CN113965420B - 一种基于人工智能的网络安全加密方法及系统 - Google Patents

一种基于人工智能的网络安全加密方法及系统 Download PDF

Info

Publication number
CN113965420B
CN113965420B CN202111584300.5A CN202111584300A CN113965420B CN 113965420 B CN113965420 B CN 113965420B CN 202111584300 A CN202111584300 A CN 202111584300A CN 113965420 B CN113965420 B CN 113965420B
Authority
CN
China
Prior art keywords
data
voting
angle
obtaining
value
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
CN202111584300.5A
Other languages
English (en)
Other versions
CN113965420A (zh
Inventor
苏凯航
王永昌
付家豪
王智慧
韩艺
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.)
Zhengzhou Bohan Intelligent Technology Co ltd
Xi'an Daofa Digital Information Technology Co ltd
Original Assignee
Zhengzhou Bohan Intelligent Technology Co ltd
Xi'an Daofa Digital Information Technology Co ltd
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 Bohan Intelligent Technology Co ltd, Xi'an Daofa Digital Information Technology Co ltd filed Critical Zhengzhou Bohan Intelligent Technology Co ltd
Priority to CN202111584300.5A priority Critical patent/CN113965420B/zh
Publication of CN113965420A publication Critical patent/CN113965420A/zh
Application granted granted Critical
Publication of CN113965420B publication Critical patent/CN113965420B/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
    • 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
    • G06N20/00—Machine learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及网络安全技术领域，具体涉及一种基于人工智能的网络安全加密方法及系统。该方法将待加密数据转换至二值图像。获得每个像素点在霍夫空间中对应的投票值序列，通过与投票阈值的对比确定每个像素点的第一重要程度，筛选出基点数据。根据霍夫空间中每个角度下的投票值信息与参考角度的差异获得每个角度的第二重要程度，筛选出汗重要角度，根据重要角度对应的霍夫空间中投票值均方差获得空间角度数据。以二值图像中每列的像素点数量构成初相数据，以基点数据、空间角度数据和初相数据作为加密数据。本发明将待加密数据转换至二值图像，对图像进行数据拆分加密，保证了传输过程中的安全性。

