CN110784619B - 一种基于混沌的新式并行图像加密方法 - Google Patents

Abstract

本发明公开了一种基于混沌的新式并行图像加密方法，包括如下步骤：1)利用所提出的自适应调节参数对混沌系统的初始条件进行控制；2）生成相应的混沌序列，并对其进行量化以构造加密矩阵；3）在位平面上混淆明文图像，然后，将动态索引扩散法与加密矩阵结合运用到扩散过程里，对已混淆的图像进行扩散，得到最终的加密图像。这种方法基于图形处理单元（GPU）实现并行加速，能提高加密效率，且能够有效地抵抗基于密码分析的各种攻击，具有较快的加密速度和良好的安全性能。

Description

一种基于混沌的新式并行图像加密方法

技术领域

本发明涉及图像加密技术领域，具体是一种基于混沌的新式并行图像加密方法。

背景技术

数字图像作为信息载体的一种重要形式，在许多领域都有着广泛的应用，因此，防止其遭受不同的恶意攻击和预防信息泄露成为个人和网络服务提供商关注的主要问题。图像加密是隐私保护的一个重要课题和有效方法。传统的文本加密标准，如高级加密标准(AES)和数据加密标准(DES)等，由于相邻像素间相关性强、数据量大、数据冗余度高，不适合直接用于图像加密，因此，人们提出了大量新的图像加密方案，其中基于混沌的加密方案由于混沌系统的伪随机性、不可预测性和遍历性而受到广泛关注。

一个好的图像加密系统不仅保证了密码分析攻击的安全性和鲁棒性，而且具有较快的加密速度，有利于图像在实际应用中的实时传输，因此，已经研发了各种基于混沌系统的并行图像加密算法。例如，学者们设计了一种基于离散化Kolmogorov流图和四种基本变换的并行图像加密框架。几年前，一种基于混沌和压缩感知(CS)的并行图像加密方法被提出，该方法提升了抵抗选择和已知明文攻击的能力。此外，相关学者还提出了一种新的明文相关的，结合混沌窗口的并行图像加密算法。上述的这些并行图像加密方案，通过对原图像进行等分割，从而对大小相同的子图像同时进行加密，提高了加密效率的同时，由于加密的混沌序列与明文图像也密切相关，因而大大提高了明文的敏感度，类似地，基于混沌的多图像加密(MIE)方案是使用一些新的并行编码方法设计的，此外，量子编码作为一种并行编码方法，在图像处理领域得到了广泛的关注。在量子图像表示模型和混沌映射的基础上，有人提出了一些量子图像加密方案，这些加密结构为在不同平台上实现并行图像加密提供了丰富的理论基础。而在各种软硬件平台上，图形处理单元(Graphics Processing Unit，简称GPU)因其出色的性能而受到学者们的欢迎。

与CPU相比，GPU由于其更多的计算单元更适合于加速大数据集的加密过程，因此，在GPU平台上提出并实现了几种并行图像加密方案。具体地说，学者们研发了一种利用位平面分解和并行遗传算法(GA)的图像加密新算法，利用GPU在比特级上加速了分布式GA算法，提高了加密效率。此外，一种基于轻量级混沌映射和简单逻辑及算术运算的新型并行加密结构被提出，对于大规模并行体系结构，例如GPU也进行了高度优化。在此基础上，还设计了一种基于分段线性混沌映射和四维超混沌映射的并行数字图像加密算法，该算法在图形处理器设备上实现，大大提升了加密的速度，然而，大多数的并行图像加密算法对于递归问题的适应性较低，为此如何妥善结合串并行优势，设计更优质的加密算法，是如今需要关注的问题。

