CN113810558A - 一种基于大数据的图像加密方法及系统 - Google Patents
一种基于大数据的图像加密方法及系统 Download PDFInfo
- Publication number
- CN113810558A CN113810558A CN202111029926.XA CN202111029926A CN113810558A CN 113810558 A CN113810558 A CN 113810558A CN 202111029926 A CN202111029926 A CN 202111029926A CN 113810558 A CN113810558 A CN 113810558A
- Authority
- CN
- China
- Prior art keywords
- image
- mapping
- pixel
- key
- fused
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013507 mapping Methods 0.000 claims abstract description 131
- 230000004927 fusion Effects 0.000 claims abstract description 44
- 230000000694 effects Effects 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 8
- 230000000739 chaotic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/448—Rendering the image unintelligible, e.g. scrambling
- H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明实施例提供了一种基于大数据的图像加密方法及系统:获得待加密图像;从大数据库中选中一张待选图像作为秘钥图像;将待加密图像映射到所述秘钥图像所在的空间,得到映射图像;将所述映射图像和所述秘钥图像进行融合,得到融合图像;对所述融合图像进行分割,得到N个图像块;基于N个图像块对所述融合图像进行像素混乱,得到密文图像。得到的密文图像不容易被破解,解密不但依赖于原始的待加密图像的特征以及进行像素混乱的具体方法,还要依赖于秘钥图像的特征,因而增大了解密的难度,提高了加密的可靠性。融合图像包含了秘钥图像的特征,也包含了秘钥图像的特征,增加了破解密文图像的难度,提高了对待加密图像进行加密的可靠性。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种基于大数据的图像加密方法及系统。
背景技术
随着科技的发展,人们日常的生活、工作越来越依赖于网络,网络传输的数据量越来越大。目前的网络存在很多漏洞,用户传输的数据容易丢失或者被人窃取。网络传输的信息安全问题是当今大家面临的一个重要的技术难题,要从网络层面去解决信息的安全问题难度很大,为此人们常常先加密需要传输的数据,然后传输加密后的数据包,接收方按照预设的方法解密数据,以此确保数据传输的安全性。但是,目前常用的加密方法已经为人们所知,但凡一一去尝试解密,就能破解用户传输的数据信息。
图像是用户常常传输的数据信息,图像数据具有数据量大、数据冗余性强的特点,为此对图像数据的加密解密难度大。目前,对图像的加密方法有:基于时空域的加密算法和基于频域的加密算法。这些方法存在差分抵抗性能差的特点,其加密效果并不可靠。
为此,一种可靠的图像加密方法为人们所需。
发明内容
本发明的目的在于提供了一种基于大数据的图像加密方法及系统,用于解决现有技术中存在的上述问题。
本发明实施例提供了一种基于大数据的图像加密方法,所述方法包括:
获得待加密图像;
从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;
将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;
将所述映射图像和所述秘钥图像进行融合,得到融合图像;
对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;
基于N个图像块对所述融合图像进行像素混乱,得到密文图像。
可选的,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;
选中影响指数最大的待选图像作为所述秘钥图像。
可选的,所述大数据库中的待选图像是从网页浏览器中爬虫得到的;所述获得每张待选图像在当前时刻受到大数据网络的影响指数,包括:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;
以所述次数作为所述影响指数。
可选的,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈;
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈;
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值;
其中,融合图像由融合像素点以及融合像素点的像素值构成。
可选的,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
本发明实施例还提供了一种基于大数据的图像加密系统,所述系统包括:
获得模块,用于获得待加密图像;
选取模块,用于从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;
映射模块,用于将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;
融合模块,用于将所述映射图像和所述秘钥图像进行融合,得到融合图像;
分割模块,用于对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;
加密模块,用于基于N个图像块对所述融合图像进行像素混乱,得到密文图像。