Description

一种基于人工智能的网络安全加密方法及系统
技术领域
本发明涉及网络安全技术领域，具体涉及一种基于人工智能的网络安全加密方法及系统。
背景技术
在网络信息传输过程中会有大量数据在多个端口之间进行相互传输。在传输过程中往往会利用加密算法处理数据。数据常用的加密过程和解密的过程已被公开，不法分子可对数据进行针对性的解密，从而威胁到数据传输安全。
常用的加密方法直接对数据进行运算转换，虽然加密结果复杂且密钥类型多种多样，但是当知道加密类型后将数据进行拦截利用解密逆过程仍然可以获得数据信息，使得信息暴露，网络环境出现安全隐患。
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人工智能的网络安全加密方法及系统，所采用的技术方案具体如下：
本发明提出了一种基于人工智能的网络安全加密方法，所述方法包括：
获取待加密数据的二进制数据；将所述二进制数据转换至二值图像；对所述二值图像进行霍夫变换，在霍夫空间中获得多条霍夫曲线；所述霍夫空间横坐标为角度，纵坐标为极径；
获取每条所述霍夫曲线上对应位置的投票值，构成所述二值图像中每个像素点的投票值序列；获得所述投票值序列中大于预设投票阈值的高亮数据；根据所述投票值序列与所述投票阈值的投票值差异和所述高亮数据的数量获得所述二值图像中每个像素点的第一重要程度；以所述第一重要程度大于预设第一重要程度阈值的像素点作为所述二值图像的基点数据；
根据所述霍夫空间中每个角度对应的所述投票值和该角度与参考角度的差异获得每个角度的第二重要程度；以大于预设第二重要程度阈值的角度作为重要角度；获得每个所述重要角度在所述霍夫空间中对应的投票值均方差，构成空间角度数据；
获得所述二值图像每列的像素点数量，构成初相数据；以所述基点数据、所述空间角度数据和所述初相数据作为加密数据。
进一步地，所述将所述二进制数据转换至二值图像包括：
将所述二进制数据分割为多个等长的数据序列；将所述数据序列规则分布，构成二维二进制数据；以所述二维二进制数据中数据值为零的点作为背景，数据值为一的点作为前景，获得所述二值图像。
进一步地，所述获得所述投票值序列中大于预设投票阈值的高亮数据包括：
根据投票阈值公式获得所述投票阈值；所述投票阈值公式包括：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
为所述投票阈值，
Figure 88192DEST_PATH_IMAGE003
为所述二进制数据内数据值为一的点的数量，
Figure DEST_PATH_IMAGE004
为所述二维二进制数据的尺寸，
Figure 270912DEST_PATH_IMAGE005
为预设比例参数。
进一步地，所述根据所述投票值序列与所述投票阈值的投票值差异和所述高亮数据的数量获得所述二值图像中每个像素点的第一重要程度包括：
根据第一重要程度公式获得所述第一重要程度；所述第一重要程度公式包括：
Figure DEST_PATH_IMAGE006
其中，
Figure DEST_PATH_IMAGE007
为所述第一重要程度，
Figure DEST_PATH_IMAGE008
为所述高亮数据的数量，
Figure 644124DEST_PATH_IMAGE009
为所述投票值序列的长度，
Figure DEST_PATH_IMAGE010
为所述投票值序列中第
Figure 367230DEST_PATH_IMAGE011
个投票值，
Figure 712760DEST_PATH_IMAGE002
为所述投票阈值，
Figure DEST_PATH_IMAGE012
为线性整流函数。
进一步地，所述根据所述霍夫空间中每个角度对应的所述投票值和该角度与参考角度的差异获得每个角度的第二重要程度包括：
以45°的整数倍作为所述参考角度，根据第二重要程度公式获得所述第二重要程度；所述第二重要程度公式包括：
Figure 800802DEST_PATH_IMAGE013
其中，
Figure DEST_PATH_IMAGE014
为角度为
Figure DEST_PATH_IMAGE015
的所述第二重要程度，
Figure DEST_PATH_IMAGE016
为取余符号，
Figure 661311DEST_PATH_IMAGE017
为霍夫空间中角度为
Figure 656949DEST_PATH_IMAGE015
的第