发明内容

本发明的目的是针对现有技术的不足，而提供一种基于混沌的新式并行图像加密方法。这种方法安全性高并且加密速度快，具有抵御各种攻击的良好性能。

实现本发明目的的技术方案是：

一种基于混沌的新式并行图像加密方法，与现有技术不同的是，包括如下步骤：

1)假定明文图像的尺寸为M×N，采用自适应调节参数对混沌系统的初始条件进行控制，其中自适应调节参数生成和调节过程为：

1-1)首先，明文图像P被分为四个同样尺寸的子图像I₁、I₂、I₃和I₄，并生成相应的函数块fun₁、fun₂、fun₃和fun₄，则：

s＝round(sum(P)mod256) (1)，

其中k∈[1，4]，s表示明文因子，round(x)表示四舍五入x到最接近的整数,sum(P)表示对P求和，(A mod B)表示返回A除以B后的余数，而

表示位异或操作；

1-2)自适应调节参数使用函数块和子图像块得到，详细为：

其中，δ_{adj_1}，δ_{adj_2}，δ_{adj_3}和δ_{adj_4}表示自适应调节参数，sum(I_k)表示对I_k求和；

然后，采用所生成的自适应调节参数来调整混沌映射的初始值，调节初始值过程如下：

其中x₀,y₀,z₀,w₀是混沌系统的初始值；

2)通过步骤1)生成的混沌序列来组建加密矩阵，其过程如下：

2-1)迭代混沌系统得到尺寸为1×MN的x、y、z和w四个混沌序列，之后生成另一个明文因子s₀和微调因子x_ad，过程如下：

其中floor(A)表示取小于或等于A的整数，而mean(A)表示取序列A的平均数,X₃2是用于获取微调因子x_ad的量化数据；

2-2)采用明文因子s₀对混沌序列进行初步量化：

然后将1×MN尺寸的量化序列X′₁，X′₂，X′₃，X′₄重塑为M×N的量化矩阵X₁,X₂,X₃,X₄；

2-3)基于量化矩阵X₁，X₄和明文因子s₀生成加密矩阵X_swap、X_D和X_key，过程如下：

X_swap＝floor((abs(y)×10¹⁴+s₀)mod 256) (8)，

X_key(i，j)＝(X₄(i，j)+s₀)mod256 (10)，

其中i∈[0，M-1],j∈[0，N-1]，加密矩阵X_swap用于置乱图像，X_key作为后续动态扩散法的指针序列与X_D一起用于扩散加密操作；

3)先在位平面上混淆明文图像，然后，采用动态索引扩散法与加密矩阵结合运用到扩散过程里，对已混淆的图像进行扩散，得到最终的加密图像，这个过程即为混淆-扩散加密过程：

3-1)图像混淆过程：用用量化矩阵X₁，对明文图像P的各行的对应像素进行交换操作，然后使用用量化矩阵X₂对交换过像素的明文图像P的所有点进行循环移位，过程如下所示：

P₁(i，j)←(P(i，j)＞＞(8-X₂(i，j)))|(P(i，j)＜＜X₂(i，j)) (12)，

其中i∈[0，M-1]，j∈[0，N-1],Eq.(11)表示同一行像素交换操作,Eq.(12)表示对P(i，j)进行位平面的循环移位操作，混淆过程完成后，混淆过的图像记为P₁，之后生成混淆图像因子和混淆图像一起完成扩散过程：

s₀₁表示混淆图像因子；

3-2)扩散前的预处理操作：在扩散图像P₁前，先对P₁的第一行进行预加密，加密过程如下：

其中d_index1是动态指针，经过预处理操作后，此时P₁记为P₂；

3-3)P₂通过动态指针扩散对其余像素值加密，过程如下：

其中d_index2属于动态行指针，最后，对已扩散好的图像P₂通过公式(17)进行置乱：

其中置乱后可得最终加密图像C＝P₂；

4)在基于OpenCL技术的GPU平台上对加密过程进行并行加速：加速部分包括自适应调节参数生成、加密矩阵的组建、混淆和基于动态索引的扩散四个过程，其内核函数参数配置及描述如下：

四个并行内核函数即自适应调节参数生成核函数__kernel void Self-adaptingparameters()，加密矩阵的组建核函数__kernel void Quantization()，混淆核函数__kernel void Confusion()和动态索引的扩散核函数__kernel void diffusion()，这四个核函数的参数配置包括维度参数Ndrange，全局工作变量参数global_work_size和局部工作变量参数lobal_work_size,此外，四个内核函数有其相应的输入和输出；