可选的,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;
选中影响指数最大的待选图像作为所述秘钥图像。
可选的,所述大数据库中的待选图像是从网页浏览器中爬虫得到的;所述获得每张待选图像在当前时刻受到大数据网络的影响指数,包括:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;
以所述次数作为所述影响指数。
可选的,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈;
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈;
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值;
其中,融合图像由融合像素点以及融合像素点的像素值构成。
可选的,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
相较于现有技术,本发明达到了以下有益效果:
本发明实施例提供了一种基于大数据的图像加密方法及系统,所述方法包括:获得待加密图像;从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;将所述映射图像和所述秘钥图像进行融合,得到融合图像;对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;基于N个图像块对所述融合图像进行像素混乱,得到密文图像。一方面,从增加了秘钥图像的角度来说,通过从大数据库中获得秘钥图像,秘钥图像具有一定的社会属性,使得秘钥图像的复杂性强,在此基础上,将所述映射图像和所述秘钥图像进行融合,得到融合图像的融合图像具有足够多的噪声,基于噪声足够多的融合图像进行混乱加密,得到的密文图像不容易被破解,因为解密方法是加密方法的逆向方法,密文图像融合了秘钥图像的特征,为此,解密不但依赖于原始的待加密图像的特征以及进行像素混乱的具体方法,还要依赖于秘钥图像的特征,因而增大了解密的难度,提高了加密的可靠性。另一方面,从对待加密的图像进行的处理过程来说,将待加密图像映射到所述秘钥图像所在的空间得到映射图像,然后将映射图像和秘钥图像进行融合,得到融合图像,使得融合图像包含了秘钥图像的特征,同时,也包含了秘钥图像的特征,相当于给待加密图像增加了噪声,无遗增加了破解密文图像的难度,提高了对待加密图像进行加密的可靠性。另外,对所述融合图像进行分割得到N个图像块,基于N个图像块对所述融合图像进行像素混乱,得到密文图像,其是以块为单位进行像素置乱,提高了置乱的效率,进而提高了加密的效率。
附图说明
图1是本发明实施例提供的一种基于大数据的图像加密方法流程图。
图2是本发明实施例提供的一种电子设备的方框结构示意图。
图中标记:总线500;接收器501;处理器502;发送器503;存储器504;总线接口505。
具体实施方式
下面结合附图,对本发明作详细的说明。
实施例
目前的加密方法都是在原始图像本身的基础上进行某种运算得到的加密后的图像,一旦解密方法暴露,原始图像的信息也会暴露无遗。为此,这种加密方式的安全性还是依赖于对解密方法的保密性。但是在网络暴露的情况下,窃取解密方法或者尝试获得解密方法是相对容易的,为此,目前的图像加密方法可靠性差。
为此,本发明实施例提供了一种基于大数据的图像加密方法及系统,通过增加秘钥图像了,使得加密后的密文图像具有双重钥匙(一方面是秘钥图像,另一方面是加密过程),提高了加密的可靠性。
第一方面,本发明实施例提供了一种基于大数据的图像加密方法,如图1所示,所述方法包括:
S101:获得待加密图像。待加密的图像可以是用户想存储或者传输的图像数据。
S102:从大数据库中选中一张待选图像作为秘钥图像。
其中,大数据库中存储有多张待选图像,大数据库中的待选图像是从网页浏览器中进行爬虫得到的。爬虫的动作可以是实时进行的,以提高大数据库中的待选图像反应社会活动情况的准确性。网页浏览器可以是常用的浏览器。大数据库中的待选图像也可以是预先存储的,可以是代表社会活动的油画作品的图像,也可以是某个名人的照片,还可以是热门事件发生地点的场景图像。
S103:将待加密图像映射到秘钥图像所在的空间,得到映射图像。
在本发明实施例中,将加密图像映射到秘钥图像所在的空间,可以是将待加密图像进单应性变换、放射变换、或者线性变换等映射方式映射到秘钥图像所在的空间中得到映射图像。
S104:将映射图像和秘钥图像进行融合,得到融合图像。
简而言之,就是为了给映射图像增加噪声,提高得到的融合图像的复杂性,进而提高加密的可靠性。
S105:对融合图像进行分割,得到N个图像块。
其中,N为大于1的正整数,例如,N=2,3,4,5,6。对融合图像进行分割的具体方式可以是按照相邻像素点进行分割,分割后相邻的图像块的边缘像素点的位置相邻。可以进行均分分割。
S106:基于N个图像块对融合图像进行像素混乱,得到密文图像。
通过采用以上方案,一方面,从增加了秘钥图像的角度来说,通过从大数据库中获得秘钥图像,秘钥图像具有一定的社会属性,使得秘钥图像的复杂性强,在此基础上,将所述映射图像和所述秘钥图像进行融合,得到融合图像的融合图像具有足够多的噪声,基于噪声足够多的融合图像进行混乱加密,得到的密文图像不容易被破解,因为解密方法是加密方法的逆向方法,密文图像融合了秘钥图像的特征,为此,解密不但依赖于原始的待加密图像的特征以及进行像素混乱的具体方法,还要依赖于秘钥图像的特征,因而增大了解密的难度,提高了加密的可靠性。另一方面,从对待加密的图像进行的处理过程来说,将待加密图像映射到所述秘钥图像所在的空间得到映射图像,然后将映射图像和秘钥图像进行融合,得到融合图像,使得融合图像包含了秘钥图像的特征,同时,也包含了秘钥图像的特征,相当于给待加密图像增加了噪声,无遗增加了破解密文图像的难度,提高了对待加密图像进行加密的可靠性。另外,对所述融合图像进行分割得到N个图像块,基于N个图像块对所述融合图像进行像素混乱,得到密文图像,其是以块为单位进行像素置乱,提高了置乱的效率,进而提高了加密的效率。
作为一种可选的实施方式,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;选中影响指数最大的待选图像作为所述秘钥图像。待选图像当前与大数据网络中的网络活动关联程度越大,表示待选图像表征的社会属性越复杂。
