基于深度学习的新混沌信号及其在图像加密中的应用

为提高单一混沌系统图像加密的安全性,本文提出了基于深度学习的图像加密算法.首先,利用超混沌Lorenz系统产生混沌序列.其次,利用长短期记忆人工神经网络(long-short term memory, LSTM)复杂的网络结构模拟混沌特征构造新的混沌信号.然后,利用最大Lyapunov指数, 0-1测试,功率谱分析、相图以及NIST测试对新信号的动力学特征进行分析.最后,将新信号应用到图像加密中.由于该方法生成的新信号不同于原有混沌信号,而且加密系统具有很高的复杂结构和非线性特征,故很难被攻击者攻击.仿真实验结果表明,本文提出的图像加密算法相比其他一些传统方法具有更高的安全性,能够抵抗常见的攻击方式.