CN113067832B - 基于区块链和人工智能的通讯数据加密方法 - Google Patents

基于区块链和人工智能的通讯数据加密方法 Download PDF

Info

Publication number
CN113067832B
CN113067832B CN202110335361.1A CN202110335361A CN113067832B CN 113067832 B CN113067832 B CN 113067832B CN 202110335361 A CN202110335361 A CN 202110335361A CN 113067832 B CN113067832 B CN 113067832B
Authority
CN
China
Prior art keywords
data
binary image
digital conversion
digital
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110335361.1A
Other languages
English (en)
Other versions
CN113067832A (zh
Inventor
李海胜
吕文静
李袁
王海
黄峰亮
张曼
吴�琳
王雪飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Honghan Technology Co.,Ltd.
Original Assignee
Zhengzhou Railway Vocational and Technical College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhengzhou Railway Vocational and Technical College filed Critical Zhengzhou Railway Vocational and Technical College
Priority to CN202110335361.1A priority Critical patent/CN113067832B/zh
Publication of CN113067832A publication Critical patent/CN113067832A/zh
Application granted granted Critical
Publication of CN113067832B publication Critical patent/CN113067832B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0478—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload applying multiple layers of encryption, e.g. nested tunnels or encrypting the content with a first key and then with at least a second key
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Bioethics (AREA)
  • Facsimile Transmission Control (AREA)

Abstract

本发明涉及人工智能技术领域，具体涉及一种基于区块链和人工智能的通讯数据加密方法。该方法将通讯数据进行数字化转化为数字数据，并将数字数据中每个数字用数字数据与数字转换图的对应关系来表示以得到对应的二值图像；对二值图像进行加噪处理得到带噪图像，将带噪图像通过DNN网络进行降维得到二进制加密数据串。将数字数据利用数字转化图来表示以得到二值图像，且在图像转换的过程中对高频率对应的数字进行降频优化处理，以防止通过数字的频率进行破解，以保证加密的安全性，且利用DNN网络对二值图像进行加密处理，使得难以根据加密原理进行破解，安全性更高。