在自适应调节参数生成的内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[4，1]和[1，1],输入变量包含明文因子s和分割后的子图像I_k，执行自适应调节参数生成过程，输出得到自适应调节参数δ_{adj_1～4}，所述自适应调节参数生成过程为步骤1-2)中所述；

在加密矩阵的组建内核函数中，维度参数被设置为一维,全局工作变量参数和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含混沌序列y,另一明文因子s₀,微调因子x_ad,三个量化矩阵X₁,X₂,X₄,图像列尺寸N，执行加密矩阵的组建过程，输出得到加密矩阵X_swap,X_D,X_key，其中X_swap用于置乱操作，X_D用于后续的扩散加密处理，X_key是指针序列，所述加密矩阵的组建过程为步骤2-3)中所述；

在混淆内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含明文因子s₀，明文图像P,两个量化矩阵X₁和X₂,图像列尺寸N，执行混淆过程，输出得到混淆图像P₁，所述混淆过程为步骤3-1)中所述；

在动态索引的扩散核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[N，1]和[1，1]，输入变量包含混淆图像因子s₀₁,混淆图像P₁,三个加密矩阵X_swap,X_key,X_D,量化矩阵X₃,图像行尺寸M，执动态索引的扩散过程，输出得到密文图像P₂，所述动态索引的扩散过程为步骤3-3)中所述；最后加密图像表示为C,C＝P₂。

本技术方案主要分为如下几个步骤：1)利用所提出的自适应调节参数对混沌系统的初始条件进行控制，这与明文图像有着密切的联系，提高了平面图像的灵敏度；2)生成相应的混沌序列，并对其进行量化以构造加密矩阵；3)在位平面上混淆明文图像，然后，将动态索引扩散法与加密矩阵结合运用到扩散过程里，对已混淆的图像进行扩散，得到最终的加密图像，整个方法是基于OpenCL技术的图形处理单元(GPU)平台，实现并行加速来提升加密效率。

