一种基于主成分分析和Henon映射的管理编码加解密方法技术

本发明专利技术公开了一种基于主成分分析和Henon映射的管理编码加解密方法，在原有混沌加解密方法上，提出了基于主成分分析(Principal Component Analysis，PCA)和混沌加密联合的QR码加密方法，通过PCA将包含敏感信息的QR码隐藏到包含无意义信息的QR码中，再通过Henon映射产生二维混沌序列对生成图像进行加密，具有置乱效果好，密钥空间大等优点，可有效抵御统计攻击和密钥攻击，能够满足电池全生命周期的溯源管理系统场合下对QR码安全性的要求。通过从相邻像素相关性和信息熵两方面评价得出此发明专利技术加密效果良好的结论。

A management coding encryption and decryption method based on principal component analysis and Henon mapping

【技术实现步骤摘要】
一种基于主成分分析和Henon映射的管理编码加解密方法
本专利技术属于编码
，特别涉及一种基于主成分分析和Henon映射的管理编码加解密方法。
技术介绍
近年来，我国电动汽车保有量快速攀升，按照动力电池使用寿命3-5年计算，预计2020年动力电池退役规模将突破10GWh大关。退役动力电池虽然无法满足其在电动汽车应用领域的性能要求，但仍可在其它场合发挥其作用。因此需要有动力电池全生命周期的溯源管理系统管理大规模退役动力电池，动力电池全生命周期的溯源管理系统包括动力电池物资计划、动力电池回收、动力电池仓储、动力电池投用监控维护、动力电池监控维护、动力电池处置几个阶段，在动力电池仓储阶段，每块动力电池需要利用具有电池履历信息的二维码标识其身份信息，实现电池使用过程的科学精细化管理。QR码作为一种信息传递的载体被广泛的传播与应用，由于具有识别速度快、全方位识别、信息容量高等优势，QR码已经再移动支付、仓储物流等领域广泛使用。但是QR码编码方式简单易识别，携带电池回收信息的QR码一旦被截获将造成信息泄露的严重后果，而目前QR码加密方法的难以保证动力电池生命周期回溯时的安全性，本专利技术通过改进QR码加密方法保护动力电池信息安全。目前，工程中使用较为普遍的QR码加密技术是DES加密方法，这种加密方法对QR码所携带的信息内容进行加密，然后用加密后的信息制作成QR码，这样用户在使用移动端扫码后获得的内容仍然是加密过的内容，不易阅读，且DES密钥空间小，安全性较低，不能有效对抗攻击。另一种常用的加密技术是混沌加密方法，该加密方法直接对QR码图像进行加密，解密后更加容易阅读，但该方法的缺点是单一混沌系统安全性低、图像置乱与扩散无法抵御选择明文攻击以及加密效率低等问题。
技术实现思路
本专利技术的目的是保护动力电池在整个电池全生命周期的溯源管理系统中的信息安全，将数字水印技术与混沌序列加密技术结合，形成一个更加完善和有效的加密方法，从而改善QR码安全性低的问题。本专利技术克服了现有技术中的缺点，提供一种基于主成分分析和Henon映射的管理编码加解密方法。通过分析混沌加密法存在密钥空间小，加密效率低等问题，在原有混沌加密方法上，提出了基于主成分分析(PrincipalComponentAnalysis，PCA)和混沌加密联合的QR码加密方法，通过主成分分析将包含敏感信息的QR码隐藏到包含无意义信息的QR码中，在通过Henon映射产生二维混沌序列对生成图像进行加密，具有置乱效果好，密钥空间大等优点，可有效抵御统计攻击和密钥攻击，能够满足电池全生命周期的溯源管理系统场合下对QR码安全性的要求。为了解决上述存在的技术问题，实现专利技术目的，本专利技术是通过以下技术方案实现的：一种基于主成分分析和Henon映射的管理编码加解密方法，加密过程包括以下步骤：S1、将动力电池全生命周期的溯源管理系统中的动力电池回收信息按QR码制编码生成QR码图像，并转化为只包含(0，1)的矩阵N；；S2、随机生成等字符长度的无意义信息按QR码制编码，生成含无意义信息的QR码图像，并转化为只包含(0，1)的矩阵M；；S3、使用Arnold算法对矩阵N进行空间置乱，得到置乱后的矩阵P；S4、对矩阵M进行分块处理，并对处理后的图像进行主成分分析，将分析结果合并得到主成分矩阵T；S5、使用加法嵌入原则将矩阵P嵌入到系数T中，选择最佳嵌入强度系数用来进行嵌入操作然后使用主成分分析逆变换得到嵌入后的矩阵Q。S6、确定Henon映射的四个初始参数，使用Henon映射得到一个与矩阵Q同大小的二维混沌矩阵R。S7、然后将矩阵R与矩阵Q做加法运算得到加密后的QR码矩阵S，加密过程结束。解密过程包括以下步骤：P1、输入Henon映射矩阵的四个初始参数得到加密矩阵R，将矩阵R与矩阵S进行减法运算，得到矩阵Q；P2、对矩阵Q使用主成分分析，分离出嵌入前矩阵P；P3、输入Arnold算法参数并利用该算法的逆变求解原理恢复出原始QR码矩阵N，解密过程结束。优选地，最佳嵌入强度系数根据：T′＝T+aP其中a为嵌入强度，T为主成分，P为待嵌入矩阵，T′为嵌入后矩阵，当a过大时数字水印算法鲁棒性会增加，而隐藏效果会降低，故经实验筛选，得到最佳嵌入强度系数。优选地，加密后的QR码矩阵S能够通过透射变换改变图像形状使图像更加混乱。由于采用上述技术方案，本专利技术提供的一种基于主成分分析和Henon映射的管理编码加解密方法，与现有技术相比具有这样的有益效果：本专利技术方法密钥空间除了基本二维混沌矩阵的密钥空间还扩充了数字水印加密的密钥空间，可以有效增加加密方法复杂度，使暴力破解难度增大。并且为了将含敏感信息的QR码嵌入到含无效信息的QR码中，使用基于PCA方法提取含敏感信息的QR码图像的主要系数，与其他频域变换不同，PCA提取出的系数既包括高频分量也包括低频分量，在解码还原时即不会破坏QR码图像结构也可以包含更多的图像细节。提高了整个加密方法的鲁棒性。附图说明图1是本专利技术基于主成分分析和Henon映射的管理编码加解密方法的加密流程图；图2是本专利技术解密方法流程图；图3是本专利技术含敏感信息QR码图；图4是本专利技术含无意义信息QR码图；图5是本专利技术置乱后QR码图；图6是本专利技术嵌入后QR码图；图7是本专利技术加密后QR码图；图8是本专利技术生成的不同形状的加密后QR码图。具体实施方式下面结合附图与具体实施方式对本专利技术做更为详细的说明：本专利技术的实例在8.0G内存，64位操作系统，lntelCOREi5-8300H，2.3GHz处理器的计算机上进行仿真实验，含动力电池回收信息的QR码选用大小为100×100的标准QR码二值图像。一种基于主成分分析和Henon映射的管理编码加解密方法，如图1所示，其加密过程包括如下步骤：第一步首先在动力电池全生命周期的溯源管理系统中的动力电池仓储阶段中的电池质检环节，将退役动力电池的入厂日期、电池状态等信息按QR码制编码，生成含动力电池回收信息的QR码图像，并且随机生成等字符长度的无意义信息按QR码制编码，生成含无意义信息的QR码图像。第二步读取含动力电池回收信息的QR码二值图像的像素矩阵N100×100如图3所示，含无意义信息的QR码二值图像的像素矩阵为M100×100如图4所示，由灰度图像可知，QR码各个像素灰度值为0或1。第三步首先根据Aronld算法对矩阵N100×100进行空间置乱，如公式1：其中a，b为置乱参数，n为迭代次数，N为图像宽高，xn，yn为原图像素位置，xn+1，yn+1为置乱后图像像素位置。确定参数a，b和迭代次数n作为密钥key1，实验中取a＝b＝1，n＝500，得到的置乱后的QR码图像P，如图5所示。为提高运算效率，对矩阵M100×100分块进行主成分分析，得到结果本文档来自技高网...

