基于混沌控制的动态分组加密算法

为了提高图像加密算法的抗攻击能力,提出一种混沌技术和分组加密相融合的图像加密算法。首先用四维混沌映射生成一组二值密钥流,每轮加密前在密钥流的控制下,按一定规则将明文图像分割为两等份;然后输入一个动态混沌分组加密网络进行迭代加密运算,输出密文图像再次进入下一轮加密,直到密钥流选择完毕。实验分析表明分组加密网络能与混沌加密有机融合,提高加密算法的抗攻击能力和高效运算能力,使明文图像像素的微小变化扩散到更多密文图像中,从而提升算法的复杂度和安全性。     

基于动态分组和扩散置乱的混沌加密方法

为了提高图像加密的安全性和有效性,提出一种基于动态分组和扩散置乱的混沌加密方法。将明文图像随机分组并采用比特位和行列的置乱、扩散操作对其加密,其密钥流产生于基于明文图像的逻辑映射,扰乱明文图像和密文图像之间的映射关系;并且在进一步加密过程中,明文图像像素由密文图像反馈算法取代,使得加密过程受到明文图像控制参数的影响。理论分析和实验测试结果表明,该算法可以抵御选择性攻击和差分攻击,具有较好的统计特性,可以运用于图像信息安全保护。     

一种带有猫映射动态置换盒的分组密码

对猫映射的混沌特性进行研究,提出一种基于迭代二维猫映射的动态置换盒(S-盒)生成方法,由此构造一种基于S-盒的加密算法。将明文划分成组,与不同S-盒进行加密,通过32轮的替代和循环左移得到密文分组。为了提高密码系统的安全性,利用密文反馈来改变猫映射的状态值,使得S-盒与明文相关,可提高密码系统的混淆与扩散性能。由于加密使用了动态S-盒,密码系统不会遇到固定结构分组密码的问题。实验结果表明,该密码系统具有较高的安全性,适用于保密通信。     

二维正交Log-Gabor滤波器结合混沌加密的掌纹认证方法

为控制掌纹及生物识别过程中的安全威胁,提出一种可撤销生物特征的掌纹认证方法。该方法使用二维正交Log-Gabor滤波器从图像中提取二进制掌纹相位模板,通过混沌序列控制的随机密文反馈加密,生成可更新的和隐私保护的掌纹模板。识别匹配阶段在加密域实现,根据2个加密模板间的汉明距离衡量掌纹间的相似性。使用香港理工大学的标准数据库进行了实验,验证了方法的识别性能、执行效率和安全性。     

基于双重加密的敏感数据限时访问研究

在云外包存储的背景下,针对外包存储中共享敏感数据的定时删除问题,提出基于双重加密的敏感数据限时访问方案。首先对称加密待共享的敏感数据文件,随后对加密后的文件进行随机分割提取,形成提取密文分量和封装密文分量;然后采用限时属性基加密算法对对称密钥和提取密文分量进行加密,生成访问控制对象;最后将访问控制对象同封装密文分量一同上传至云服务器。通过该方案,授权用户能够在限时属性基加密的访问时限窗口中解密访问控制对象,获取对称密钥和提取密文分量,并合成原始密文,恢复明文。访问时限窗口过期后,任何用户都无法属性基解密访问控制对象,获取对称密钥,恢复明文,从而实现敏感数据的定时删除。通过敌手攻击模型,分析并证明了该方案的安全性。     

基于半监督级联网络的高质量医学图像集增强

应用于医学图像处理的深度神经网络在训练阶段需要大量高质量图像,因此,在医学图像数据量有限的情况下,网络性能会受到局限。虽然现有的基于生成对抗网络 ＧＡＮ 的增广方法能显著增加图像的数量,但是存在合成图临床表征不准确和缺乏多样性等问题。为解决上述问题,提出了一种新颖的基于半监督学习的多输入多分辨率多模板的生成对抗网络。多通道的输入分别为模型的训练提供了基于监督学习和无监督学习的优化目标;多分辨率级联策略降低了直接生成高分辨率医学图像的难度;多类别的参考模板为各通道及各分辨率尺度上的训练提供更准确的真实医学图像临床表征;引入了过渡机制和稠密残差块,提升了模型训练的稳定性。实验结果表明：相较于其他基于 ＧＡＮ 的生成模型,该网络模型能生成更高质量、更具多样性的医学图像。     

一种改进的生成对抗网络在朱金木雕图像修复中的应用

针对朱金木雕图像纹理丰富难以用简单超分辨率方法修复的问题，提出了一种改进的生成对抗网络方法。依据深度残差模型、子像素卷积模型及截断的预训练视觉几何组19 (Visual Geometry Group 19, VGG 19)模型，把输入的低分辨率图像转化为高分辨率图像，并利用原始图像的特征图计算内容损失；应用判别网络判别图像的真实性并计算对抗损失，不断反馈这两种损失来更新模型；通过迁移学习将预训练得到的参数迁移到朱金木雕数据集上，经过少量训练后得到新模型。实验结果表明：使用改进的生成对抗网络得到的峰值信噪比（FPSNR）与结构相似性（FSSIM）指标均值分别为22.546 9和0.675 9，使用其他方法得到FPSNR与FSSIM指标的均值分别为9.835 5和0.100 4。使用改进的生成对抗网络获得图片纹理更丰富，在指标和图像效果上更优。     