而解密的关键在于扩散过程的指针处理上，但总体是加密过程的逆过程，其详细步骤如下；

1)加密图像C通过下面公式进行反向置乱：

其中i∈[M-1，0],j∈[N-1，0]，置乱还原后的C可记为P′₂，然后P′₂通过反向动态指针扩散过程从最后一个像素到第一个像素进行逐个解密：

这里i∈[M-2，0],j∈[N-1，0]；

2)对P′₂的第一行进行进一步解密，过程为：

其中j∈[N-2，0]，第一个像素再最后解密一遍：

此时P′₂被记为P′₁，与加密过程的P₁完全一致；

3)最后解密图像可被反向混淆过程得到：

P′(i，j)←(P′₁(i，j)＜＜(8-X₂(i，j)))|(P′₁(i，j)＞＞X₂(i，j)) (22)，

其中Eq.(22)表示对P′₁(i，j)的循环移位，可以发现最后解密图像P′与明文图像完全一致。

本技术方案中采用基于OpenCL技术在GPU上实现的并行混淆-扩散加密体系结构，从而显著提高了加密效率。

本技术方案中采用与明文图像相关的自适应调节参数生成过程，并应用于混沌映射初始值的控制，增强了整个加密系统对明文图像的灵敏度，使其具有足够的抗差分攻击能力。

本技术方案中采用基于并行体系结构的动态索引扩散过程，利用扩散过程中的前一行扩散像素来影响当前像素的加密结果，提高了扩散度。

这种方法安全性高并且加密速度快，具有抵御各种攻击的良好性能。

附图说明

图1为实施例中的加解密过程示意图；

图2为实施例中的并行图像加密机制即并行化实现过程示意图。

具体实施方式

下面结合附图和实施例对本发明内容作进一步的阐述，但不是对本发明的限定。

实施例：

一种基于混沌的新式并行图像加密方法，包括如下步骤：

1)假定明文图像的尺寸为M×N，采用自适应调节参数对混沌系统的初始条件进行控制，其中自适应调节参数生成和调节过程为：

1-1)首先，明文图像P被分为四个同样尺寸的子图像I₁、I₂、I₃和I₄，并生成相应的函数块fun₁、fun₂、fun₃和fun₄，则：

s＝round(sum(P)mod256) (1)，

其中k∈[1，4]，s表示明文因子，round(x)表示四舍五入x到最接近的整数,sum(P)表示对P求和，(A mod B)表示返回A除以B后的余数，而

表示位异或操作；

1-2)自适应调节参数使用函数块和子图像块得到，详细为：

其中，δ_{adj_1}，δ_{adj_2}，δ_{adj_3}和δ_{adj_4}表示自适应调节参数，sum(I_k)表示对I_k求和；

然后，采用所生成的自适应调节参数来调整混沌映射的初始值，调节初始值过程如下：

其中x₀,y₀,z₀,w₀是混沌系统的初始值；

2)通过步骤1)生成的混沌序列来组建加密矩阵，其过程如下：

2-1)迭代混沌系统得到尺寸为1×MN的x、y、z和w四个混沌序列，之后生成另一个明文因子s₀和微调因子x_ad，过程如下：

其中floor(A)表示取小于或等于A的整数，而mean(A)表示取序列A的平均数,X₃₂是用于获取微调因子x_ad的量化数据；

2-2)采用明文因子s₀对混沌序列进行初步量化：

然后将1×MN尺寸的量化序列X′₁，X′₂，X′₃，X′₄重塑为M×N的量化矩阵X₁,X₂,X₃,X₄；

2-3)基于量化矩阵X₁，X₄和明文因子s₀生成加密矩阵X_swap、X_D和X_key，过程如下：

X_swap＝floor((abs(y)×10¹⁴+s₀)mod 256) (8)，

X_key(i，j)＝(X₄(i，j)+s₀)mod 256 (10)，

其中i∈[0，M-1],j∈[0，N-1]，加密矩阵X_swap用于置乱图像，X_key作为后续动态扩散法的指针序列与X_D一起用于扩散加密操作；

3)先在位平面上混淆明文图像，然后，采用动态索引扩散法与加密矩阵结合运用到扩散过程里，对已混淆的图像进行扩散，得到最终的加密图像，这个过程即为混淆-扩散加密过程：

3-1)图像混淆过程：用量化矩阵X₁，对明文图像P的各行的对应像素进行交换操作，然后使用量化矩阵X₂对交换过像素的明文图像P的所有点进行循环移位，过程如下所示：

P₁(i，j)←(P(i，j)＞＞(8-X₂(i，j)))|(P(i，j)＜＜X₂(i，j)) (12)，

其中i∈[0，M-1]，j∈[0，N-1],Eq.(11)表示同一行像素交换操作,Eq.(12)表示对P(i，j)进行位平面的循环移位操作，混淆过程完成后，混淆过的图像记为P₁，之后生成混淆图像因子和混淆图像一起完成扩散过程：

s₀₁表示混淆图像因子；

3-2)扩散前的预处理操作：在扩散图像P₁前，先对Px的第一行进行预加密，加密过程如下：

其中d_index1是动态指针，经过预处理操作后，此时P₁记为P₂；

3-3)P₂通过动态指针扩散对其余像素值加密，过程如下：

其中d_index2属于动态行指针，最后，对已扩散好的图像P₂通过公式(17)进行置乱：

其中置乱后可得最终加密图像C＝P₂；

4)在基于OpenCL技术的GPU平台上对加密过程进行并行加速：加速部分包括自适应调节参数生成、加密矩阵的组建、混淆和基于动态索引的扩散四个过程，其并行机制如图2所示，其内核函数参数配置及描述如下：

四个并行内核函数即自适应调节参数生成核函数__kernel void Self-adaptingparameters()，加密矩阵的组建核函数__kernel void Quantization()，混淆核函数__kernel void Confusion()和动态索引的扩散核函数__kernel void diffusion()，这四个核函数的参数配置包括维度参数Ndrange，全局工作变量参数global_work_size和局部工作变量参数lobal_work_size,此外，四个内核函数有其相应的输入和输出；

在自适应调节参数生成的内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[4，1]和[1，1],输入变量包含明文因子s和分割后的子图像I_k，执行自适应调节参数生成过程，输出得到自适应调节参数δ_{adj_1～4}，所述自适应调节参数生成过程已在步骤1-2)中描述；