Description

基于区块链和人工智能的通讯数据加密方法
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于区块链和人工智能的通讯数据加密方法。
背景技术
当前，得益于机器学习、人工智能等新兴技术的高速发展，海量的数据得以被产生，分析并加以应用，这有力地推动了社会经济的发展。与此同时，数据安全也得到了人们越来越多的重视。对数据进行加密是保证数据安全性的主要办法。
目前，对于数据的加密有对称式加密和非对称式加密，在对称加密算法中，使用的密钥只有一个，发收信双方都使用这个密钥对数据进行加密和解密，这就要求解密方事先必须知道加密密钥。
发明人在实践中，发现上述现有技术存在以下缺陷：传统的对称式加密过程简单，实现速度快，但是易于利用信息的频率及熵进行破解。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种基于区块链和人工智能的通讯数据加密方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于区块链和人工智能的通讯数据加密方法，该方法包括以下具体步骤：
将所述通讯数据进行数字化转化为数字数据，进而将所述数字数据中每个数字用数字数据与数字转换图的对应关系来表示以得到对应的二值图像；所述数字转换图是由多个像素块组成，且是以像素块间的不同组合方式表示相应的数字的图像；
对所述二值图像进行加噪处理得到带噪图像，将所述带噪图像通过DNN网络进行降维得到二进制加密数据串。
进一步地，所述得到二进制加密数据串之后，该方法进一步包括以下解密步骤：
接收端接收到传输数据后，对所述传输数据进行重组得到加密图像，将所述加密图像通过所述DNN网络进行去噪和恢复得到恢复的二值图像；所述传输数据包括：所述二进制加密数据串、所述二值图像的行和与列和的序列数据、所述数字数据与所述数字转换图的对应关系；
结合所述行和、列和的序列数据对所述恢复的二值图像进行校正，进而根据所述数字数据与所述数字转换图的对应关系对校正后的二值图像进行解密得到原始的通讯数据。
进一步地，所述根据所述数字转换图得到所述二值图像之后，该方法进一步包括以下降频优化步骤：
计算每个所述数字转换图出现的频率,获取高频率和平均频率之间的频率差异倍数；所述平均频率是除去所述高频率后剩余频率的平均值；
根据所述频率差异倍数和剩余数字转换图的数量得到所需剩余数字转换图的数量，利用所述所需剩余数字转换图对所述高频率对应的所述数字数据进行多样式表示，进而得到新的二值图像；所述剩余数字转换图是根据所述数字数据的进制类型得到进制中数字对应的所述数字转换图的数量得到的。
进一步地，所述根据所述频率差异倍数和所述剩余数字转换图的数量得到所需剩余数字转换图的数量，包括：
当所述频率差异倍数小于所述剩余数字转换图的数量时，所述所需剩余数字转换图的数量为所述频率差异倍数；否则，所述所需剩余数字转换图的数量为所述剩余数字转换图的数量。
进一步地，所述得到新的二值图像之后，进一步包括以下步骤：
在所述剩余数字转换图的数量小于所述所需剩余数字转换图的数量时，对所述新的二值图像中的高频率再次执行所述降频优化步骤。
进一步地，所述数字化是指将所述通讯数据转换成十进制的所述数字数据。
进一步地，所述结合所述二值图像的行和、列和信息对所述恢复的二值图像进行校正的方法，包括：
利用所述二值图像的列和、行和的序列数据生成可选二值图像集；
根据图像的相似性在所述可选二值图像集中匹配到原始的二值图像。
进一步地，所述图像的相似性是通过对比所述可选二值图像集中的任一图像与所述原始的二值图像之间相互匹配像素数量的比例得到的。
进一步地，所述DNN网络中的损失函数是根据所述二值图像中每个所述数字转换图的出现概率的均方误差得到的。
本发明至少存在以下有益效果：(1)根据数字数据的进制类型选择相应的多个像素块，利用由多个像素块的不同组合方式得到的数字转化图对数字数据进行图像化转换，以实现初次加密，进而将图像化转换得到的二值图像通过DNN网络进行加噪和降维处理，实现多重加密和无损加密，难以根据加密原理进行破解，安全性更高。
(2)在图像化转换的过程中，对高频率的数字数据进行降频优化，能够防止通过数字的频率进行破解，以保证加密的安全性。
(3)利用DNN网络恢复的二值图像和可选二值图像集中每个图像的相似性匹配到原始的二值图像，可以实现数据传输过程中的无损重构。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明实施例所提供的一种基于区块链和人工智能的通讯数据加密方法的流程图；
图2为本发明实施例所提供的一种基于区块链和人工智能的通讯数据加密方法的步骤流程图；
图3为本发明实施例所提供的关于DNN网络的加密解密流程图；