Figure DEST_PATH_IMAGE018
个点的投票值，
Figure 591407DEST_PATH_IMAGE019
为所述霍夫曲线的数量，
Figure 115929DEST_PATH_IMAGE002
为所述投票阈值，
Figure 666996DEST_PATH_IMAGE012
为线性整流函数。
进一步地，所述构成空间角度数据后还包括：
将所述空间角度数据进行哈希处理，获得数据摘要。
进一步地，所述获得所述二值图像每列的像素点数量，构成初相数据包括：
根据所述霍夫空间中第一列的数据序列获得所述初相数据。
进一步地，所述方法还包括图像解密过程；所述图像解密过程包括：
提取所述基点数据；根据所述初相数据对所述基点数据进行填充，获得多种填充结果；获取所述填充结果的对比数据摘要；以与所述数据摘要一致的所述对比数据摘要对应的填充结果作为解密结果。
本发明还提出了一种基于人工智能的网络安全加密系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于人工智能的网络安全加密方法的步骤。
本发明具有如下有益效果：
本发明实施例将待加密数据的二进制数据转换至二值图像，通过二值图像在霍夫空间中的信息获得基点数据。基点数据表示二值图像中与其他像素点共线最多的像素点，因此仅保留基点数据作为基础数据，消除其他信息，保证了数据安全。进一步通过空间角度数据描述二值图像中的空间分布特征，结合初相数据完成对待加密数据的拆分。通过基点数据、空间角度数据和初相数据描述待加密数据，增加了数据的安全性，保证了加密传输过程中的安全。
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为本发明一个实施例所提供的一种基于人工智能的网络安全加密方法流程图；
图2为本发明一个实施例所提供的一种二维二进制数据示意图；
图3为本发明一个实施例所提供的一种二值图像示意图。
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人工智能的网络安全加密方法及系统，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人工智能的网络安全加密方法及系统的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于人工智能的网络安全加密方法流程图，该方法包括：
步骤S1：获取待加密数据的二进制数据；将二进制数据转换至二值图像；对二值图像进行霍夫变换，在霍夫空间中获得多条霍夫曲线；霍夫空间横坐标为角度，纵坐标为幅值。
数据在计算机中的存储和传输都是以二进制的形式进行的，即数据为一串0和1组成的字符。为了避免加密过程直接对数据进行运算导致的安全隐患，获取待加密数据的二进制数据，将二进制数据转换成二值图像，在后续加密过程中对二值图像进行预算。其中二值图像的具体获取方法包括：
在数据存储过程中，数据常为一串二进制序列，将二进制数据分割为多个等长的数据序列。需要说明的是，对于数据量少的数据序列可通过插值方法调整数据序列长度，使得每条数据序列都达到等长。请参阅图2，其示出了本发明一个实施例所提供的一种二维二进制数据示意图，将数据序列规则分布，构成二维二进制数据。二维二进制数据可视为一个图像矩阵，即以二维二进制数据中数据值为零的点作为背景，数据值为一的点作为前景，获得二值图像。
请参阅图3，其示出了本发明一个实施例所提供的一种二值图像示意图，为了使二维二进制数据中数据值为一的点更明显，以黑色作为前景，白色作为背景。在后续分析过程中皆考虑前景信息，忽视背景信息，因此所提到的像素点都指的是前景像素点。
在二值图像中不同像素点具有不同的空间关联，为了利用空间关联进行数据加密表示，将二值图像进行霍夫变换，在霍夫空间中获得多条霍夫曲线。根据霍夫空间分析数据空间关联关系。需要说明的是，霍夫空间转换过程为将图像坐标系转换至极坐标系，然后将极坐标系转换至霍夫空间中，避免了对图像坐标系直接进行霍夫变换构成斜率等于无穷大的现象，即在霍夫空间中横坐标为霍夫曲线对应的角度，纵坐标为霍夫曲线对应的幅值。霍夫变换为本领域技术人员常用技术手段在此不做赘述，在此仅简述本发明实施例中的变换过程：
（1）对二值图像逐像素点进行遍历，计算每个像素点360°范围内对应的极坐标参数
Figure DEST_PATH_IMAGE020
，其中
