近日，best365网页版登录信息科学与工程学院硕士研究生高昕瑜及其导师牟俊教授与意大利都灵理工大学Santo Banerjee教授、南京航空航天大学张玉书教授合作，在混沌多图像混合加密领域取得新进展。该工作使用Fridrich加密结构，采用独创的置乱算法，对各种尺寸、类型的图像进行混合加密。在此基础上，结合BP神经网络数据压缩技术，实现了多图像的混合压缩和加密。该工作不仅保障了图像传输的安全，还实现了多图像的有效压缩，提高了图像处理效率，减小了图像存储和传输的压力。
　　近年来，基于混沌理论的图像加密技术得到飞速发展。混沌系统特有的伪随机性、遍历性、对初始条件的高度敏感性等特点，在图像加密设计中能够发挥出不可替代的优势。为了适应不同的需求，各种图像加密算法层出不穷。其中，多图像加密算法因其复杂的算法设计、较高的加密效率和广泛的适用范围而受到更多的关注。同时，与图像压缩技术相结合还可以减小图像存储和传输的空间压力。然而，现有的多图像加密技术通常采用图像拼合的方法，对图像的数量、尺寸和类型有所限制。另一方面，现有的研究工作中没有成功实现多图像的算法压缩和加密的案例。因此，实现多图像的有效融合以打破图像数量、尺寸、类型的限制，并实现有效压缩和加密仍是一个巨大的挑战。


　　本工作设计了一个多图像混合压缩加密方案。多个图像被融合以获得一个明文图像立方体，然后依次进行图像混合压缩和加密，可以得到一个密文图像立方体用于存储和传输。在算法仿真中，压缩率为0.5时解密重建后的多幅图像在视觉上不受影响。在压缩性能测试中，当压缩率为0.25、0.5和0.75时，图像重建质量均在30dB以上。特别是在高压缩率下，重建后的图像仍然清晰可辨，这为多图像便携存储和传输提供了技术支持。经过安全性测试和分析，该方案可以有力抵御暴力攻击、统计分析攻击、明文攻击、差分攻击以及一定程度的噪声污染和剪切攻击。值得注意的是，该方案可以同时加密各种尺寸的彩色和灰度图像。即，所提出的方案具有对多幅图像进行混合压缩和加密的能力，并且对加密图像的数量、尺寸、类型具有兼容性。

　　相关研究成果以“Color-Gray Multi-Image Hybrid Compression-Encryption Scheme Based on BP Neural Network and Knight Tour”为题发表在《IEEE Transactions on Cybernetics》（IF=19.118，JCR分区Q1）上。best365网页版登录为第一完成单位。控制科学与工程2020级硕士研究生高昕瑜为第一作者，牟俊教授为通信作者。
　　高昕瑜，女，1996年10月出生，现为best365网页版登录信息科学与工程学院控制科学与工程专业硕士研究生，师从牟俊教授。研究领域为混沌理论与信息安全，以第一作者TCYB、JKSUCIS、ND等SCI学术期刊发表论文7篇，其中IF>10论文2篇，ESI前1‰热点论文1篇，ESI前1%高被引论文2篇。
　　原文链接：https://ieeexplore.ieee.org/abstract/document/10114408/
　　文图/高昕瑜、王玉龙 审稿人/赵昕、贲春?P