图4为本发明实施例所提供的关于十进制中每个结构参数所对应的结构形式的示例图；
图5为本发明实施例所提供的关于十进制中每个数字对应的数字转换图的示例图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于区块链和人工智能的通讯数据加密方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于区块链和人工智能的通讯数据加密方法的具体方案。
参照附图1、附图2和附图3，本发明实施例提供了一种基于区块链和人工智能的通讯数据加密方法，该方法包括以下具体步骤：
步骤S001，将通讯数据进行数字化转化为数字数据，进而将数字数据中每个数字用数字数据与数字转换图的对应关系来表示以得到对应的二值图像；数字转换图是由多个像素块组成，且是以像素块间的不同组合方式表示相应的数字的图像。
具体的，不论通讯数据是文字信息或者数字信息在网络传输的过程中都需要进行数字化的处理，且汉字的数字化表示通常使用国标码或者机内码等形式。首先将通讯数据中的文字信息等表示为十进制或者十六进制的数字，最终该进制的数字数据会转换为二进制的数字数据在网络间实现传输。
先将通讯数据转换成数字数据，然后将转换后的数字数据用十进制或者十六进制等表示，进而将数字数据转换成图像表达，具体的转换过程为：
1)根据数字的进制类型，获取对应的数字转换图中的像素块数量，当进制为K时，采用以下计算公式获取所需的像素块数量：
P(m-1)＜K＜P(m)
其中，m为像素块的数量；P(m)为由像素块组合得到的所有数字转换图的数量。
根据像素块之间的不同组合方式获取数字转换图的数量P(m)的值为：
Figure BDA0002997301410000041
2)根据当前节点的加密参数信息，获得数字转换图所对应的信息。
加密参数信息包括数字转换图的结构参数和数字转换图的对应信息，其中，结构参数是指像素块的排列方式，对应信息是指像素块的不同组合方式。本发明实施例根据每个节点的加密参数信息中的结构参数获取对应的数字转换图。
优选的，本发明实施例以数字数据的十进制为例，通过步骤1)得到十进制所对应的像素块的数量m为4，也即十进制需要使用4个像素块的组合方式来表示一个数字，其中，4个像素块所对应的数字转换图的结构参数有3种，参照图4，其结构参数对应的结构形式分为第1结构参数的结构形式为1*4、第2结构参数的结构形式为4*1、第3结构参数的结构形式为2*2；数字转换图包括5种类型，分别为
Figure BDA0002997301410000042
Figure BDA0002997301410000043
和
Figure BDA0002997301410000044
其中，
Figure BDA0002997301410000045
对应的数字转换图是指4个像素块的像素值全置为0；
Figure BDA0002997301410000046
对应的数字转换图是指选取一个像素块，将其像素值置为1，剩余三个像素块的像素值置为0；
Figure BDA0002997301410000047
对应的数字转换图是指指选取两个像素块，将其像素值置为1，剩余两个像素块的像素值置为0；
Figure BDA0002997301410000048
对应的数字转换图是指指选取三个像素块，将其像素值置为1，剩余一个像素块的像素值置为0；
Figure BDA0002997301410000049
对应的数字转换图是指4个像素块的像素值全置为1。
作为一个示例，如果数字转换图的结构参数为3时，选择2*2的结构形式，参照附图5，定义十进制中0-9每个数字的数字转换图，且每个数字转换图的ID的对应关系为：数字0对应的ID为1000、数字1对应的ID为0100、数字2对应的ID为0010、数字3对应的ID为0001、数字4对应的ID为1100、数字5对应的ID为0011、数字6对应的ID为1010、数字7对应的ID为0101、数字8对应的ID为1001、数字9对应的ID为0110。
同时，本发明实施例所用的加密方式为对称加密方式。第三方通常根据数据的出现频率进行破解，为了保证加密的安全性，需要对高频率的数据进行降频优化，从而能够减少数字所对应的数字转换图出现的频率。
具体的，4个像素块所对应的数字转换图有16种，而十进制中只有0-9所对应的10种数字转换图，本发明实施例利用剩余的6种数字转换图对高频率的数字进行多样式表示，且剩余的6种数字转换图的ID分别依次为：数字10对应的ID为1110、数字11对应的ID为1011、数字12对应的ID为1101、数字13对应的ID为0111、数字14对应的ID为1111、数字15对应的ID为0000，降频优化的具体过程为：
i.获取十进制中数字0-9所对应的数字转换图在该次加密数据中的出现频率，分别依次为r1、r2、…、r10，其中，最高的出现频率为rmax。
