基于降噪自编码器的密文图像分析方法和系统技术方案

本发明专利技术提供一种基于降噪自编码器的密文图像分析方法和系统。该方法包括：针对单通道的明文图像集X，将单通道图像增加两个坐标通道得到对应的三通道图像，构建得到X对应的三通道的明文图像集X

【技术实现步骤摘要】
基于降噪自编码器的密文图像分析方法和系统


[0001]本专利技术涉及图像安全
，尤其涉及一种基于降噪自编码器的密文图像分析方法和系统。

技术介绍

[0002]自从Fridrich提出著名的扩散
‑
置乱混沌加密框架以来，涌现了众多混沌图像加密方法。而对于任何一个密码系统，安全分析都是必要的。对于混沌图像加密系统而言，密文分析方法在衡量和增强混沌图像加密系统的安全性方面发挥着至关重要的作用。现有密文分析方法一般分为两类：数值统计分析方法和密码学常用分析方法。数值统计分析方法主要包括：以密钥空间分析为代表的穷举攻击；以直方图、相邻像素相关性、信息熵为代表的统计分析；以像素个数变化率、统一平均变化强度为代表的抗差分分析；以剪裁攻击、噪声攻击为代表的鲁棒性分析等。基于密码学的常用分析方法包括：唯密文攻击(攻击者仅掌握某些密文)、已知明文攻击(攻击者仅掌握某部分明文和其对应的密文)、选择明文攻击(攻击者可选择任意明文，且能获取其对应的密文)、选择密文攻击(攻击者可选择对攻击有利的密文，且能获取其对应的明文)。以密钥空间、像素个数变化率、统一平均变化强度为代表的密文评估方法虽然具有优良的通用性和一致性，但无法保证通过测试的加密系统一定具有非常高的安全性，即并不能有效地度量加密方法安全性。而以选择明文攻击(如“Li M,Guo Y Z,Huang J,et al.Cryptanalysis of a chaotic image encryption scheme based on permutation/>‑
diffusion structure[J].Signal Processing:Image Communication,2018,62:164
‑
172.”)、选择密文攻击等为代表的密文分析方法，虽然能直观有效地衡量加密系统的安全性，但是与前者相比缺乏通用性和一致性，需要针对不同的加密系统设计不同的攻击方案，不利于加密方法的安全性评估。
[0003]近年来，深度学习迅猛发展，成为多个领域的研究热点，其在图像加密领域也有许多应用。如Hou等人(Hou B T,Li Y Q,Zhao H Y,et al.Linear Attack on Round
‑
Reduced DES Using Deep Learning[C]//Computer Security
‑
ESORICS 2020.Guildford:Springer Cham,2020:131
‑
145.)基于深度残差网络提出线性攻击架构，将适量完整和部分线性表达式作为输入，经过训练的网络，能有效地对减轮DES进行密钥恢复，成功利用神经网络实现对多轮DES的已知明文攻击。然而，据统计目前还没有基于深度学习对混沌加密方法进行分析与评估方面的研究。

