适应性图像加密方法使用增强的群集智能算法

科学领域:

• 密码学 密码学 密码学 密码学
• 计算机科学 计算机科学
• 人工智能的人工智能

背景情况:

• 基于混乱的加密利用独特的混乱特性来安全传输数据.
• 最佳选择初始和控制参数对于基于混乱的加密方法的性能至关重要.
• 对于复杂的参数空间,现有的优化技术可能缺乏足够的探索和利用能力.

研究的目的:

• 为优化混乱的地图参数提出一个基于Iterative Cosine运算符的河马优化 (ICO-HO) 算法.
• 设计一个自适应的图像加密方法,利用优化的混乱地图.
• 提高图像加密的安全性和性能,特别是在医学成像应用中.

主要方法:

• 开发ICO-HO算法,整合一个新的第4阶段的位置更新,并采用基于对立的学习.
• 使用ICO-HO优化PWLCM和PWCM混乱图的参数,用于图像加密中的密钥生成.
• 使用视觉,统计,差异和定量分析对各种医疗图像 (灰度,RGB,超光谱) 进行拟议的加密方法的评估.

主要成果:

• 与标准的河马优化 (HO) 相比,ICO-HO算法在CEC-2017基准函数上表现优越.
• 拟议的加密方法实现了高的NPCR (99.60%) 和UACI (33.40%) 值,表明对差异性攻击有很强的抵抗力.
• 该方法实现了优异的值 (8.0位图像为7.9995,16位图像为15.8124),超过了最先进的技术.

结论:

• ICO-HO算法有效地优化混乱的地图参数,以实现强大的图像加密.
• 拟议的自适应图像加密方法提供了增强的安全性和高随机性,适用于敏感的医疗数据.
• ICO-HO代表了对加密应用的元启发式优化的重大进步.