基于复合离散混沌系统的图像加密算法

随着互联网和多媒体技术的广泛使用，迫切需要快速而安全的图像加密算法保证涉密图像信息的保存与传输。为了应对这种挑战，研究人员已提出了大量的图像加密算法。基于复合离散混沌系统的图像加密算法就是其中应用比较广泛的一种，接下来我们就简单的给大家做一下介绍。

一、复合离散混沌系统

1、复合离散混沌系统的定义

定义设2个离散混沌系统f()，g():xn+1=f(xn，pf)，yn+1=g(yn,pg)，定义一个新的离散混沌系统φ()如下：

其中，Q是大于0的自然数；(Xmin，Xmax)的典型取值区间是(0.2，0.8)；yn+1是由g()产生的混沌序列，其值通常也要求在(0.2，0.8)之间；△是f()的迭代次数修正量，如果fN(yn+1-xmin)/(xmax-xmin)(xn)∈(Xmin,Xmax)，则△=O，否则，继续迭代fN(yn+1-xmin)/(xmax-xmin)(xn)，直到其值介于区间(Xmin，Xmax)内，则△就等于继续迭代的次数。

2、混沌序列的生成

根据上节的描述，本文选择Logistic映射作为φ()中的f()，帐篷映射作为φ()中的g()，构成改进的离散混沌系统φ()。Logistic映射和帐篷映射分别定义如下：

标准帐篷映射的方程为：

则产生混沌序列过程如下：

（1）选定2个初始参数i和j，分别作为Logistic映射和帐篷映射的初始值，同时确定式（2）中的Q值，i，j，Q即为此加密算法密钥。

（2）利用式（4）和j产生混沌序列y1，y2，…，yn。

（3）利用式（1）得到φ()的混沌序列x1，x2，…，xn。

（4）利用下式将该序列离散化得到混沌序列φ(1)，φ(2)，…，φ(k)，…，φ(n)：

其中，N是图像的颜色深度(对于256级的灰度图像，N=256)；(Xmin，Xmax)的典型取值区间是(0.2，0.8)。

二、基于复合离散混沌系统的图像置乱加密算法

对于一个数字灰度图像I，其大小为M×N，利用复合离散混沌系统φ()来产生混沌实值序列，然后通过下面描述的置乱加密算法即可对图像，逐行进行置乱和解密。

1、置乱加密算法

置乱加密算法步骤如下：

（1）经复合离散混沌系统得到混沌实值序列φ(1)，φ(2)，…，φ(k)，…，φ(n)。

（2）通过排序变换，将实值序列集合{φ(1)，φ(2)，…，φ(k)，…，φ(n)}中的n个值由小到大排序，形成有序序列φ1，φ2，…，φn。

（3）确定混沌实值序列{φ(1)，φ(2)，…，φ(n)｝中的每个φ(i)在有序序列{φ1，φ2，…，φn}中的位置编号，形成置换地址集合T={ t1，t2，…，tn}。

（4）按置换地址集合{ t1，t2，…，tn}对图像的第1行像素进行置换，同时将其第i列像素置换至第ti列，i=1，2，…，n。

（5）置φ(1)=φ(n)，对2~M行，重复步骤（2）-步骤（5）。

2、解密算法

可采用类似置乱的步骤，即只需将步骤（4）改为：按置换地址集合{ t1，t2，…，tn}对图像的第1行像素进行置换，同时将其第ti列像素置换至第i列(i=1，2．…，n)即可实现图像的解密。

三、实验仿真

选择大小为220×60的灰度图像（如图1所示）作为实验对象，利用Matlab 7.0编程实现本加密算法。选取密钥i=0.666 66，j=0.555 55，Q=2，为了增强生成混沌序列的安全性，除去序列的初始段，然后进行加密运算产生加密图像如图2所示），正确解密后的图像如图3所示。

四、加密算法的安全性分析

一个好的加密算法应该能够抵抗各种密码分析攻击，并且其安全性不应该依赖于加密体制或算法的保密。针对本文提出的加密方案进行的各种安全性分析如下。

1、置乱度分析

置乱度(SM)来评估加密图像的像素置乱程度，它的计算式为：

其中，表示原始图像；表示置乱后图像；表示与原始图像大小相同的标准置乱图像。

在本加密算法中，将尺定义为均匀噪声图像，均匀噪声具备良好的随机性和混乱性，可以作为衡量像素置乱度的标准。利用实验结果多次计算SM得到平均值为：SM=0.887。

可见，给图像文件加密的像素置乱度与均匀噪声相近，具有良好的置乱性。

2、抗攻击测试

图4是加密图像经JPEG压缩为原大小20%后的解密图像，图5是加密图像受到10%强度的高斯噪声干扰后的解密图像。可以看出解密图像效果较好，具有较强的抗攻击能力。

本文的加密算法具有良好的密钥敏感性和很大的密钥空间，同时具有较好的抗统计攻击、差分攻击和选择明文攻击能力。另外，由于排序变换的强不规则性，还增加了加密算法对混沌映射初始值的敏感度和置乱的复杂度，从而使得新的混沌图像置乱加密算法具有较高的安全保密性能和足够大的密钥量。