在加密矩阵的组建内核函数中，维度参数被设置为一维,全局工作变量参数和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含混沌序列y,另一明文因子s₀,微调因子x_ad,三个量化矩阵X₁,X₂,X₄,图像列尺寸N，执行加密矩阵的组建过程，输出得到加密矩阵X_swap,X_D,X_key，其中X_swap用于置乱操作，X_D用于后续的扩散加密处理，X_key是指针序列，所述加密矩阵的组建过程已在步骤2-3)中描述；

在混淆内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含明文因子s₀，明文图像P,两个量化矩阵X₁和X₂,图像列尺寸N，执行混淆过程，输出得到混淆图像P₁，所述混淆过程已在步骤3-1)中描述；

在动态索引的扩散核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[N，1]和[1，1]，输入变量包含混淆图像因子s₀₁,混淆图像P₁,三个加密矩阵X_swap,X_key,X_D,量化矩阵X₃,图像行尺寸M，执动态索引的扩散过程，输出得到密文图像P₂,所述动态索引的扩散过程已在步骤3-3)中描述；最后加密图像表示为C,C＝P₂。

本例方法是基于OpenCL技术的图形处理单元(GPU)平台，实现并行加速来提升加密效率。

而解密的关键在于扩散过程的指针处理上，但总体是加密过程的逆过程，其详细步骤如下；

1)加密图像C通过下面公式进行反向置乱：

其中i∈[M-1，0],j∈[N-1，0]，置乱还原后的C可记为P′₂，然后P′₂通过反向动态指针扩散过程从最后一个像素到第一个像素进行逐个解密：

这里i∈[M-2，0],j∈[N-1，0]；

2)对P′₂的第一行进行进一步解密，过程为：

其中j∈[N-2，0]，第一个像素再最后解密一遍：

此时P′₂被记为P′₁，与加密过程的P₁完全一致；

3)最后解密图像可被反向混淆过程得到：

P′(i，j)←(P′₁(i，j)＜＜(8-X₂(i，j)))|(P′₁(i，j)＞＞X₂(i，j)) (22)，

其中Eq.(22)表示对P₁′(i，j)的循环移位，可以发现最后解密图像P′与明文图像完全一致。

Claims (1)

