基于Hopfield 網(wǎng)絡(luò)的彩色圖像混沌加密算法

盧輝斌，王麗佳

(1.燕山大學信息科學與工程學院，河北秦皇島066004;2.河北省特種光纖與光纖傳感實驗室，河北秦皇島066004)

基于Hopfield 網(wǎng)絡(luò)的彩色圖像混沌加密算法

盧輝斌1，2，王麗佳1

(1.燕山大學信息科學與工程學院，河北秦皇島066004;2.河北省特種光纖與光纖傳感實驗室，河北秦皇島066004)

一般混沌圖像加密，都是對圖像的整體像素置亂處理，其抵抗明文攻擊能力較差。為此，提出基于離散Hopfield神經(jīng)網(wǎng)絡(luò)的彩色圖象混沌加密算法。該算法采用自治三維混沌系統(tǒng)對彩色圖像單像素比特位進行加密操作，通過利用三維混沌序列的其中一維置亂圖像R、G、B分量的像素位置，用另外兩維序列設(shè)置置亂每個像素比特位的權(quán)值和閾值，從而改變彩色圖像各分量像素的位置和像素值，達到有效加密的效果。理論分析和實驗結(jié)果表明，該單像素加密算法可有效抵抗差分攻擊，使反饋密文提高了像素置亂效果，并具有良好的加密效果和保密性。

三維混沌系統(tǒng);反饋神經(jīng)網(wǎng)絡(luò);圖像置亂;加密

0 引言

混沌系統(tǒng)特殊的動力學特性，使混沌在密碼學中廣泛應(yīng)用［1］。目前，混沌系統(tǒng)已很好地應(yīng)用到彩色圖像加密中，但加密算法多采用圖像像素整體加密操作，混沌圖像加密主要是對圖像像素進行像素位置置亂和像素值置亂。主要思路是將混沌序列與明文序列進行異或改變像素值，得到密文信息。然而，這種整體像素值加密算法，抵抗明文攻擊力相對較差［2，3］。

離散Hopfield神經(jīng)網(wǎng)絡(luò)具有較好的穩(wěn)定性［4］，是一種單層的、輸入輸出為二值的反饋神經(jīng)網(wǎng)絡(luò)［5］。筆者結(jié)合離散型神經(jīng)網(wǎng)絡(luò)與混沌的特性，分離彩色圖像三基色，用三維混沌序列分別對各分量中單像素比特位進行像素置亂和位置置亂。主要針對圖像像素值的每一比特位，進行動態(tài)調(diào)整彩色圖像三基色分量的像素值，應(yīng)用反饋神經(jīng)網(wǎng)絡(luò)，將密文反饋到加密算法中，并使置亂的權(quán)值和閾值都隨著三維混沌序列的變化而變化，從而有效地提高像素置亂效果，并在實驗中充分利用三維混沌系統(tǒng)，提高破譯難度。同時增加了系統(tǒng)時空復雜度，提高了加密系統(tǒng)置亂和擴散特性，使加密圖像具有更高的抵抗明文攻擊的能力。圖像像素的復合操作過程為數(shù)字混沌［6］加密提供了新思路，有效改善混沌短周期、退化的軌道分布和相關(guān)性，進而增強混沌加密系統(tǒng)的安全性，為混沌密碼學的應(yīng)用探索新徑。

1 新混沌系統(tǒng)

1.1 新混沌系統(tǒng)的構(gòu)造

高維混沌系統(tǒng)較低維系統(tǒng)結(jié)構(gòu)復雜［7］，密鑰空間大，敏感性更強，加密安全性更高。筆者借鑒文獻［8］的方法，設(shè)計了一個新的三維混沌系統(tǒng)，該系統(tǒng)具有5個平衡點，其物理模型如下

其中a、b、c是系統(tǒng)的參數(shù)，且當參數(shù) a=30，b=15，c=6時，系統(tǒng)最大的Lyapunov指數(shù)為2.98，該系統(tǒng)進入典型混沌態(tài)(見圖1)。

圖1 新混沌系統(tǒng)吸引子Fig.1 The attractor of the new chaotic system

1.2 混沌系統(tǒng)敏感性

混沌系統(tǒng)的敏感性對加密非常重要［9］，混沌系統(tǒng)迭代數(shù)次后，表現(xiàn)出對初值極端敏感，產(chǎn)生的序列波形會因微小的變化發(fā)生巨大的改變。圖2描述了某一變量只相差10-10時，該混沌系統(tǒng)波形發(fā)生的巨大改變。

