数字图像加密利用高维细胞神经网络和矩阵的上下三角分解

科学领域:

• 密码学和网络安全
• 应用数学 应用数学 应用数学
• 计算机科学 计算机科学

背景情况:

• 现有的图像加密方法在密钥空间,密码生成,安全验证和整体加密方案方面面临挑战.
• 需要先进的算法来解决数字图像安全方面的这些限制.

研究的目的:

• 开发一种新的数字图像加密算法,解决当前的局限性.
• 提高图像加密系统的安全性,效率和复杂性.

主要方法:

• 整合一个六维的细胞神经网络与泛化混乱,用于伪随机数生成.
• 应用下-上 (LU) 分解来将图像矩阵转换为L矩阵和U矩阵.
• 同时加密L和U矩阵,使用由集成混乱系统生成的不同的密码序列.

主要成果:

• 拟议的算法成功生成与纯文本相关的密码.
• 图像分解加密有效地减少了密码长度和传输拦截风险.
• 使用非线性变换显著提高了加密系统的复杂性和算法安全性.

结论:

• 开发的算法提供了一个新的图像分解加密模式,与现有方法相比具有全面的优势.
• 该算法通过模拟和性能分析证明了强大的可行性和安全性.
• 这种方法对未来的安全图像通信应用有希望.