基于掺铒光纤激光器超混沌特性的图像加密算法

针对基于低维混沌系统的图像加密算法安全性不高的问题,提出了一种新的基于掺铒光纤激光器(Er-doped fiber laser,EDFL)超混沌特性的数字图像加密算法。算法包括置乱和扩散两个阶段:首先利用离散标准混沌映射对明文图像像素位置进行置乱,同时为了提高算法效率,通过像素间的异或操作将扩散效果引入置乱阶段。然后利用EDFL超混沌系统产生的值加密置乱后的像素值,从而得到密文图像。试验结果表明:本文算法密钥空间大,密文对密钥和明文充分敏感,只需置乱和扩散的一轮循环即可获得良好的加密效果和较高的安全性能。     

基于生成对抗网络的图像超分辨率方法

为了解决生成对抗网络(Generative adversarial network, GAN)训练不稳定问题,降低模型复杂度,加快网络学习速率,提高超分辨率图像的视觉效果和重建速率,提出了一种基于改进生成对抗网络的图像超分辨率方法。该方法以改进的生成对抗网络为模型,通过粗粒度主体内容和细粒度细节边缘结合的方式提取图像特征,利用线性组合的方式重建超分辨率图像,采用Wasserstein距离优化生成对抗网络。实验结果表明:该方法能够生成视觉效果良好的超分辨率图像,在Set5、Set14等测试集上,其主观视觉评价和客观量化指标(PSNR、SSIM)都优于SRGAN方法。该方法通过重新设计网络模型,使得特征提取更为全面,网络训练更加充分,有助于提高超分辨率图像重建速度,提高图像质量。     

基于SMS4分组密码的彩色图像加密方法

为实现对数字彩色图像信息的有效保护,提出了一种采用SMS4分组加密的彩色图像加密方法。首先使用变参数的Arnold变换对图像进行位置置乱,其次使用外部密钥控制Logistic混沌映射产生各个SMS4分组的主密钥MK,以及任取32bit的随机整数作为加密子密钥并赋值给第1个SMS4分组加密图像的低32bit输入;再次分别将每个SMS4分组加密图像的低32bit输出作为下一个分组图像加密的低32bit输入,使得SMS4分组加密与反馈流密码相结合;最后将最后一组SMS4分组加密图像的低32bit输出作为图像解密的子密钥。加解密钥并不完全相同且解密子密钥与明文、密文紧密相关。实验结果表明,该方法具有良好的雪崩效应,可有效抵抗统计、差分和选择性明文等攻击。     

基于JTC和像素置乱技术的光学图像加密

随着信息技术的迅猛发展,数据加密和安全认证等信息安全问题变得越来越重要.光学信息处理技术具有强大的并行数据处理能力、更多的自由度和高的数据安全性,因此,基于光学信息处理的加密系统得到了广泛的研究.提出了一种基于联合变换相关器和像素置乱技术的光学图像加密方法,此方法基于联合变换器的加密系统,将联合变换功率谱的像素置乱后作为加密图像,像素的排列顺序与随机相位板一起作为解密密钥.计算机模拟试验证实了这种方法的可行性和有效性.     

基于旋转变换的混沌光学图像加密方法

提出了一种利用旋转变换和混沌理论进行图像加密的新方法。使用旋转变换和两个混沌随机相位掩膜对图像进行加密，利用Logistic映射、帐篷映射和Kaplan⁃Yorke映射三种混沌函数产生混沌随机相位掩膜。通过计算均方差，基于旋转角和混沌随机相位的种子值的盲解密算法的鲁棒性进行了评估，并给出了加密和解密技术的光学实现方案。结果表明，利用所提方法进行图像加密的有效性。     

深度学习的轮胎带束层X光图像三维重建

针对轮胎缺陷检测中轮胎带束层区域的特殊结构导致该区域缺陷的识别效果较差问题,对轮胎带束层区域的X光图片进行3D重建来拆解其结构.使用循环一致生成对抗网络(CycleGAN)对带束层区域的图片进行3D重建,利用已知钢丝的固定结构作为先验知识来控制生成图像钢丝的角度,生成不同结构的钢丝图片,达到拆解带束层复杂结构的目的,通...     