Figure 466325DEST_PATH_IMAGE015
为角度，
Figure 724131DEST_PATH_IMAGE021
为极径。
（2）将每个极坐标参数对应的霍夫空间位置处的投票值加1。
（3）遍历所有数据后霍夫空间中存在多条霍夫曲线，霍夫曲线数量为二值图像的像素点数量，霍夫曲线之间的交点处的投票值表示二值图像中对应直线上的像素点数量，即共线像素点数量。
步骤S2：获取每条霍夫曲线上对应位置的投票值，构成二值图像中每个像素点的投票值序列；获得投票值序列中大于预设投票阈值的高亮数据；根据投票值序列与投票阈值的投票值差异和高亮数据的数量获得二值图像中每个像素点的第一重要程度；以第一重要程度大于预设第一重要程度阈值的像素点作为二值图像的基点数据。
利用霍夫空间中的信息可获得每个像素点与其他像素点共线的数量，共线的像素点数量越多说明对应的像素点越重要，可作为二值图像中的基础数据。
霍夫空间中的投票值可表示共线的像素点数量，为了获得二值图像中每个像素点的重要程度，需要获取每条霍夫曲线上对应位置的投票值，构成投票值序列。投票值序列表示对应像素点在不同角度的直线上共线的像素点数量。
在本发明实施例中，投票值序列的长度设置为180。
在投票值序列中将大于预设投票阈值的点作为高亮数据。需要说明的是，投票阈值可根据任务需要具体设置。优选的，为了使得投票阈值更加合理化，根据投票阈值公式获得投票阈值；投票阈值公式包括：
Figure 685133DEST_PATH_IMAGE001
其中，
Figure 723496DEST_PATH_IMAGE002
为投票阈值，
Figure 529778DEST_PATH_IMAGE003
为二进制数据内数据值为一的点的数量，
Figure 704408DEST_PATH_IMAGE004
为二维二进制数据的尺寸，
Figure 773995DEST_PATH_IMAGE005
为预设比例参数。
Figure DEST_PATH_IMAGE022
为数据值为一的点在二进制数据内的占比，比例越高说明二值图像中前景信息越多，则各角度直线上的像素点就会越多。在本发明实施例中
Figure 830813DEST_PATH_IMAGE005
设置为0.7。
通过投票阈值公式根据待加密数据的二进制数据信息自适应的设置了投票阈值，使得像素点重要性评判更合理。
高亮数据表示了对应像素点与大量其他像素点共线，因此高亮数据的数量可作为对应像素点重要性的评判标准，进一步结合投票值序列和投票阈值的投票值差异获得像素点的第一重要程度，具体包括：
根据第一重要程度公式获得所述第一重要程度；所述第一重要程度公式包括：
Figure 440786DEST_PATH_IMAGE006
其中，
Figure 673184DEST_PATH_IMAGE007
为所述第一重要程度，
Figure 975989DEST_PATH_IMAGE008
为所述高亮数据的数量，
Figure 457786DEST_PATH_IMAGE009
为所述投票值序列的长度，
Figure 137029DEST_PATH_IMAGE010
为所述投票值序列中第
Figure 20672DEST_PATH_IMAGE011
个投票值，
Figure 697641DEST_PATH_IMAGE002
为所述投票阈值，
Figure 666734DEST_PATH_IMAGE012
为线性整流函数。经过线性整流函数处理，滤除了投票值序列中小于投票阈值的数据，将投票值序列中大于投票阈值的保留。
获得二值图像中每个像素点的第一重要程度，将所有第一重要程度进行归一化处理，将数值范围限制在[0,1]中。以第一重要程度大于预设第一重要程度阈值的像素点作为所述二值图像的基点数据。在本发明实施例中，第一重要程度阈值设置为0.8，基点数据为一个系数的数据二值矩阵，即将基点数据对应的像素点保留，其他位置的像素点都清除。
步骤S3：根据霍夫空间中每个角度对应的投票值和该角度与参考角度的差异获得每个角度的第二重要程度；以大于预设第二程度阈值的角度作为重要角度；获得每个重要角度在霍夫空间中对应的投票值均方差，构成空间角度数据。
霍夫空间中从各个角度对当前二值图像进行了分布信息的描述，其中角度复杂，冗余程度较高，为了使得加密数据的数据量尽量小，且后续验证时尽量快捷方便，需要根据角度的重要性来获得二值图像中的空间关联数据。