其中,获得每张待选图像在当前时刻受到大数据网络的影响指数,具体为:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;以网络用户在所述网页浏览器中搜索出所述待选图像的次数作为影响指数。其中,预设时间段可以是理当前时刻最近的时间段,预设时间段的长度可以是30秒、1分钟、2分钟等。
可选的,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈。将映射图像中的映射像素点按照行依次排序构成映射栈的具体方式为:先将映射图像中的第一行中的第一个像素点(第一行第一列)存入栈中,然后存第一行中的第二个像素点(第一行第二列),然后存第一行的第三个像素点(第一行第三列),……,然后存第一行的最后一个像素点(第一行最后一列),接着存第二行的第一个像素点(第二行第一列),然后存第二行的第二个像素点(第二行第二列),……,然后存第二行的最后一个像素点(第二行最后一列),……,依次类推,直到存完最后一行的最后一个像素点(最后一行最后一列),即构成了映射栈。
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈。将秘钥图像中的秘钥像素点按照行依次排序构成秘钥栈的具体方式与将映射图像中的映射像素点按照行依次排序构成映射栈的方式相同,在此不再赘述。
需要说明的是,映射像素点是映射图像中的像素点,秘钥像素点是秘钥图像中的像素点。构成映射栈和秘钥栈后,映射栈和秘钥栈中存储顺序相同的映射像素点和秘钥像素点相对应。
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;具体的,噪声加权函数可以是高斯函数,如此,基于噪声加权函数和映射栈中的映射像素点的像素值得到映射像素点的噪声加权值可以按照下述公式获得:
其中,r表示映射像素点的噪声加权值,f(I1)表示高斯函数,I1表示映射像素点的像素值,a是映射图像中的最大像素值,b是映射图像中所有像素点的平均像素值;c是映射图像中所有像素点的像素值的标准方差。
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值。具体的,按照相对应的映射像素点和秘钥像素点进行加权求和,得到对应的融合像素点的像素值,具体的可以按照下述公式计算得到融合像素点的像素值:
I3i=ri*I2i+I1i
其中,I3i表示融合图像中第i个像素点的像素值,I2i表示秘钥图像(秘钥栈)中第i个秘钥像素点的像素值,I1i表示映射图像(映射栈)中第i个映射像素点的像素值。ri表示第i个映射像素点的噪声加权值,i是正整数,i=1,2,3,4,…M,M是映射图像中像素点的数量,融合图像由融合像素点以及融合像素点的像素值构成。具体的,将融合像素点以及按照先后顺序排列,构成一张与映射图像尺寸一样的图像,添上像素值,就是融合图像。融合图像、映射图像和秘钥图像中的像素点按照顺序(i的取值)相互对应。
通过采用以上方案,使得秘钥图像按照高斯分布的方式形成噪声加入映射图像中,使得得到的融合图像中含有高斯白噪声,加大了融合图像的特征偏离待加密图像的特征的程度,从而提高了加密的可靠性。
可选的,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
具体的,对于第j个图像块,将第j个图像块的第k个像素点(也是融合像素点)为(xjk,yjk),那么第j个图像块的中心像素点为(xjs,yjs)。j是正整数,j=1,2,3,……,N。k是正整数,k=1,2,……,W,W表示第j个图像块中的像素点的数量。表示对进行向上取整,即对W的半数进行向上取整,例如则s=3。
将中心像素点进行Henon映射(哈农映射)到空图像中,具体为:
其中,d的取值为1到2128之间的正数,g的取值为1到2128之间的正数。(xjs′,yjs′)为第j个图像块的中心像素点(xjs,yjs)映射到空图像中的位置。
以中心像素点为基准点,将图像块中的其他像素点进行线性映射到所述空图像中,具体为:
获得像素点(xjs′,yjs′)到中心像素点(xjs,yjs)之间的横向距离X和纵向距离Y;
按照下述公式所示的方式将图像块中的像素点(xjk,yjk)进行线性映射到空图像中的像素点(xjk′,yjk′):
对于空图像中每个像素点(xjk′,yjk′)的像素值I(xjk′,yjk′),具体的将与其对应的图像块中的其他像素点(xjk,yjk)的像素值I(xjk,yjk)赋值给像素点(xjk′,yjk′)的像素值,具体的,I(xjk′,yjk′)=I(xjk,yjk)。
通过采用以上方案,仅仅对中心像素点进行Henon混沌映射,一方面可以有效打乱融合图像中的像素点的位置,同时计算量小,加密速度快。
通过采用以上方案,给待加密图像添加了高斯白噪声后,提高了图像的保密性,另外,将融合图像进行分块后,仅仅对图像块的中心像素点进行Henon混沌映射,然后对其他的像素点进行线性映射,实现了按照图像块整块的进行置乱,在确保了像素置乱(加密性强)的前提下,节省了加密时间。作为一个整体的方案,其提高了图像加密的可靠性。
针对上述实施例提供一种基于大数据的图像加密方法,本申请实施例还对应提供一种用于执行上述的步骤的执行主体,该执行主体可以为基于大数据的图像加密系统。基于大数据的图像加密系统配置在具有数据处理能力的电子设备中,该系统包括:
获得模块,用于获得待加密图像;
选取模块,用于从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;
映射模块,用于将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;
融合模块,用于将所述映射图像和所述秘钥图像进行融合,得到融合图像;
分割模块,用于对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;
加密模块,用于基于N个图像块对所述融合图像进行像素混乱,得到密文图像。
可选的,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;
选中影响指数最大的待选图像作为所述秘钥图像。