ii.循环进行最高频率的数字数据的降频优化。即利用剩余的数字转换图先对最高频率的数据进行多样式表示得到新的二值图像，而后利用得到新的二值图像之后的剩余数字转换图对新的二值图像中最高频率的数据进行多样式表示，直到剩余数字转换图都被使用完。利用多种数字转换图表示同一数据，以降低高频率数据的出现次数，防止数据被拦截后，直接根据数据的频率进行破解。具体的多样式表示方法为：
计算最高频率的数据所需的剩余数字转换图的数量g的公式如下：
Figure BDA0002997301410000051
其中，rmean表示除去最高频率后剩余频率的平均频率；
Figure BDA0002997301410000052
表示频率差异倍数；
Figure BDA0002997301410000053
表示向上取整；g的初始值为零。
需要说明的是，当频率差异倍数小于剩余数字转换图的数量时，所需的剩余数字转换图的数量即为频率差异倍数；否则，当频率差异倍数大于剩余数字转换图的数量时，所需的剩余数字转换图的数量即为剩余数字转换图的数量。
作为一个示例，数字数据中仅有4个数字：1、2、3、4，其中分别对应4个出现频率：0.6、0.2、0.1、0.1。
首先这4个数字中出现频率最高的是数字1，且频率为0.6，获取高频率数字1所需要的剩余数字转换图的数量g为：
Figure BDA0002997301410000054
由公式可得g＝3，则共有1+g＝4个数字转换图来表示数字1，进而得到新的二值图像。
然后在新的二值图像中数字1-4对应的频率有4+3＝7个：0.15、0.15、0.15、0.15、0.2、0.1、0.1。
其中，在新的二值图像中，最高频率的为数字2所对应的0.2，则利用未使用的剩余数字转换图p(m)＝10-g＝6-3＝3，对数字2进行降频，从而得到新的二值图像，且g＝1，即：
Figure BDA0002997301410000055
则新的二值图像中数字1-4对应的新的频率为4+3+1＝8个：0.15、0.15、0.15、0.15、0.1、0.1、0.1、0.1，此时未使用的剩余数字转换图有2种，则由降频优化的方法可得最后的频率为4+3+1+1+1＝10个：0.075、0.075、0.075、0.075、0.15、0.15、0.1、0.1、0.1、0.1，即数字1共有6种数字转换图，则对应的出现频率为：0.075、0.075、0.075、0.075、0.15、0.15；数字2共有2种数字转换图，则对应的出现频率为：0.1、0.1；数字3共有1种数字转换图，则对应的出现频率为：0.1；数字4共有1种数字转换图，则对应的出现频率为：0.1。
由此，就能获得每个数字转换图所对应的信息。
3)获取各数字数据所对应的数字转换图。
具体的，如表1所示，本发明实施例以十进制为例，获取的数字数据中每个数字所对应的数字转换图为：
数字数据 数字转换图的ID
0 1000
1 0100
2 0010、1110、1011
3 0001
4 1100
5 0011
6 1010
7 0101、1101,0111,1111
8 1001
9 0110,0000
表1
由表1能够看到数字数据与数字转换图存在一对多的关系。
4)根据数字转换图得到数字数据所对应的二值图像。
具体的，本发明实施例设定二值图像的尺寸为m*w的正方形，将每一个数字利用对应的数字转换图表示，得到数字数据所对应的二值图像。
需要说明的是，数字信息具有一定长度，单张二值图像有时并不能表示所有的数字信息所以需要多张同规则的二值图像来表示所有的数字信息。
步骤S002,对二值图像进行加噪处理得到带噪图像，将带噪图像通过DNN网络进行降维得到二进制加密数据串。
具体的，本发明实施例中在节点布置对应的加密端与解密端，且加密端采用加密编码器、噪声生成器进行加密处理，解密端采用加密解码器进行数据解密。该方式为对称式加密，即加密与解密的架构一一对应。
本发明实施例噪声生成器对二值图像进行加噪处理得到带噪图像，进而将带噪图像输入DNN网络的加密编码器进行降维处理，以减少数据传输的数据量，利用加噪、降维实现数据的双重加密。
优选的，本发明实施例中添加的噪声为高斯噪声，且添加噪声的值为1。
需要说明的是，(1)本发明实施例使用DNN网络的优点为：DNN网络训练完成后，使用时其内部为卷积和池化操作，相对其他复杂的加密算法而言，计算简单。且DNN网络加密时其卷积核的参数为多变的，难以根据加密原理进行破解，安全性更高。
(2)噪声一方面有助于加密，一方面能够避免自编码直接复制输入到输出，保证DNN网络中的卷积和池化操作是有效的。
(3)DNN网络的结构方式有两种可选方式：
i.编码器部分完全随机选择，仅训练迎合随机编码器的解码器。