根据霍夫空间中每个角度对应的投票值和该角度与参考角度的差异获得每个角度的第二重要程度。因为对于像素点而言，该像素点与其相邻的像素点组成的直线的角度都为45°的整数倍，所以认为45°的整数倍可作为参考角度，第二重要程度具体获取方法包括：
根据第二重要程度公式获得第二重要程度；第二重要程度公式包括：
Figure 884088DEST_PATH_IMAGE023
其中，
Figure 887816DEST_PATH_IMAGE014
为角度为
Figure 735687DEST_PATH_IMAGE015
的第二重要程度，
Figure 192076DEST_PATH_IMAGE016
为取余符号，
Figure 213121DEST_PATH_IMAGE017
为霍夫空间中角度为
Figure 805777DEST_PATH_IMAGE015
的第
Figure 621286DEST_PATH_IMAGE018
个点的投票值，
Figure 768234DEST_PATH_IMAGE019
为霍夫曲线的数量，
Figure 327391DEST_PATH_IMAGE002
为投票阈值。
第二重要程度公式中，
Figure DEST_PATH_IMAGE024
通过线性整流函数的处理对应角度下霍夫空间中对应列的数据点，滤除小于投票阈值的点，剩下的点的数量即为该角度下的平行线数量，平行线上的像素点数量即为
Figure 836870DEST_PATH_IMAGE017
。第二重要程度公式通过角度方向平行线的数量、平行线对应的投票值和与参考角度的差异确定了每个角度的重要性。
将大于预设第二重要程度阈值的角度作为重要角度；获得每个重要角度在霍夫空间中对应的投票值均方差，构成空间角度数据。投票值均方差可以反映对应角度下的平行线像素分布情况，值越小说明分布越均匀。在本发明实施例中，第二重要程度设置为0.8。
空间角度数据为一个稀疏信息序列，序列长度与投票值序列长度一致，其中不重要的角度对应的数据为0。因为不同待加密数据获得的空间角度数据长度不同，为了更方便快捷描述二值图像的空间分布，将空间角度数据进行哈希处理，获得数据摘要。哈希算法可以把不同长度的数据处理为等长的数据序列，且处理后的数据长度固定，不可逆，在简化加密数据的同时提高了数据安全性。
步骤S4：获得二值图像每列的像素点数量，构成初相数据；以基点数据、空间角度数据和初相数据作为加密数据。
二值图像中每列的像素点数量可作为初相数据，与基点数据和数据摘要共同作为加密数据。初相数据可通过霍夫空间中第一列的数据序列获得，霍夫空间中第一列的数据即为角度为0°的列数据，该列数据中的投票值表示了二值图像中每列的像素点数量。
获得加密数据后，可将加密数据中基点数据、数据摘要和初相数据以对应的分隔标识来分隔数据，将经过分隔标识处理后的加密数据进行传输，保证了数据的安全性，避免了数据经过拦截后被轻易解密。
在接收端获得加密数据后，可通过加密数据信息进行解密过程，解密过程包括：
提取基点数据，基点数据为原二值图像中重要的像素点，位置没有进行改变，可作为基础数据。根据初相数据对所述基点数据进行填充，根据初相数据可获得原二值图像中每列的像素点数量，因此根据每列的像素点数量对基点数据进行填充可获得多种填充结果。获取填充结果的对比数据摘要，以与数据摘要一致的对比数据摘要对应的填充结果作为解密结果。
综上所述，本发明实施例将待加密数据转换至二值图像。通过对二值图像进行霍夫变换获得霍夫空间中的信息。获得每个像素点在霍夫空间中对应的投票值序列。通过与投票阈值的对比确定每个像素点的第一重要程度，筛选出基点数据。根据霍夫空间中每个角度下的投票值信息与参考角度的差异获得每个角度的第二重要程度，筛选出汗重要角度，根据重要角度对应的霍夫空间中投票值均方差获得空间角度数据。以二值图像中每列的像素点数量构成初相数据，以基点数据、空间角度数据和初相数据作为加密数据。本发明实施例将待加密数据转换至二值图像，对图像进行数据拆分加密，保证了传输过程中的安全性。
本发明还提出了一种基于人工智能的网络安全加密系统，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现任意一项一种基于人工智能的网络安全加密方法的步骤。
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。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 (9)