可选的,所述大数据库中的待选图像是从网页浏览器中爬虫得到的;所述获得每张待选图像在当前时刻受到大数据网络的影响指数,包括:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;
以所述次数作为所述影响指数。
可选的,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈;
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈;
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值;
其中,融合图像由融合像素点以及融合像素点的像素值构成。
可选的,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例还提供了一种电子设备,如图2所示,包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序,所述处理器502执行所述程序时实现前文所述基于大数据的图像加密方法的任一方法的步骤。
其中,在图2中,总线架构(用总线500来代表),总线500可以包括任意数量的互联的总线和桥,总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理,而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
在本发明实施例中,基于大数据的图像加密系统安装在机器人中,具体的可以软件功能模块的形式存储在存储器中并可以被处理器处理运行。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (10)
1.一种基于大数据的图像加密方法,其特征在于,所述方法包括:
获得待加密图像;
从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;
将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;
将所述映射图像和所述秘钥图像进行融合,得到融合图像;
对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;
基于N个图像块对所述融合图像进行像素混乱,得到密文图像。
2.根据权利要求1所述的方法,其特征在于,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;
选中影响指数最大的待选图像作为所述秘钥图像。
3.根据权利要求1所述的方法,其特征在于,所述大数据库中的待选图像是从网页浏览器中爬虫得到的;所述获得每张待选图像在当前时刻受到大数据网络的影响指数,包括:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;
以所述次数作为所述影响指数。
4.根据权利要求1所述的方法,其特征在于,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈;
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈;
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值;
其中,融合图像由融合像素点以及融合像素点的像素值构成。
5.根据权利要求1所述的方法,其特征在于,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
6.一种基于大数据的图像加密系统,其特征在于,所述系统包括:
获得模块,用于获得待加密图像;
选取模块,用于从大数据库中选中一张待选图像作为秘钥图像;所述大数据库中存储有多张待选图像;
映射模块,用于将所述待加密图像映射到所述秘钥图像所在的空间,得到映射图像;
融合模块,用于将所述映射图像和所述秘钥图像进行融合,得到融合图像;
分割模块,用于对所述融合图像进行分割,得到N个图像块,所述N为大于1的正整数;
加密模块,用于基于N个图像块对所述融合图像进行像素混乱,得到密文图像。
7.根据权利要求6所述的系统,其特征在于,所述从大数据库中选中一张待选图像作为秘钥图像,包括:
获得每张待选图像在当前时刻受到大数据网络的影响指数;影响指数表示待选图像当前与大数据网络中的网络活动关联程度,影响指数越大,表示待选图像当前与大数据网络中的网络活动关联程度越大;
选中影响指数最大的待选图像作为所述秘钥图像。
8.根据权利要求7所述的系统,其特征在于,所述大数据库中的待选图像是从网页浏览器中爬虫得到的;所述获得每张待选图像在当前时刻受到大数据网络的影响指数,包括:
获得在预设时间段内,网络用户在所述网页浏览器中搜索出所述待选图像的次数;
以所述次数作为所述影响指数。
9.根据权利要求6所述的系统,其特征在于,所述将所述映射图像和所述秘钥图像进行融合,得到融合图像,包括:
将所述映射图像中的映射像素点按照行依次排序,构成映射栈;
将所述秘钥图像中的秘钥像素点按照行依次排序,构成秘钥栈;
基于噪声加权函数和所述映射栈中的映射像素点的像素值,得到所述映射像素点的噪声加权值;
基于所述噪声加权值对所述映射像素点的像素值和秘钥像素点的像素值进行加权求和,得到融合像素点的像素值;
其中,融合图像由融合像素点以及融合像素点的像素值构成。
10.根据权利要求6所述的系统,其特征在于,所述基于N个图像块对所述融合图像进行像素混乱,得到密文图像,包括:
构建一张空图像,所述空图像的尺寸与所述融合图像的尺寸相同;
获得每个图像块的中心像素点;
针对每个图像块,将所述中心像素点进行Henon映射到所述空图像中,以所述中心像素点为基准点,将所述图像块中的其他像素点进行线性映射到所述空图像中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029926.XA CN113810558A (zh) | 2021-09-03 | 2021-09-03 | 一种基于大数据的图像加密方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111029926.XA CN113810558A (zh) | 2021-09-03 | 2021-09-03 | 一种基于大数据的图像加密方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113810558A true CN113810558A (zh) | 2021-12-17 |