ii.编码器和解码器一起进行训练，即将完整的DNN网络拆分为编码器和解码器。
优选的，本发明实施例选择i结构方式的DNN网络。
进一步地，本发明实施例中根据二值图像中每个数字转换图的出现概率的均方误差作为DNN网络中损失函数的评价，即损失函数为：
Figure BDA0002997301410000071
其中N为对应的数字转换图的总数量；pi表示输入图像中第i种数字转换图的概率；qi表示输出图像中第i种数字转换图的概率。
计算数字转换图出现概率的方法为：以像素块的数量得到滑窗的尺寸，横向步长为窗口宽度，纵向步长为窗口高度，得到每个数字转换图出现的概率。
进一步地，区块链环境下，各节点间经常进行频繁的信息交流，节点间的传输数据往往容易被拦截破解，为了解决这种现象，本发明实施例通过加密编码器对传输数据进行加密处理，其中，节点间的传输数据包括：网络隐含层的输出数据，二值图像的横和、列和信息，数字数据与数字转换图的对应关系。
具体的，本发明实施例将带噪图像通过加密编码器处理得到网络隐含层的输出数据，且整个加密流程的网络结构依次包括：
输入层，隐含层1，隐含层2，隐含层3，…，隐含层N，输出层。
对于区块链环境，不同的节点可以使用不同隐含层输出的数据作为节点间交换信息的传输数据，传输数据中仅网络隐含层的输出数据不断发生变化，传输数据的其他内容无需发生变化。
具体的：A节点的数据信息为带噪图像，经过一层隐含层计算后，得到中间数据KL1，将该中间数据KL1作为传输数据传输至节点B，节点B根据对应的权值参数对中间数据KL1进行计算，输出数据为中间数据KL2，中间数据KL2再由下一个节点中隐含层参数计算输出中间数据KL3，直到传输至需要到达的接收节点，这样实现了区块链环境的去中心化效果，且由多个参与节点共同完成加密及数据传输。
对于中间的隐含层输出的加密数据，需经过flatten操作，得到一维的二进制加密数据串，且二进制加密数据串也即是网络隐含层的输出数据，这样才完成了加密操作。
需要说明的是，(1)对DNN网络进行分开训练的策略中，输出层对应的图像同样是二值图像。
(2)加密编码器和加密解码器中层数不固定，可根据实际的应用自行设定。
进一步地，在对通讯数据进行加密操作后，需要在接收端对传输数据进行相应的解密，本发明实施例在接收端接受到传输数据后，对传输数据进行重组得到加密图像，将加密图像通过DNN网络的加密解码器进行去噪和恢复得到恢复的二值图像；结合传输数据中二值图像的的行和、列和信息对恢复的二值图像进行校正，进而根据传输数据中数字数据与数字转换图的对应关系对校正后的二值图像进行解密得到原始的通讯数据。
具体的，接收端接收到传输数据中的二进制加密数据串后，对二进制加密数据串进行处理，重组成对应图像，且重组图像的过程为根据二值图像的尺寸将二进制加密数据串依次进行排列重组得到加密图像，进而通过DNN网络中的加密解码器对加密图像进行去噪和恢复得到恢复的二值图像。
同时，数据加密解密的方法可分为有损加密和无损加密。而DNN网络为有损加密，即恢复得到的数据并不一定与加密前的数据完全相同，因此，本发明实施例利用传输数据中二值图像的列和、行和序列数据对恢复的二值图像进行校正，即利用二值图像的列和、行和序列数据生成可选二值图像集，利用图像的相似性在可选二值图像集中匹配到原始的二值图像，也即是无损的二值图像，具体的过程为：
1)获取传输数据中二值图像所对应的行和、列和的序列数据。
2)根据二值图像的行和、列和序列数据生成所有可选的二值图像，汇总成可选二值图像集。
例如：二值矩阵的行和、列和确定后，对应的图像并不唯一，如下所示的两个矩阵：
Figure BDA0002997301410000081
Figure BDA0002997301410000082
需要说明的是，本发明实施例中行和为每行像素的和，列和为每列像素的和。
3)由于DNN网络输出的恢复图像中少量噪声并未清除，也即是恢复的二值图像中少量噪声并未清除，依旧干扰了信息的完整性、正确性传输，但该恢复图像可作为选择依据从可选二值图像集中挑选出无损的二值图像，也即是匹配到原始的二值图像。因此，本发明实施例通过比较二值图像和可选二值图像集中所有图像的相似性，得到最相似的图像，即为传输数据对应的原始二值图像。
计算图像相似性的过程为：比较两个同尺寸图像中的同位置的像素，如相同，则相匹配的像素数量XT增加1，否则相匹配的像素数量XT不增加，直到遍历完所有图像。
相似度e的公式为：
Figure BDA0002997301410000091
其中，SM为所有像素的数量。
进一步地，本发明实施例匹配到原始的二值图像后，再结合传输数据中数字数据与数字转化图的对应关系进行图像到数据的反向转换，即使用对应的数字转换图在图像中进行滑窗，若该数字转换图对应的数字为M，则数据中恢复为M。
