相关实验视频
Updated: Jan 9, 2026

04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
725
图像自适应加密使用EfficientNet B3功能引导多滚动混乱地图与模块控制的伪并行处理
S Subathra1, V Thanikaiselvan2
1School of Electronics Engineering, Vellore Institute of Technology, Vellore, Tamil Nadu, 632014, India.
Scientific reports
|December 6, 2025
概括
这项研究介绍了一种新的多阶段加密算法,将深度神经网络和混乱地图结合起来,以实现安全的图像传输. 新方法显著提高了对各种攻击的安全性和稳定性.
科学领域:
- 密码学 密码学 密码学
- 计算机科学 计算机科学
- 信息安全 信息安全
背景情况:
- 在开放道中,安全的图像传输至关重要.
- 现有的加密方法面临着对先进攻击的效率和安全性方面的挑战.
研究的目的:
- 为增强图像传输安全性提出一种新的多阶段加密算法.
- 提高对差异和统计攻击的效率和稳定性.
主要方法:
- 集成深度神经网络 (EfficientNet-B3) 和一个4D多滚动混乱地图.
- 图像自适应键生成使用SHA 256哈希值来生成混乱序列.
- 伪并行处理采用双向选择性混合和混乱扩散技术.
主要成果:
- 实现了大键空间 (2^674) 和高键灵敏度.
- 经过高NPCR (99.9%) 和UACI (33.46%) 值的强烈雪崩效应.
- 展示了对差异,统计,裁剪和噪声攻击的强度,与接近零的像素相关性.
结论:
- 拟议的算法为图像传输提供了卓越的安全性和效率.
- 深度学习和混乱系统的整合提供了一个强大的加密框架.
- 该方法有效地解决了开放通道通信中的安全漏洞.