基于循环编码生成对抗网络的小样本辨识方法

针对在特殊领域中小样本数据难以通过训练被分类管理的问题,提出一种基于循环编码生成对抗网络的小样本辨识方法。首先,对小样本进行混叠循环编码,建构包含小样本深层信息的隐向量;然后,搭建一种循环生成对抗网络模型,对小样本生成扩充并通过极限学习机网络进行训练辨识;最后,结合算例,与传统生成对抗网络、深度信念网络及合成少数类过采样技术进行对比性实验分析,结果表明所提出的循环编码生成对抗网络模型有更好的准确性和鲁棒性,可以更加有效地完成小样本辨识。     

基于Arnold和离散分数随机变换的彩色图像加密算法

提出一种彩色图像加密方法,该方法在亮度色调饱和度彩色空间使用离散分数随机变换（DFRNT）和Arnold变换进行加密,彩色图像从标准红、绿、蓝空间转化为亮度色调饱和度空间。其中亮度分量通过一种将像素值和像素位置同时进行加密的DFRNT进行加密;色调和饱和度分量使用一种将像素置乱的加密方法Arnold变换进行加密。与传统的双随机相位编码相比,DFRNT加密方法可以节省密钥的存储空间,同时,与传统的双随机相位编码一样安全。将DFRNT的分数阶、随机矩阵和Arnold变换的迭代次数作为该算法的加密密钥,分别使用分数阶的变化、Arnold变换迭代次数的变化、已知的明文攻击、加噪声和加密图像遮挡等攻击手段,对该加密算法进行性能测试,测试结果表明该方案的可行性和有效性。     

融合对抗训练与ERNIE 的短文本情感分析模型

使用深度学习技术进行文本情感分类是近年来自然语言处理领域的研究热点, 好的文本表示是提升深度学习模型分类性能的关键因素。由于短文本蕴含情感信息较少、训练时易受噪声干扰, 因此提出一种融合对抗训练的文本情感分析模型PERNIE RCNN。该模型使用ERNIE 预训练模型对输入文本进行向量化, 初步提取文本的情感特征。随后在ERNIE 预训练模型的输出向量上添加噪声扰动, 对原始样本进行对抗攻击生成对抗样本, 并将生成的对抗样本送入分类模型进行对抗训练, 提高模型面临噪声攻击时的鲁棒性。实验结果表明, PERNIE RCNN 模型的文本分类性能更好, 泛化能力更优。     

基于生成对抗网络的图像风格迁移

生成对抗网络（Generative Adversarial Network,GAN）可以生成和真实图像较接近的生成图像.作为深度学习中较新的一种图像生成模型,GAN在图像风格迁移中发挥着重要作用.针对当前生成对抗网络模型中存在的生成图像质量较低、模型较难训练等问题,提出了新的风格迁移方法,有效改进了BicycleGAN模型实现图像风格迁移.为了解决GAN在训练中容易出现的退化现象,将残差模块引入GAN的生成器,并引入自注意力机制,获得更多的图像特征,提高生成器的生成质量.为了解决GAN在训练过程中的梯度爆炸现象,在判别器每一个卷积层后面加入谱归一化.为了解决训练不够稳定、生成图像质量低的现象,引入感知损失.在Facades和AerialPhoto&Map数据集上的实验结果表明,该方法的生成图像的PSNR值和SSIM值高于同类比较方法.     

变长编码字符型数据的保留格式加密

提出了两种变长编码字符型数据的保留格式加密方案。方案1基于Feistel网络构建合适的分组密码,并结合cycle-walking确保密文输出在合理范围内,适用于明文较短且需要隐藏字符个数的保留格式加密;方案2将明文消息空间划分为若干子集,在子集上进行定长编码字符型数据的加密,具有较高效率,适用于任意明文长度的保留格式加密。     

基于魔方密码的图像加密解密技术

为了提高加密图像的破解难度且不显著增加图像还原时间,提出了一种保护图像数据的方法,它可以解决现存的问题.首先,提出一种动态密码校验技术,其特点是可以扩展密文位数,在明文不变的情况下保证每次产生的密文不同,从而防止密码算法被字典或穷举方法破解,同时可根据计算机系统环境自主调整加密解密性能;其次,提出魔方密码算法,将像素和密码数据重新排列成六面体结构,按照十字轴的形式混淆面与位上的数据,达到加密图像的目的,还原时按照魔方原理以密码数据序列和像素相关性为依据,依次对各个面上的数据进行排列,从而复原已加密的图像.实验结果表明,该方法可以有效防止图像隐私泄露和算法被破解,避免神经网络对像素信息进行重放,可以高效地运行在基于网络的图像系统中.     

遗传模拟退火算法和混沌系统的图像加密方法

由于部分图像加密方法采用传统的置乱算法及低维混沌系统,从而会出现密钥空间较小、复杂度低等问题,导致算法易被选择明文攻击。因此,提出了一种结合遗传模拟退火算法与高维混沌系统的新型彩色图像加密算法,以获得更强的安全性能。首先使用遗传算法的选择、交叉操作来对明文图像进行处理; 然后利用模拟退火算法生成的最优序列对图像进行置乱。通过这三个操作可以使置乱图像的直方图达到均衡,从而可以抵抗统计攻击。为了增强图像各层的关联性,利用彩色图像交互的方法对置乱图像进行交互式变异操作。与传统的“置乱-扩散”加密框架相比,该方法不仅可以增加加密系统的复杂度,而且可以增强加密算法对明文图像的敏感性。实验结果和性能分析表明,所设计的加密方法具有大密钥空间、高安全性和对明文图像的高敏感性,可以抵抗常见的密码分析学攻击。