综上所述，本发明实施例提供了一种基于区块链和人工智能的通讯数据加密方法，该加密方法是在通讯数据转化为二进制的过程中进行加密，该过程中通过将通讯数据进行数字化转化为数字数据，并将数字数据中每个数字用数字数据与数字转换图的对应关系来表示以得到对应的二值图像，进而对二值图像进行加噪处理得到带噪图像，并将带噪图像通过DNN网络进行降维得到二进制加密数据串；将二进制加密数据串、二值图像的行和与列和的序列数据、数字数据与数字转换图的对应关系作为传输数据发送给接收端，在接收端经过数据重组、DNN网络降噪和恢复得到恢复的二值图像，进而利用二值图像的行和、列和的序列数据对恢复的二值图像进行校正，进而通过图像转数字得到原始的通讯数据。将数字数据利用数字转化图来表示以得到二值图像，且在图像转换的过程中将高频率对应的数字进行降频优化处理，以防止通过数字的频率进行破解，以保证加密的安全性，且利用DNN网络对二值图像进行加密处理，使得难以根据加密原理进行破解，安全性更高。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于区块链和人工智能的通讯数据加密方法，其特征在于，该加密方法是在通讯数据转化为二进制的过程中进行加密，该加密方法包括以下步骤：
将所述通讯数据进行数字化转化为数字数据，进而将所述数字数据中每个数字用数字数据与数字转换图的对应关系来表示以得到对应的二值图像；所述数字转换图是由多个像素块组成，且是以像素块间的不同组合方式表示相应的数字的图像；
对所述二值图像进行加噪处理得到带噪图像，将所述带噪图像通过DNN网络进行降维得到二进制加密数据串；
根据所述数字转换图得到所述二值图像之后，该方法进一步包括以下降频优化步骤：
计算每个所述数字转换图出现的频率,获取最高频率和平均频率之间的频率差异倍数；所述平均频率是除去所述最高频率后剩余频率的平均值；
根据所述频率差异倍数和剩余数字转换图的数量得到所需剩余数字转换图的数量，利用所述所需剩余数字转换图对所述最高频率对应的所述数字数据进行多样式表示，进而得到新的二值图像；所述剩余数字转换图是根据所述数字数据的进制类型得到进制中数字对应的所述数字转换图的数量得到的。
2.如权利要求1所述的方法，其特征在于，所述得到二进制加密数据串之后，该方法进一步包括以下解密步骤：
接收端接收到传输数据后，对所述传输数据进行重组得到加密图像，将所述加密图像通过所述DNN网络进行去噪和恢复得到恢复的二值图像；所述传输数据包括：所述二进制加密数据串、所述二值图像的行和与列和的序列数据、所述数字数据与所述数字转换图的对应关系；
结合所述行和、列和的序列数据对所述恢复的二值图像进行校正，进而根据所述数字数据与所述数字转换图的对应关系对校正后的二值图像进行解密得到原始的通讯数据。
3.如权利要求1所述的方法，其特征在于，所述根据所述频率差异倍数和所述剩余数字转换图的数量得到所需剩余数字转换图的数量，包括：
当所述频率差异倍数小于所述剩余数字转换图的数量时，所述所需剩余数字转换图的数量为所述频率差异倍数；否则，所述所需剩余数字转换图的数量为所述剩余数字转换图的数量。
4.如权利要求1所述的方法，其特征在于，所述得到新的二值图像之后，进一步包括以下步骤：
在所述剩余数字转换图的数量小于所述所需剩余数字转换图的数量时，对所述新的二值图像中的最高频率再次执行所述降频优化步骤。
5.如权利要求1所述的方法，其特征在于，所述数字化是指将所述通讯数据转换成十进制的所述数字数据。
6.如权利要求2所述的方法，其特征在于，所述结合所述二值图像的行和、列和信息对所述恢复的二值图像进行校正的方法，包括：
利用所述二值图像的列和、行和的序列数据生成可选二值图像集；
根据图像的相似性在所述可选二值图像集中匹配到原始的二值图像。
7.如权利要求6所述的方法，其特征在于，所述图像的相似性是通过对比所述可选二值图像集中的任一图像与所述原始的二值图像之间相互匹配像素数量的比例得到的。
8.如权利要求2所述的方法，其特征在于，所述DNN网络中的损失函数是根据所述二值图像中每个所述数字转换图的出现概率的均方误差得到的。
CN202110335361.1A 2021-03-29 2021-03-29 基于区块链和人工智能的通讯数据加密方法 Active CN113067832B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110335361.1A CN113067832B (zh) 2021-03-29 2021-03-29 基于区块链和人工智能的通讯数据加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110335361.1A CN113067832B (zh) 2021-03-29 2021-03-29 基于区块链和人工智能的通讯数据加密方法

