　0引言?? 　　 　　随着信息技术和网络通信的快速发展，越来越多的数字图像通过Internet和无线网络进行传输，与此同时图像加密已成为数字图像保护的重要手段之一。基于混沌的图像加密技术已在安全性、复杂性、实现速度、计算能力等方面显示出了所期望的特性[1]，相比传统加密技术如DES、RSA、IDEA等更加容易实现，比较适合于大数据量对象如图像、视频、音频等的数据加密需求。?? 　　本文将研究一种基于细胞神经网络和耦合映像格子模型的时空混沌序列图像加密算法，该算法被设计成128 bit密钥的对称加密算法。在该算法中，用一个具有复杂动力学行为的CNN网络和分段线性混沌映射去驱动一个耦合映像格子模型，以快速产生数字图像加密用的时空混沌序列。由于混沌序列具有对初值敏感、似噪声、长周期遍历性、难以长期预测等良好特性，使得本算法的复杂度和安全性得以显著提高。?? 　　 　　1时空混沌系统与图像加密?? 　　 　　时空混沌系统通常可以借助偏微分方程(PDE)、耦合常微分方程(CODE)或耦合映像格子(CML)等手段进行建模，其动力学行为表现在时间和空间上同时具有混沌特性。本文拟采用CML模型，主要考虑到一方面CML模型具有优良的时空混沌特性；另一方面容易解析和数值处理[2]。CML模型一般描述如下：?? 　　 　　本文设计的图像加密算法整体结构如图1所示。在该算法中，128 bit的密钥同时驱动两个混沌系统，即细胞神经网络（CNN）和CML系统，同时CNN也参与到对CML系统的驱动。加密算法的核心是由CML系统产生时空混沌序列矩阵，并与原始图像进行异或得到加密图像。?? 　　 　　3解密算法?? 　　 　　从算法的设计角度看，本文算法属图像对称加密算法，并且算法最后一步为异或操作。因此只要使用相同密钥，对加密后的图像再次应用加密算法即可得到原始图像。?? 　　 　　5算法分析?? 　　 　　5．1密钥空间?? 　　由算法描述可知，算法安全性依赖于密钥的安全，密钥长度为128 bit，易知系统的密钥空间为2128≈3.4×1038，就目前计算条件来看，可对抗穷举攻击。若将加密算法中涉及到的三个混沌系统的控制参数也计算在内，则密钥空间会进一步加大。?? 　　5．2对密钥的敏感性分析?? 　　一个好的加密算法应该实现密文对密钥的敏感性，也就是密钥的微小变化将导致密文的显著变化，该特性将有助于抵抗唯密文攻击。众所周知，混沌系统对初值和控制参数非常敏感，它们的微小差异都将快速地扩散和传递到整个状态空间。图3中的数值实验表明了密文对密钥的高度敏感性。?? 　　5．3统计分析?? 　　Shannon[7]提出了密码学设计的两个基本原则――扩散和扰乱，以抵抗基于统计分析的攻击。观察图3(e)和(f)可知，加密图像的灰度直方图近似均匀分布，这使得攻击者试图使用已知明文或选择明文攻击从密文推测密钥变得困难。此外，考察相邻像素之间的统计相关性[8]，笔者测试200组，每组随机选取3 000个像素点，然后对测试值取平均得到表1的相关系数。该结果表明加密后的图像统计特性理想，算法具备了所需的扩散和扰乱特性。?? 　　 　　5．4效率分析?? 　　加密算法中的CNN、CML和PWMCL均为迭代映射，可由计算机快速计算。此外，CML模型中的格子数取为图像的高度，格子在经过有限次演变后即可生成大量的用于图像加密的时空混沌序列，通过异或可快速实现对图像的加密操作。此外，解密可使用与加密过程完全相同的结构设计，可进一步降低硬件实现成本。?? 　　 　　6结束语?? 　　 　　本文设计了一个基于CNN和CML的时空混沌序列图像加密算法，并对其进行了仿真实验和分析。该算法具有密钥空间大、对密钥敏感、容易快速实现等特点，并能抵抗穷举攻击、已知明文攻击、唯密文攻击等。算法设计中引入了多个具有复杂动力学行为的混沌系统（如CNN模型、CML模型等），借助混沌信号类噪声、宽频谱、长周期和对初值极