基于动态信任的内生安全架构

动态信任是一种新型的信息安全架构，近年来随着物联网、云计算和移动化等技术的发展而逐渐受到关注。传统的信息安全架构往往是建立在固定的信任模型之上，而动态信任则更加灵活和自适应，可以根据实际情况动态调整信任度，从而提高整个系统的安全性。本文将从以下几个方面来探讨基于动态信任的内生安全架构，包括动态信任的概念、功能特点、应用场景、实现方法等。

一、动态信任的概念

动态信任是指基于多方交互和数据分析，根据实时风险评估结果自适应调整信任度的一种信任模型。它与传统的访问控制模型不同，传统模型是基于身份验证和访问授权来限制访问权限的，而动态信任则更加注重实时风险评估和动态调整信任度。动态信任由于其灵活性和自适应性被广泛应用于物联网、云计算和移动化等领域，成为一种新型的内生安全框架。

二、动态信任的功能特点

1、实时风险评估
动态信任的核心是实时风险评估，通过对多方交互数据的分析、模型预测和机器学习等方法，从而实现对用户、设备、应用以及网络等方面的风险评估。同时，动态信任支持多种评估方法，可以根据实际情况选择不同的评估方法来评估系统的安全性。

2、动态调整信任度
动态信任可以根据实时风险评估结果自适应调整信任度，从而提高整个系统的安全性。例如，对于一个新的设备或应用，由于缺少足够的信任度，系统可以限制其访问权限，等到其表现良好后再逐步增加信任度。另外，在不同的应用场景中，可以根据不同的容错需求设置不同的信任阈值，从而更加灵活地调整系统的安全性。

3、安全事件的自适应响应
基于动态信任的内生安全框架可以根据实时风险评估结果自适应响应安全事件，例如实时阻断异常访问或异常信任行为等，从而保护整个系统的安全。另外，动态信任还可以实现安全威胁预警和安全日志审计等功能，为后续的安全事件响应提供支持。

三、动态信任的应用场景

基于动态信任的内生安全框架适用于物联网、云计算和移动化等领域，可以提高系统的安全性和稳定性。具体应用场景如下：

1、物联网领域
对于物联网场景，动态信任可以实现对设备、应用、用户等的实时风险评估和动态信任管理，从而保护整个物联网系统的安全。例如，可以基于设备的行为、属性等数据进行风险评估，判断设备是否存在安全风险，并进行相应的防御措施。

2、云计算领域
对于云计算场景，动态信任可以实现对用户、应用、网络等的实时风险评估和自适应调整信任度，从而提高整个云计算系统的安全性和稳定性。例如，可以根据用户的访问情况和应用的行为数据等进行风险评估，判断用户和应用是否存在安全风险，并相应的限制其访问权限。

3、移动化场景
对于移动应用场景，动态信任可以实现对应用、用户等的实时风险评估和自适应调整信任度，从而保护整个移动应用系统的安全。例如，可以根据应用的行为数据、用户的位置信息等进行风险评估，判断应用和用户是否存在安全风险，并相应的限制其访问权限。

四、动态信任的实现方法

基于动态信任的内生安全框架的实现方法主要包括以下几个方面：

1、机器学习技术
机器学习技术可以实现对多方交互数据的分析和预测，进而实现实时风险评估和动态信任管理。例如，可以使用支持向量机、神经网络、朴素贝叶斯等算法对数据进行分类和预测，从而实现安全风险评估。

2、分布式计算技术
分布式计算技术可以实现对大规模数据的分析和处理，多种评估方法的实现和系统的扩展性等。例如，可以使用MapReduce等分布式计算技术来实现大规模数据的分析和处理，从而提高系统的效率和准确性。

3、安全日志管理技术
安全日志管理技术可以实现对安全事件的记录、分析和响应等功能，从而提高系统的安全性和稳定性。例如，可以使用SIEM技术来实现安全事件的实时监测、分析和响应，从而提供相应的安全保障。

总之，基于动态信任的内生安全框架是一种新型的信息安全架构，其具有灵活性和自适应性等特点，可以根据实际情况动态调整信任度，提高整个系统的安全性。在物联网、云计算和移动化等领域具有广泛的应用前景，同时也面临着各种技术挑战和安全威胁。因此，我们需要进一步探索动态信任技术的研究和应用，并积极探索基于动态信任的内生安全框架的实现方法和应用策略，从而实现网络信息安全的可靠保障。

本文为收集整理，文章部分观点不代表本站观点，如有侵权或其它问题请反馈客服。https://www.wgj7.com/cjwt/16356.html