圖2 新混沌系統(tǒng)的敏感性Fig.2 The sensitivity of the new chaotic system

1.3 混沌系統(tǒng)分叉特性

系統(tǒng)參數(shù)發(fā)生改變時，會使系統(tǒng)平衡點發(fā)生相應(yīng)變化，以致系統(tǒng)的運動軌跡也發(fā)生變動。圖3為改變參數(shù)a時新混沌系統(tǒng)的分叉圖，由圖3可見，隨著a在［15，50］范圍內(nèi)變化，系統(tǒng)在周期態(tài)、混沌態(tài)和周期態(tài)之間相互轉(zhuǎn)變。

圖3 新混沌系統(tǒng)的分叉圖Fig.3 The bifurcation diagram of the new chaotic system

2 新混沌系統(tǒng)的彩色圖像加密算法

2.1 圖像像素位置置亂

設(shè)待加密的彩色圖像大小為M×N×3，分離其三基色，得到二維R、G、B分量。利用式(1)產(chǎn)生三維混沌序列，迭代L×M×N次，舍去前L次，生成X、Y、Z序列，其長度都為M×N。利用Z序列對R像素位置置亂，Y序列對G像素位置置亂，X序列對B像素位置置亂，下面以Z序列置亂R像素位置為例加以說明。

選取Z中［1，M］項作為Z1，［M+1，M+N］項作為Z2。先從R像素的第1行到第M行，按照式

對應(yīng)值對R循環(huán)右移。轉(zhuǎn)置R，再從第1行到第N行按照式

對應(yīng)值對R循環(huán)右移。最后轉(zhuǎn)置得到R像素位置置亂。用Y，X序列對G分量和B分量做類似的置亂操作。

2.2 圖像像素置亂

將二維R、G、B 像素值分別展開成一維向量 I1k、I2k、I3k，k=1，2，…，M×N，再轉(zhuǎn)換為二進制形式得到各分量像素值 p1k，i、p2k，i、p3k，i，分別表示三基色的第 k 個像素值第 i比特位，且滿足

另外，選取X、Y、Z序列進行預(yù)處理，得到序列Xk、Yk、Zk如下

經(jīng)式(5)處理后，將 Xk、Yk、Zk轉(zhuǎn)化為二進制形式 w1k，i、w2k，i、w3k，i，其中 k、i代表第 k 個序列值的第 i比特位，這里取i=8，轉(zhuǎn)換關(guān)系如下

基于離散Hopfield混沌神經(jīng)網(wǎng)絡(luò)，利用混沌序列的二進制流和圖像像素的二進制形式產(chǎn)生像素置亂［9］權(quán)值 q1k，i、q2k，i、q3k，i和閾值 u1k，i、u2k，i、u3k，i，表示如下

圖像的 R、G、B 像素值置亂后得到密文 m1k，i、m2k，i、m3k，i，加密算法如下

加密時，反饋密文［10］m10，i、m20，i、m30，i由 R、G、B 分量像素值的最后一個二進制值 p1M×N，i、p2M×N，i、p3M×N，i代入求得。按照式(11)進行像素置亂后，再將其像素值轉(zhuǎn)化為十進制，組合加密后的R、G、B分量，得到像素置亂圖像。圖像解密是加密的逆過程，像素值解密算法如下

解密時用已恢復出的 p1M×N，i、p2M×N，i、p3M×N，i代替 m10，i、m20，i、m30，i求出原像素 p11，i、p21，i、p31，i。

2.3 新混沌系統(tǒng)彩色圖像加解密步驟

Step1 讀入彩色圖像，大小為M×N×3，分離圖像三基色得到R、G、B像素分量。設(shè)置新混沌系統(tǒng)式(1)的參數(shù)和初值，迭代L×M×N次，舍棄前L次得到三維混沌序列。

Step2 按照2.1節(jié)內(nèi)容對R、G、B像素值進行位置置亂。

Step3 按照2.2節(jié)內(nèi)容對R、G、B像素值進行像素置亂。

Step4 組合R、G、B加密后的像素值，輸出加密后的圖像。

解密過程是加密的逆過程，按照式(12)解密出像素值，再組合為三維彩色圖像。

3 實驗結(jié)果及其安全性分析

3.1 加解密實驗結(jié)果

在Matlab7.0編程環(huán)境下，選用256×256×3的彩色圖像加密?；煦缦到y(tǒng)的參數(shù)和初值為a=30，b=15，c=6，X0=2，Y0=1，Z0=3，積分步長為h=0.01，迭代舍棄前5 500次。圖4為該加密算法效果圖，并仿真正確解密和初值誤差為10-10的錯誤解密情況。

圖4 彩色圖像加解密實驗效果圖Fig.4 The result figures of color image encryption and decryption

3.2 密鑰敏感性

由圖4d可看出，在其他條件不變的情況下，初值誤差只有10-10的微小變化時，解密就發(fā)生錯誤。由此可知，該算法的密鑰敏感性很強。另外，對于筆者的新三維混沌系統(tǒng)，不同的參數(shù)、初值和迭代次數(shù)使加密密鑰擁有很大的密鑰空間。