1.一种基于混沌的新式并行图像加密方法，其特征是，包括如下步骤：

1)假定明文图像的尺寸为M×N，采用自适应调节参数对混沌系统的初始条件进行控制，其中自适应调节参数生成和调节过程为：

1-1)首先，明文图像P被分为四个同样尺寸的子图像I₁、I₂、I₃和I₄，并生成相应的函数块fun₁、fun₂、fun₃和fun₄，则：

s＝round(sum(P)mod256) (1)，

其中k∈[1，4]，s表示明文因子，round(x)表示四舍五入x到最接近的整数，sum(P)表示对P求和，(A mod B)表示返回A除以B后的余数，而

表示位异或操作；

1-2)自适应调节参数使用函数块和子图像块得到，详细为：

其中，δ_{adj_1}，δ_{adj_2}，δ_{adj_3}和δ_{adj_4}表示自适应调节参数；sum(I_k)表示对I_k求和；

然后，采用所生成的自适应调节参数来调整混沌映射的初始值，调节初始值过程如下：

其中x₀，y₀，z₀，w₀是混沌系统的初始值；

2)通过步骤1)生成的混沌序列来组建加密矩阵，其过程如下：

2-1)迭代混沌系统得到尺寸为1×MN的x、y、z和w四个混沌序列，之后生成另一个明文因子s₀和微调因子x_ad，过程如下：

其中floor(A)表示取小于或等于A的整数，而mean(A)表示取序列A的平均数，X₃₂是用于获取微调因子x_ad的量化数据；

2-2)采用明文因子s₀对混沌序列进行初步量化：

然后将1×MN尺寸的量化序列X′₁，X′₂，X′₃，X′₄重塑为M×N的量化矩阵X₁，X₂，X₃，X₄；

2-3)基于量化矩阵X₁，X₄和明文因子s₀生成加密矩阵X_swap、X_D和X_key，过程如下：

X_swap＝floor((abs(y)×10¹⁴+s₀)mod 256) (8)，

X_key(i，j)＝(X₄(i，j)+s₀)mod 256 (10)，

其中i∈[0，M-1]，j∈[0，N-1]，加密矩阵X_swap用于置乱图像，X_key作为后续动态扩散法的指针序列与X_D一起用于扩散加密操作；

3)先在位平面上混淆明文图像，然后，采用动态索引扩散法与加密矩阵结合运用到扩散过程里，对已混淆的图像进行扩散，得到最终的加密图像，这个过程即为混淆-扩散加密过程：

3-1)图像混淆过程：用量化矩阵X₁，对明文图像P的各行的对应像素进行交换操作，然后使用量化矩阵X₂对交换过像素的明文图像P的所有点进行循环移位，过程如下所示：

P₁(i，j)←(P(i，j)＞＞(8-X₂(i，j)))|(P(i，j)＜＜X₂(i，j)) (12)，

其中i∈[0，M-1]，j∈[0，N-1]，Eq.(11)表示同一行像素交换操作，Eq.(12)表示对P(i，j)进行位平面的循环移位操作，混淆过程完成后，混淆过的图像记为P₁，之后生成混淆图像因子和混淆图像一起完成扩散过程：

其中，s₀₁表示混淆图像因子；

3-2)扩散前的预处理操作：在扩散图像P₁前，先对P₁的第一行进行预加密，加密过程如下：

其中d_index1是动态指针，经过预处理操作后，此时P₁记为P₂；

3-3)P₂通过动态指针扩散对其余像素值加密，过程如下：

其中d_index2属于动态行指针，最后，对已扩散好的图像P₂通过公式(17)进行置乱：

其中置乱后可得最终加密图像C＝P₂；

4)在基于OpenCL技术的GPU平台上对加密过程进行并行加速：加速部分包括自适应调节参数生成、加密矩阵的组建、混淆和基于动态索引的扩散四个过程，其内核函数参数配置及描述如下：

四个并行内核函数即自适应调节参数生成核函数_kernel void Self-adaptingparameters()，加密矩阵的组建核函数_kernel void Quantization()，混淆核函数_kernel void Confusion()和动态索引的扩散核函数_kernel void diffusion()，这四个核函数的参数配置包括维度参数Ndrange，全局工作变量参数global_work_size和局部工作变量参数lobal_work_size，此外，四个内核函数有其相应的输入和输出；

在自适应调节参数生成的内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[4，1]和[1，1]，输入变量包含明文因子s和分割后的子图像I_k，执行自适应调节参数生成过程，输出得到自适应调节参数δ_{adj_1～4}，所述自适应调节参数生成过程为步骤1-2)中所述；

在加密矩阵的组建内核函数中，维度参数被设置为一维，全局工作变量参数和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含混沌序列y，另一明文因子s₀，微调因子x_ad，三个量化矩阵X₁，X₂，X₄，图像列尺寸N，执行加密矩阵的组建过程，输出得到加密矩阵X_swap，X_D，X_key，，其中X_swap用于置乱操作，X_D用于后续的扩散加密处理，X_key是指针序列，所述加密矩阵的组建过程为步骤2-3)中所述；

在混淆内核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[M，1]和[1，1]，输入变量包含明文因子s₀，明文图像P，两个量化矩阵X₁和X₂，图像列尺寸N，执行混淆过程，输出得到混淆图像P₁，所述混淆过程为步骤3-1)中所述；

在动态索引的扩散核函数中，维度参数被设置为一维，全局工作变量和局部工作变量参数设置为[N，1]和[1，1]，输入变量包含混淆图像因子s₀₁，混淆图像P₁，三个加密矩阵X_swap，X_key，X_D，量化矩阵X₃，图像行尺寸M，执动态索引的扩散过程，输出得到密文图像P₂，所述动态索引的扩散过程为步骤3-3)中所述；

最后加密图像表示为C，C＝P₂。

Images