- 1、本文档共67页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
摘要
随着计算机技术和通信技术的发展,大量图像被存储在云端,并通过互
联网传输和共享。如何防止一些敏感图像,如军事图像、医学图像或个人隐私
图像不被未授权人员访问,已成为信息安全的一个重要分支。图像加密通过
改变图像中像素的位置和值来加密图像,使得图像中不存在任何视觉上有意
义的信息,以此来实现图像间的加密通信。但是攻击者一眼就能看出图像是
经过加密的,他们会尽力破解它们。图像隐写与图像加密的做法则不同,图像
隐写通常将秘密图像隐藏在一个载体图像中,使攻击者无法感知载体中有秘
密图像的存在,保证了通信过程的安全性,已成为图像安全界的热门话题。
深度学习具备学习能力强、适应性强、数据驱动等优点,引入深度学习模
型的图像隐写已逐渐成为目前的研究热点。当前,大量学者将Transformer模
型应用在图像处理领域,并取得了不错的效果,但是还没有学者探究过其在
图像隐写领域的效果。图像隐写虽然能够实现将秘密图像信息嵌入载体图像,
但是当图像隐写方案被破解时,秘密图像也将被完全暴露出来。于是本文提
出了基于Transformer和混沌递归加密的图像隐写模型研究,主要开展了如下
工作:
(1)针对目前图像隐写领域提出的图像隐写模型得到的图像视觉质量低、
安全性不足以及隐写容量低的问题,本文提出了一种基于Transformer的图像
隐写模型。该模型架构由隐写网络和提取网络两部分组成。隐写网络,用于对
秘密图像进行图像隐写操作;提取网络用于恢复秘密图像。隐写网络和提取
网络都是基于Transformer模型的。通过使用Transformer模型,学习图像隐
写过程和相对应的解密过程,Transformer模型能够有效结合全局信息,对较
长的距离依赖进行建模,从而有效提高隐写模型的性能,载密图像的视觉质
量以及隐写容量,并最终在图像隐写领域取得当前最佳的表现。
(2)针对其他图像加密方法是对整张图片进行整体一次性加密而导致安
1
基于Transformer和混沌递归加密的图像隐写模型研究
全性较低的问题,本文提出了一种基于混沌系统的递归置乱图像加密模型,
该模型创新性地将递归思想引入图像加密,提出的递归方法还可以应用在图
像加密的其他算法中。使用基于混沌系统的递归置乱加密算法对图像进行加
密,能够对图像进行多层次的加密,提高加密算法的安全性。
(3)针对单独使用图像隐写模型导致传输图像被获取且隐写逆过程被破
解后秘密图像将完全暴漏的问题,提出将基于混沌系统的递归置乱图像加密
模型和基于Transformer的图像隐写模型相结合,这样即便载密图像被获取且
图像隐写模型被破解,攻击者进行隐写逆过程后也只是得到一张乱码图像,
保证了秘密图像的安全性。
关键词:图像隐写,图像加密,Transformer,递归加密
2
Abstract
Abstract
Withthedevelopmentofcomputertechnologyandcommunicationtechnology,
alargenumberofimagesarestoredinthecloudandtransmittedandsharedthrough
theInternet.Howtopreventsomesensitiveimages,suchasmilitaryimages,
medicalimagesorpersonalprivateimagesfrombeingaccessedbyunauthorized
personnel,hasbecomeanimportantbra
文档评论(0)