3.3 統(tǒng)計特性分析

1)相鄰像素的相關(guān)性。利用公式

分別隨機選取R、G、B像素中1 000對水平、垂直和對角相鄰像素，進行相關(guān)性分析(見表1)。由表1可以看出，原圖像的R、G、B相鄰像素相關(guān)性［11］非常高;而加密圖像中各分量相鄰像素相關(guān)系數(shù)接近于0，基本不相關(guān)，說明明文的統(tǒng)計特征已被擴散到隨機的密文當中。

表1 R、G、B分量相鄰像素的相關(guān)系數(shù)絕對值Tab.1 The correlation coefficient absolute value of adjacent pixels of R、G、B components

2)直方圖分析。圖5為加密前后各分量的直方圖對比，圖6為誤差為10-10錯誤解密各分量直方圖與原直方圖的對比。由圖5，圖6可看出，加密后圖像的三基色分量的直方圖均勻分布，錯誤解密后分布仍均勻，所以該加密算法已經(jīng)完全改變了原圖像的統(tǒng)計特性。

圖5 原圖與加密圖像直方圖對比Fig.5 The comparison of The original image and the encrypted image histogram

圖6 原圖與錯誤解密直方圖對比Fig.6 The comparison of The original image and the wrong decryption image histogram

3)抗差分攻擊能力。利用像素變化率(NPCR:Number of Pixels Change Rate，RNPCR)和像素平均強度變化率(UACI:Unified Average Changing Intensity，IUACI)［12］定量描述算法明文的敏感程度，驗證加密算法的抗差分攻擊能力?，F(xiàn)改變彩色圖像R分量的一個像素點p(i，j)，得到不同的密文值m1(i，j)，m2(i，j)。若 m1(i，j)≠m2(i，j)，則 D(i，j)=1，反之，D(i，j)=0;代入下式

其結(jié)果如表2所示。

由表2中 R、G、B分量的 NPCR和 UACI值可知，該加密算法能有效地抵抗差分攻擊。

表2 彩色圖像R、G、B分量的NPCR和UACI值Tab.2 The values of NPCR and UACI of the color image R、G、B components

3.4 抗干擾能力

對該混沌系統(tǒng)加密圖像進行抗剪切、抗高斯噪聲、抗椒鹽噪聲的試驗，其結(jié)果如圖7所示，證明該混沌加密算法有較好的魯棒性，具有較高的抗干擾能力。

圖7 干擾攻擊及其解密圖像Fig.7 Jamming attack and decrypt images

3.5 加解密算法的效率

在文獻［13］中對圖像像素進行多次位置置亂，這無疑會占用加密時間，相同置亂效果下，筆者的算法對單像素比特位置亂速度更快。文獻［14］中圖片加密時需要重復運行混沌系統(tǒng)7次，而筆者只需要一次就能達到很好的加密效果，加解密速度相對更快。分別用筆者的加密算法和文獻［14］的算法對同一圖片進行加密，文獻［14］的加密操作需要11.67 s，而筆者加密操作僅需0.23 s，由此可見，筆者的加密算法有很高的加密效率。

4 結(jié) 語

筆者設(shè)計一個新的三維混沌系統(tǒng)，結(jié)合離散Hopfield神經(jīng)網(wǎng)絡(luò)特點，對彩色圖像進行單像素混沌加密操作。實驗仿真結(jié)果表明，設(shè)計的彩色圖像單像素加密算法的敏感性強，加密速度快，抗攻擊能力好，從而確保信息的安全性。

［1］廖曉峰，肖迪，陳勇，等.混沌密碼學原理及其應(yīng)用［M］.北京:科學出版社，2009:1-40.LIAO Xiaofeng，XIAO Di，CHEN Yong，et al.The Principle and Application of Chaotic Cryptography［M］.Beijing:Science Press，2009:1-40.

［2］鄭繼明，高文正.彩色圖像的混沌加密算法［J］.計算機工程與設(shè)計，2011，32(9):2934-2937.ZHENG Jiming，GAO Wenzheng.Color Image Encryption Algorithm Based on Chaotic Map ［J］.Computer Engineering and Design，2011，32(9):2934-2937.

［3］LEE D L.New Stability Conditions for Hopfield Neural Networks in Partial Simultaneous Update Mode［J］.IEEE Transactions on Neural Networks，1999，10(4):975-978.

［4］馬潤年，楊友社.離散Hopfield網(wǎng)絡(luò)的穩(wěn)定性［J］.空軍工程大學學報，2000，1(4):39-41.MA Runnian，YANG Youshe.The Stability of Discrete Hopfield Networks［J］.Journal of Air Force Engineering University，2000，1(4):39-41.