Family
ID=78942366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111029926.XA Withdrawn CN113810558A (zh) | 2021-09-03 | 2021-09-03 | 一种基于大数据的图像加密方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113810558A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219052A (zh) * | 2022-02-23 | 2022-03-22 | 富算科技(上海)有限公司 | 一种图数据融合方法、装置、电子设备及存储介质 |
-
2021
- 2021-09-03 CN CN202111029926.XA patent/CN113810558A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114219052A (zh) * | 2022-02-23 | 2022-03-22 | 富算科技(上海)有限公司 | 一种图数据融合方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110537183B (zh) | 数据标记化方法和系统 | |
US9787647B2 (en) | Secure computer evaluation of decision trees | |
JP2019517167A (ja) | 特定の識別情報を開示することなく識別子の間のリンクを確立するためのシステムおよび方法 | |
US20090287706A1 (en) | Privacy and confidentiality preserving reporting of urls | |
JP5762232B2 (ja) | プライバシを保護したまま暗号化された要素の順序を選択するための方法およびシステム | |
CN111104434B (zh) | 一种基于隐私保护多级属性相似度的电子医疗推荐方法 | |
US20210367758A1 (en) | Method and system for privacy preserving classification of websites url | |
Ge et al. | SPPS: A search pattern privacy system for approximate shortest distance query of encrypted graphs in IIoT | |
CN115905633A (zh) | 一种隐私保护的图相似性检索方法及系统 | |
Verma et al. | Design and analysis of an optimal ECC algorithm with effective access control mechanism for big data | |
Sultan et al. | A novel image-based homomorphic approach for preserving the privacy of autonomous vehicles connected to the cloud | |
CN113810558A (zh) | 一种基于大数据的图像加密方法及系统 | |
CN111259440A (zh) | 一种针对云外包数据的隐私保护决策树分类方法 | |
CN116069957A (zh) | 一种信息检索方法、装置及设备 | |
Kim et al. | Privacy-preserving parallel kNN classification algorithm using index-based filtering in cloud computing | |
Hamrioui et al. | A systematic review of security mechanisms for big data in health and new alternatives for hospitals | |
Soni et al. | Cloud computing security analysis based on RC6, AES and RSA algorithms in user-cloud environment | |
Hidayat et al. | Data encryption algorithm AES by using blockchain technology: a review | |
US11133926B2 (en) | Attribute-based key management system | |
CN114553549B (zh) | 一种数据加密方法及系统 | |
Pan et al. | TrajGuard: a comprehensive trajectory copyright protection scheme | |
CN111091197B (zh) | 在可信执行环境中训练gbdt模型的方法、装置及设备 | |
Lin et al. | A privacy-preserving intelligent medical diagnosis system based on oblivious keyword search | |
CN106384059B (zh) | 一种浏览器导航方法、装置及系统 | |
CN113965366B (zh) | 反向代理钓鱼攻击的防御方法、系统和计算机设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211217 |