技术实现思路

[0004]为了设计一种兼具通用性和有效性的密文评估方法，本专利技术提供一种基于降噪自编码器的密文图像分析方法和系统。
[0005]一方面，本专利技术提供一种基于降噪自编码器的密文图像分析方法，包括：
[0006]步骤1：针对单通道的明文图像集X中的每张单通道图像，将该单通道图像增加两个坐标通道得到对应的三通道图像，构建得到该明文图像集X对应的三通道的明文图像集
X
c
，并将明文图像集X
c
分为训练集和测试集；其中，三通道分别指图像的像素通道和两个坐标通道；
[0007]步骤2：使用给定混沌图像加密方法对明文图像集X
c
中的所有三通道图像进行加密，生成该明文图像集X
c
对应的密文图像集X
c
′
；
[0008]步骤3：将降噪自编码器中的全连接层替换为卷积层和池化层，得到新的降噪自编码器并将其作为密文图像分析网络模型；
[0009]步骤4：将密文图像集X
c
′
中的训练集作为输入，将明文图像集X
c
中对应的训练集作为目标数据，基于构建的损失函数对该密文图像分析网络模型进行训练；
[0010]步骤5：将密文图像集X
c
′
中的测试集输入至训练好的密文图像分析网络模型中，输出为破译的三通道图像，对该破译的三通道图像进行通道分离得到解密图像；
[0011]步骤6：根据该解密图像的破译效果判断所述给定加密方法的安全性。
[0012]进一步地，步骤1中，将该单通道图像增加两个坐标通道得到对应的三通道图像，具体包括：给该单通道图像增加两个坐标通道，分别对应像素点的行、列坐标，使得每个像素点均携带有坐标信息，从而得到对应的三通道图像。
[0013]进一步地，步骤2中，密文图像集X
c
′
包括三个子数据集，分别为：加密过程中对明文图像集X
c
进行置乱后所形成的置乱密文图像集、加密过程中对明文图像集X
c
进行扩散后所形成的扩散密文图像集和整个加密过程结束后所形成的加密密文图像集；
[0014]对应地，步骤4的训练阶段，具体包括：分别采用三个子数据集中的训练集对密文图像分析网络模型进行训练，从而得到三个对应的密文图像分析网络模型；
[0015]对应地，步骤5的测试阶段，具体包括：分别将三个子数据集中的测试集输入至对应的密文图像分析网络模型，从而得到三个对应的解密图像。
[0016]进一步地，步骤6具体包括：
[0017]在步骤5的测试阶段中，若置乱密文图像集和扩散密文图像集中的至少一个密文图像集完全不可破译，并且加密密文图像集完全不可破译，则认为该混沌图像加密方法是安全的，否则，则认为该混沌图像加密方法存在安全缺陷。
[0018]进一步地，步骤2中，针对单个三通道图像加密时，分别采用相同的密钥对该三通道图像的图像通道和坐标通道进行加密。
[0019]进一步地，所述的损失函数采用均方误差损失函数。
[0020]另一方面，本专利技术提供一种基于降噪自编码器的密文图像分析系统，包括：
[0021]图像坐标通道生成模块，用于针对单通道的明文图像集X中的每张单通道图像，将该单通道图像增加两个坐标通道得到对应的三通道图像，构建得到该明文图像集X对应的三通道的明文图像集X
c
；，并将明文图像集X
c
分为训练集和测试集；其中，三通道分别指图像的像素通道和两个坐标通道；
[0022]密文图像集生成模块，用于使用给定混沌图像加密方法对明文图像集X
c
中的所有三通道图像进行加密，生成该明文图像集X
c
对应的密文图像集X
c
′
；
[0023]密文图像分析网络模型构建模块，用于将降噪自编码器中的全连接层替换为卷积层和池化层，得到新的降噪自编码器并将其作为密文图像分析网络模型；
[0024]训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于降噪自编码器的密文图像分析方法，其特征在于，包括：步骤1：针对单通道的明文图像集X中的每张单通道图像，将该单通道图像增加两个坐标通道得到对应的三通道图像，构建得到该明文图像集X对应的三通道的明文图像集X
c
，并将明文图像集X
c
分为训练集和测试集；其中，三通道分别指图像的像素通道和两个坐标通道；步骤2：使用给定混沌图像加密方法对明文图像集X
c
中的所有三通道图像进行加密，生成该明文图像集X
c
对应的密文图像集X
c
′
；步骤3：将降噪自编码器中的全连接层替换为卷积层和池化层，得到新的降噪自编码器并将其作为密文图像分析网络模型；步骤4：将密文图像集X
c
′
中的训练集作为输入，将明文图像集X
c
中对应的训练集作为目标数据，基于构建的损失函数对该密文图像分析网络模型进行训练；步骤5：将密文图像集X
c
′
中的测试集输入至训练好的密文图像分析网络模型中，输出为破译的三通道图像，对该破译的三通道图像进行通道分离得到解密图像；步骤6：根据该解密图像的破译效果判断所述给定加密方法的安全性。2.根据权利要求1所述的基于降噪自编码器的密文图像分析方法，其特征在于，步骤1中，将该单通道图像增加两个坐标通道得到对应的三通道图像，具体包括：给该单通道图像增加两个坐标通道，分别对应像素点的行、列坐标，使得每个像素点均携带有坐标信息，从而得到对应的三通道图像。3.根据权利要求1所述的基于降噪自编码器的密文图像分析方法，其特征在于，步骤2中，密文图像集X
c
′
包括三个子数据集，分别为：加密过程中对明文图像集X
c
进行置乱后所形成的置乱密文图像集、加密过程中对明文图像集X
c
进行扩散后所形成的扩散密文图像集和整个加密过程结束后所形成的加密密文图像集；对应地，步骤4的训练阶段，具体包括：分别采用三个子数据集中的训练集对密文图像分析网络模型进行训练，从而得到三个对应的密文图像分析网络模型；对应地，步...

【专利技术属性】
技术研发人员：游大涛，常晓琦，张梦轲，吕松楠，王明合，武相军，郭鹏格，焦翠红，
申请(专利权)人：河南大学，
类型：发明
国别省市：