1.一种基于人工智能的网络安全加密方法，其特征在于，所述方法包括：
获取待加密数据的二进制数据；将所述二进制数据转换至二值图像；对所述二值图像进行霍夫变换，在霍夫空间中获得多条霍夫曲线；所述霍夫空间横坐标为角度，纵坐标为极径；
获取每条所述霍夫曲线上对应位置的投票值，构成所述二值图像中每个像素点的投票值序列，其中所述投票值表示共线的像素点数量，所述投票值序列表示对应像素点在不同角度的直线上共线的像素点数量；获得所述投票值序列中大于预设投票阈值的高亮数据；根据所述投票值序列与所述投票阈值的投票值差异和所述高亮数据的数量获得所述二值图像中每个像素点的第一重要程度；以所述第一重要程度大于预设第一重要程度阈值的像素点作为所述二值图像的基点数据；
根据所述霍夫空间中每个角度对应的所述投票值和该角度与参考角度的差异获得每个角度的第二重要程度；以大于预设第二重要程度阈值的角度作为重要角度；获得每个所述重要角度在所述霍夫空间中对应的投票值均方差，构成空间角度数据；
获得所述二值图像每列的像素点数量，构成初相数据；以所述基点数据、所述空间角度数据和所述初相数据作为加密数据。
2.根据权利要求1所述的一种基于人工智能的网络安全加密方法，其特征在于，所述将所述二进制数据转换至二值图像包括：
将所述二进制数据分割为多个等长的数据序列；将所述数据序列规则分布，构成二维二进制数据；以所述二维二进制数据中数据值为零的点作为背景，数据值为一的点作为前景，获得所述二值图像。
3.根据权利要求2所述的一种基于人工智能的网络安全加密方法，其特征在于，所述获得所述投票值序列中大于预设投票阈值的高亮数据包括：
根据投票阈值公式获得所述投票阈值；所述投票阈值公式包括：
Figure 774314DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE003
为所述投票阈值，
Figure 393515DEST_PATH_IMAGE004
为所述二进制数据内数据值为一的点的数量，
Figure DEST_PATH_IMAGE005
为所述二维二进制数据的尺寸，
Figure 739176DEST_PATH_IMAGE006
为预设比例参数。
4.根据权利要求1所述的一种基于人工智能的网络安全加密方法，其特征在于，所述根据所述投票值序列与所述投票阈值的投票值差异和所述高亮数据的数量获得所述二值图像中每个像素点的第一重要程度包括：
根据第一重要程度公式获得所述第一重要程度；所述第一重要程度公式包括：
Figure 672497DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
为所述第一重要程度，
Figure 669272DEST_PATH_IMAGE010
为所述高亮数据的数量，
Figure DEST_PATH_IMAGE011
为所述投票值序列的长度，
Figure 741264DEST_PATH_IMAGE012
为所述投票值序列中第
Figure DEST_PATH_IMAGE013
个投票值，
Figure 557911DEST_PATH_IMAGE003
为所述投票阈值，
Figure 448853DEST_PATH_IMAGE014
为线性整流函数。
5.根据权利要求1所述的一种基于人工智能的网络安全加密方法，其特征在于，所述根据所述霍夫空间中每个角度对应的所述投票值和该角度与参考角度的差异获得每个角度的第二重要程度包括：
以45°的整数倍作为所述参考角度，根据第二重要程度公式获得所述第二重要程度；所述第二重要程度公式包括：
Figure 441080DEST_PATH_IMAGE016
其中，
Figure DEST_PATH_IMAGE017
为角度为
Figure 683974DEST_PATH_IMAGE018
的所述第二重要程度，
Figure DEST_PATH_IMAGE019
为取余符号，
Figure 253495DEST_PATH_IMAGE020
为霍夫空间中角度为
Figure 872827DEST_PATH_IMAGE018
的第
Figure DEST_PATH_IMAGE021
个点的投票值，
Figure 719560DEST_PATH_IMAGE022
为所述霍夫曲线的数量，
Figure 648202DEST_PATH_IMAGE003
为所述投票阈值，
Figure 111544DEST_PATH_IMAGE014
为线性整流函数。
6.根据权利要求1所述的一种基于人工智能的网络安全加密方法，其特征在于，所述构成空间角度数据后还包括：
将所述空间角度数据进行哈希处理，获得数据摘要。
7.根据权利要求1所述的一种基于人工智能的网络安全加密方法，其特征在于，所述获得所述二值图像每列的像素点数量，构成初相数据包括：
根据所述霍夫空间中第一列的数据序列获得所述初相数据。
8.根据权利要求6所述的一种基于人工智能的网络安全加密方法，其特征在于，所述方法还包括图像解密过程；所述图像解密过程包括：
提取所述基点数据；根据所述初相数据对所述基点数据进行填充，获得多种填充结果；获取所述填充结果的对比数据摘要；以与所述数据摘要一致的所述对比数据摘要对应的填充结果作为解密结果。
9.一种基于人工智能的网络安全加密系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~8任意一项所述方法的步骤。
CN202111584300.5A 2021-12-23 2021-12-23 一种基于人工智能的网络安全加密方法及系统 Active CN113965420B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111584300.5A CN113965420B (zh) 2021-12-23 2021-12-23 一种基于人工智能的网络安全加密方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111584300.5A CN113965420B (zh) 2021-12-23 2021-12-23 一种基于人工智能的网络安全加密方法及系统