Publications (2)

Publication Number Publication Date
CN113067832A CN113067832A (zh) 2021-07-02
CN113067832B true CN113067832B (zh) 2022-01-21

Family

ID=76564290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110335361.1A Active CN113067832B (zh) 2021-03-29 2021-03-29 基于区块链和人工智能的通讯数据加密方法

Country Status (1)

Country Link
CN (1) CN113067832B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113726979B (zh) * 2021-07-31 2024-04-26 浪潮电子信息产业股份有限公司 一种图片加密方法、解密方法、加密系统及相关装置
CN113965420B (zh) * 2021-12-23 2022-03-11 西安道法数器信息科技有限公司 一种基于人工智能的网络安全加密方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006134517A2 (en) * 2005-06-17 2006-12-21 Koninklijke Philips Electronics N.V. Encryption and decryption of digital color image signals
CN103402185A (zh) * 2013-07-30 2013-11-20 东北石油大学 一种私密信息传递方法
CN108241804A (zh) * 2016-12-26 2018-07-03 天津职业技术师范大学 一种基于异或运算的电子档案加密方法
CN111009018A (zh) * 2019-12-24 2020-04-14 苏州天必佑科技有限公司 基于深度神经网络的图像降维和重建方法
CN112258376A (zh) * 2020-10-20 2021-01-22 中国农业银行股份有限公司 一种加密文档的处理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006134517A2 (en) * 2005-06-17 2006-12-21 Koninklijke Philips Electronics N.V. Encryption and decryption of digital color image signals
CN103402185A (zh) * 2013-07-30 2013-11-20 东北石油大学 一种私密信息传递方法
CN108241804A (zh) * 2016-12-26 2018-07-03 天津职业技术师范大学 一种基于异或运算的电子档案加密方法
CN111009018A (zh) * 2019-12-24 2020-04-14 苏州天必佑科技有限公司 基于深度神经网络的图像降维和重建方法
CN112258376A (zh) * 2020-10-20 2021-01-22 中国农业银行股份有限公司 一种加密文档的处理方法及系统

Also Published As

Publication number Publication date
CN113067832A (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN113067832B (zh) 基于区块链和人工智能的通讯数据加密方法
Chang et al. A reversible data hiding scheme for VQ indices using locally adaptive coding
CN105704500B (zh) 一种新的基于混沌的图像无损压缩加密联合方法
CN112202984B (zh) 一种基于纠错冗余的密文域可逆信息隐藏方法
CN116471007B (zh) 基于云平台的网络信息加密传输方法
CN107292184B (zh) 图像加密方法、装置及密钥流生成方法和密钥流生成器
CN106791872A (zh) 基于svd的信息隐藏方法
CN115659409B (zh) 一种金融资产交易数据安全存储方法
CN113691362B (zh) 基于超混沌系统和dna编码的位平面图像压缩加密方法
JP7143973B2 (ja) 秘密データの隠蔽方法、これを実施するプログラム、及び秘密データ通信システム
CN115296862A (zh) 一种基于数据编码的网络数据安全传输方法
CN104598801B (zh) 一种基于算法重构的动态二维码生成方法
CN114579993A (zh) 基于量子密钥分发和像素置乱的图像加密方法
CN107507254B (zh) 基于算术编码的图像压缩加密方法
Gomathymeenakshi et al. An efficient arithmetic coding data compression with steganography
CN116319117B (zh) 一种网络安全信息数据的实时分析监控方法
Ren et al. Reversible data hiding scheme in encrypted images based on homomorphic encryption and pixel value ordering
CN115567320B (zh) 基于微服务架构的物联网平台数据管理方法
Mathur et al. Paradigms of image compression and encryption: A review
CN114697671B (zh) 一种建筑工程质量管理系统
CN108171665B (zh) 一种多版本备份和限制性双重认证主密钥(t,s,k,n)图像分存方法
CN115134471A (zh) 图像加密、解密方法以及相关设备
CN115760126A (zh) 一种金融交易信息加密方法
CN108989031B (zh) 一种多比特纠错编码解码方法
Kaushik et al. A two stage hybrid model for image encryption and compression to enhance security and efficiency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231214

Address after: Room 2201, Unit 1, Guotai Technology Building, No. 479 Minhe Road, Ningwei Street, Xiaoshan District, Hangzhou City, Zhejiang Province, 310000

Patentee after: Hangzhou Honghan Technology Co.,Ltd.

Address before: No.56 Pengcheng Avenue, Zhengdong New District, Zhengzhou City, Henan Province

Patentee before: ZHENGZHOU RAILWAY VOCATIONAL & TECHNICAL College