細(xì)胞神經(jīng)網(wǎng)絡(luò)在數(shù)字圖像加密方面的應(yīng)用研究.pdf

1、近年來，計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，為語音、視頻等數(shù)據(jù)量大的多媒體信息的傳播提供了廣闊的平臺(tái)。多媒體信息因其特有的形象、直觀和生動(dòng)等優(yōu)點(diǎn)，使得人們對(duì)它的應(yīng)用越來越廣泛。但是，多媒體信息在給人們帶來生活便利的同時(shí)，其安全隱患也越來越嚴(yán)峻。作為解決信息安全的重要技術(shù)之一的密碼學(xué)，在多媒體數(shù)據(jù)的傳輸領(lǐng)域中正面臨著新的挑戰(zhàn)。
　　 數(shù)據(jù)量大，是多媒體信息相對(duì)于普通文本數(shù)據(jù)來說最大的區(qū)別，如果我們依然采用傳統(tǒng)的加密方式對(duì)其進(jìn)行加密，則

2、需要消耗大量的時(shí)間和空間資源。數(shù)字圖像是多媒體信息中最重要的一種信息表達(dá)形式，其研究成果能夠較容易應(yīng)用到其它各種多媒體形式中。本論文選取最具代表性的數(shù)字圖像的加密，作為主要研究內(nèi)容。近幾年來，細(xì)胞神經(jīng)網(wǎng)絡(luò)(Cellular Neural Network，簡稱CNN)在圖像去噪、邊緣提取、分割等多個(gè)方面都已取得了豐碩的成果，細(xì)胞神經(jīng)網(wǎng)絡(luò)所具有的混沌特性和其網(wǎng)絡(luò)結(jié)構(gòu)的并行處理能力，適合用于數(shù)字圖像加密算法的設(shè)計(jì)，但這方面的應(yīng)用研究還不多。本

3、論文從此處著手，利用細(xì)胞神經(jīng)網(wǎng)絡(luò)的這兩個(gè)特點(diǎn)，在保證安全性的條件下，分析和設(shè)計(jì)新穎的圖像加密算法。本文的工作及貢獻(xiàn)主要體現(xiàn)在以下幾個(gè)方面：
　　 ①簡述了神經(jīng)網(wǎng)絡(luò)和細(xì)胞神經(jīng)網(wǎng)絡(luò)的起源及發(fā)展。首先介紹了神經(jīng)網(wǎng)絡(luò)的起源、發(fā)展過程及對(duì)國內(nèi)外學(xué)者在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的主要研究成果；然后介紹了在Hopfield神經(jīng)網(wǎng)絡(luò)和細(xì)胞自動(dòng)機(jī)理論基礎(chǔ)上發(fā)展起來的細(xì)胞神經(jīng)網(wǎng)絡(luò)，分析了細(xì)胞神經(jīng)網(wǎng)絡(luò)繼承于兩者的優(yōu)勢以及自身所具有的特點(diǎn)。
　　 ②對(duì)細(xì)胞神

4、經(jīng)網(wǎng)絡(luò)和數(shù)字圖像加密的基礎(chǔ)知識(shí)作了詳細(xì)介紹。首先，介紹了細(xì)胞神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型、網(wǎng)絡(luò)結(jié)構(gòu)及動(dòng)態(tài)性能；然后對(duì)密碼學(xué)的基礎(chǔ)知識(shí)、數(shù)字圖像加密算法的研究背景和現(xiàn)在主流的幾種加密算法作了簡要介紹，最后給出了加密算法的幾個(gè)評(píng)判指標(biāo)。
　　 ③提出一種基于CNN超混沌特性的數(shù)字圖像加密算法。使用一個(gè)6維CNN產(chǎn)生的混沌序列作密鑰源，根據(jù)明文圖像選取密鑰進(jìn)行加密。本算法克服了普通流密碼對(duì)明文變化不敏感的缺陷，理論分析和計(jì)算機(jī)模擬結(jié)果表明：該加

5、密算法計(jì)算簡單、易于實(shí)現(xiàn)，對(duì)密鑰和明文都十分敏感，從密碼學(xué)分析的角度，對(duì)多種攻擊手段都具有良好的免疫性。
　　 ④利用了CNN特有的局部互聯(lián)和可并行處理信息的結(jié)構(gòu)特點(diǎn)，設(shè)計(jì)了一個(gè)基于CNN結(jié)構(gòu)的數(shù)字圖像的并行加密框架，并提出了一種基于feistel網(wǎng)絡(luò)結(jié)構(gòu)的新的分組加密算法。算法中，網(wǎng)絡(luò)中的細(xì)胞先對(duì)其負(fù)責(zé)的小圖像塊進(jìn)行分組加密，然后接受與其相鄰的8個(gè)細(xì)胞的輸出的影響，經(jīng)過規(guī)定輪數(shù)，最后達(dá)到全局?jǐn)U散和加密的效果。該算法易于VLSI