基于超分辨率深度神经网络 (SRDNN) 的多图像隐形图像,用于高度安全的无损图像传输
S Priya1, S P Abirami2, B Arunkumar3
1Department of Computer Science and Engineering, Coimbatore Institute ofTechnology, Coimbatore, India.
Scientific reports
|March 14, 2024
概括
这项研究引入了一种新的安全数据传输方法,通过使用深度神经网络将多个秘密图像嵌入到单个封面图像中. 然后将组合图像加密,实现高恢复率并显著减少处理时间.
科学领域:
- 计算机科学 计算机科学
- 信息安全 信息安全
- 人工智能的人工智能
背景情况:
- 安全的在线信息交换至关重要,特别是对于敏感的医疗数据.
- 传统的石学方法,如LSB操纵,也有其局限性.
- 结合密码学和隐形学,可以提高数据安全性.
研究的目的:
- 开发一种使用深度神经网络嵌入多个图像的新型隐形图像技术.
- 通过使用混乱地图和圆曲线加密 (ECC) 的加密来增强安全性.
- 提高安全数据传输的效率.
主要方法:
- 使用深度神经网络将多个2D彩色图像组合成一个单一的封面图像.
- 使用3D混乱地图进行扩散和ECC用于加密期间的混.
- 实施稳定图像嵌入的稳定图像方法.
主要成果:
- 拟议的系统可实现高达93%的隐藏图像恢复率.
- 与传统方法相比,时间复杂性减少了78%.
- 深度神经网络有效地将多个秘密图像组合起来,并将它们隐藏在一个封面图像中.
结论:
- 深度神经网络为先进的隐藏图形提供了一种强大的方法.
- 混沌地图和ECC的整合大大加强了信息安全.
- 这种方法为数字图像数据传输提供了高效和安全的解决方案.