【技术保护点】
1.一种基于主成分分析和Henon映射的管理编码加解密方法，其特征在于：/n加密过程包括以下步骤：/nS1、将动力电池全生命周期的溯源管理系统中的动力电池回收信息按QR码制编码生成QR码图像，并转化成只包含(0，1)的矩阵N；/nS2、随机生成等字符长度的无意义信息按QR码制编码，生成QR码图像，并转化成只包含(0，1)的矩阵M；/nS3、使用Arnold算法对矩阵N进行空间置乱，生成密钥key1存储到数据库中，得到置乱后的矩阵P；/nS4、对矩阵M进行分块处理，并对处理后的图像进行主成分分析，将分析结果合并得到主成分矩阵T；/nS5、使用加法嵌入原则将矩阵P嵌入到系数T中，选择最佳嵌入强度系数进行嵌入，生成密钥key2存储到数据库中，将嵌入结果使用主成分分析逆变换，得到嵌入后的矩阵Q；/nS6、确定Henon映射的四个初始参数，生成密钥key3存储到数据库中，使用Henon映射得到一个与矩阵Q同大小的二维混沌矩阵R；/nS7、将矩阵R与矩阵Q做加法运算，得到加密后的QR码矩阵S，加密过程结束；/n解密过程包括以下步骤：/nP1、从数据库中读取密钥key3，输入Henon映射矩阵的四个初始参数，得到加密矩阵R，将矩阵R与矩阵S进行减法运算，得到矩阵Q；/nP2、从数据库中读取密钥key2，对矩阵Q使用主成分分析，分离出嵌入前矩阵P；/nP3、从数据库中读取密钥key1，输入Arnold算法参数，并利用该算法的逆变求解原理恢复出原始QR码矩阵N，解密过程结束。/n...

【技术特征摘要】
1.一种基于主成分分析和Henon映射的管理编码加解密方法，其特征在于：
加密过程包括以下步骤：
S1、将动力电池全生命周期的溯源管理系统中的动力电池回收信息按QR码制编码生成QR码图像，并转化成只包含(0，1)的矩阵N；
S2、随机生成等字符长度的无意义信息按QR码制编码，生成QR码图像，并转化成只包含(0，1)的矩阵M；
S3、使用Arnold算法对矩阵N进行空间置乱，生成密钥key1存储到数据库中，得到置乱后的矩阵P；
S4、对矩阵M进行分块处理，并对处理后的图像进行主成分分析，将分析结果合并得到主成分矩阵T；
S5、使用加法嵌入原则将矩阵P嵌入到系数T中，选择最佳嵌入强度系数进行嵌入，生成密钥key2存储到数据库中，将嵌入结果使用主成分分析逆变换，得到嵌入后的矩阵Q；
S6、确定Henon映射的四个初始参数，生成密钥key3存储到数据库中，使用Henon映射得到一个与矩阵Q同大小的二维混沌矩阵R；
S7、将矩阵R与矩阵Q做加法运算，得到加密后的QR...

【专利技术属性】
技术研发人员：金梅，张子豪，张少阔，李媛媛，赵伟，孟金岭，张勇，郎梦园，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13