基于深度学习的相位截断傅里叶变换非对称加密系统攻击方法

大多数光学加密系统都是对称加密系统,在光学图像加密中明文和密文之间具有线性关系,其系统的安全性有待加强.而基于相位截断傅里叶变换(phase-truncated Fourier transform, PTFT)的非对称加密系统,其非线性的相位截断操作使加密系统的安全性得到了极大提升.本文提出使用深度学习方法攻击PTFT加密系统,通过PTFT加密系统构造出明密文对图像数据集,然后将其输入残差网络(residual network, Res Net)中进行训练, Res Net自动学习该加密系统的解密特性.最后应用测试集对训练好的模型进行解密性能测试,数据表明该模型能够较好地恢复图像并且该模型具有一定的抗噪声能力.与两步迭代振幅恢复算法相比,本文所提出方法恢复的图像质量更好.