［5］PATIDAR V，PAREEK N K，SUD K K.A New Substitution Diffusion Based Image Cipher Using Chaotic Standard and Logistic Maps［J］.Communications in Nonlinear Science and Numerical Simulation，2009，14(7):3056-3075.

［6］SINGH N，SINHA A.Optical Image Encryption Using Hartley Transform and Logistic Map［J］.Optics Communications，2009，282(6):1104-1109.

［7］SUN Fuyan，LIU Shutang.Image Encryption Using High-Dimension Chaotic System ［J］.Chinese Physics，2007，16(12):3616-3623.

［8］盧輝斌，肖霞.新三維自治混沌系統(tǒng)及其動力學性質(zhì)研究［J］.計算機工程，2012，38(16):255-257.LU Huibin，XIAO Xia.Research on Novel 3D Autonomous Chaotic System and Its Dynamics Character［J］.Computer Engineering，2012，38(16):255-257.

［9］劉祝華，曾高榮，謝芳森.像素值復合置亂的混沌圖像加密方法［J］.計算機工程與應(yīng)用，2012，48(25):122-126.LIU Zhuhua，ZENG Gaorong，XIE Fangsen.Chaotic Image Encryption Method Based on Pixel Value Composite Scrambling［J］.Computer Engineering and Applications，2012，48(25):122-126.

［10］劉祝華，曾高榮，謝芳森.基于離散Hopfield網(wǎng)絡(luò)的混沌圖像加密算法［J］.計算機工程，2012，38(4):112-115.LIU Zhuhua，ZENG Gaorong，XIE Fangsen.Chaotic Image Encryption Algorithm Based on Discrete Hopfield Network ［J］.Computer Engineering，2012，38(4):112-115.

［11］李錦青，柏逢明，底曉強.基于Hopfield混沌神經(jīng)網(wǎng)絡(luò)的彩色圖像加密算法研究［J］.長春理工大學報，2012，35(4):117-121.LI Jinqing，BAI Fengming，DI Xiaoqiang.Color Image Encryption Algorithm Based on Hopfield Chaotic Neural Networks［J］.Journal of Changchun University of Science and Technology，2012，35(4):117-121.

［12］CHEN G，MAO Y，CHUI C K.A Symmetric Image Encrypyion Scheme Based on 3D Chaotic Cat Maps［J］.Chaos Solitons and Fractals，2004，21:749-761.

［13］張雪鋒，羅祖軍，高川.基于混沌序列的數(shù)字圖像加密算法［J］.計算機工程與應(yīng)用，2006，135(19):61-62.ZHANG Xuefeng，LUO Zujun，GAO Chuan.A Digital Image Encryption Algorithm Based on Chaotic Sequences［J］.Computer Engineering and Applications，2006，135(19):61-62.

［14］許冰，孫永維，李洋，等.基于高維混沌系統(tǒng)的圖像加密改進算法［J］.吉林大學學報:信息科學版，2012，30(1):12-17.XU Bing，SUN Yongwei，LI Yang，et al.Improved Image Encryption Algorithm Based on High-Dimension Chaotic System［J］.Journal of Jilin University:Information Science Edition，2012，30(1):12-17.

(責任編輯:何桂華)

Color Image Encryption Algorithm of Chaotic Based on the Hopfield Network

LU Huibin1，2，WANG Lijia2
(1.College of Information Science and Engineering，Yanshan University，Qinhuangdao 066004，China;2.The Key Laboratory for Special Fiber and Fiber Sensor of Hebei，Qinhuangdao 066004，China)

Generally encryption process is the overall processing image pixel so that it is weak to resist plaintext attack.In view of the problem of poor ability to prevent plaintext attack of pixel integral encryption，this article designs a chaotic single-pixel encryption algorithm of color image based on the discrete Hopfield network.This encryption method changes the pixel position of each component of image R、G、B by using one dimension chaotic sequence.Set each pixel bit weights and thresholds with the other two dimensional sequence in order to achieve effective encryption result.Theoretical analysis and experimental results show that the single pixel encryption algorithm can effectively resist differential attack.The feedback ciphertext can improve the pixel scrambling effect as well as good encryption effect and confidentiality of the encryption algorithm.

three-dimensional chaotic system;feedback neural network;image scrambling;encryption

TN918

A

1671-5896(2014)02-0131-07

2013-09-11

河北省教育廳基金資助項目(2007493)

盧輝斌(1964— )，男，吉林蛟河人，燕山大學教授，主要從事網(wǎng)絡(luò)與信息安全、保密通信研究，(Tel)86-335-8049286(E-mail)yjsbl@ysu.edu.cn。