Publications (2)

Publication Number Publication Date
CN113965420A CN113965420A (zh) 2022-01-21
CN113965420B true CN113965420B (zh) 2022-03-11

Family

ID=79473648

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111584300.5A Active CN113965420B (zh) 2021-12-23 2021-12-23 一种基于人工智能的网络安全加密方法及系统

Country Status (1)

Country Link
CN (1) CN113965420B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114760390B (zh) * 2022-04-01 2024-05-24 安丽华 一种图像加密传输方法以及解密方法
CN114663713B (zh) * 2022-05-20 2022-08-30 海门市博洋铸造有限公司 一种基于霍夫变换的金属拉丝生产控制方法及系统
CN115270164B (zh) * 2022-09-28 2022-12-13 佳卓智能科技(南通)有限责任公司 基于微服务架构的传输数据安全监测的方法
CN116320202A (zh) * 2023-03-15 2023-06-23 北京拙河科技有限公司 一种相机图像加密方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144343A (zh) * 2014-07-11 2014-11-12 东北大学 一种数字图像压缩加密联合编码方法
CN110517181A (zh) * 2019-08-29 2019-11-29 海南大学 基于Hough组合变换的医学图像零水印嵌入方法
CN111815726A (zh) * 2020-07-09 2020-10-23 深圳企业云科技股份有限公司 一种基于计算机视觉识别系统的椭圆角度编码解码方法
CN113067832A (zh) * 2021-03-29 2021-07-02 郑州铁路职业技术学院 基于区块链和人工智能的通讯数据加密方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4219542B2 (ja) * 2000-09-07 2009-02-04 富士ゼロックス株式会社 画像処理装置、画像処理方法および画像処理プログラムが格納された記録媒体
US8150207B2 (en) * 2007-12-31 2012-04-03 Intel Corporation Accelerating the hough transform
WO2010116774A1 (ja) * 2009-04-07 2010-10-14 村田機械株式会社 画像処理装置と処理方法、処理プログラム、及び記憶媒体
CN112272262B (zh) * 2020-10-23 2021-09-03 北京邮电大学 一种图像加密、解密方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144343A (zh) * 2014-07-11 2014-11-12 东北大学 一种数字图像压缩加密联合编码方法
CN110517181A (zh) * 2019-08-29 2019-11-29 海南大学 基于Hough组合变换的医学图像零水印嵌入方法
CN111815726A (zh) * 2020-07-09 2020-10-23 深圳企业云科技股份有限公司 一种基于计算机视觉识别系统的椭圆角度编码解码方法
CN113067832A (zh) * 2021-03-29 2021-07-02 郑州铁路职业技术学院 基于区块链和人工智能的通讯数据加密方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于Hough变换旋转校正的QR码全息水印算法;龚一珉;《包装工程》;20170510;全文 *

Also Published As

Publication number Publication date
CN113965420A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN113965420B (zh) 一种基于人工智能的网络安全加密方法及系统
WO2016082277A1 (zh) 一种视频认证方法及装置
CN110659379B (zh) 一种基于深度卷积网络特征的可搜索加密图像检索方法
CN106952212B (zh) 一种基于向量同态加密的hog图像特征提取算法
US20150341349A1 (en) Privacy-preserving biometric authentication
CN111050022B (zh) 一种高安全性图像传输系统及方法
CN110211046B (zh) 一种基于生成对抗网络的遥感图像融合方法、系统和终端
US10083194B2 (en) Process for obtaining candidate data from a remote storage server for comparison to a data to be identified
Kumar et al. Near lossless image compression using parallel fractal texture identification
CN110430337A (zh) 图像伪装及图像恢复的方法、设备和存储介质
WO2011082648A1 (zh) 空间数据化简方法及装置
CN111651782A (zh) 基于神经网络的计算机加密系统及方法
US20170257579A1 (en) Method and device for processing graph-based signal using geometric primitives
CN109981917B (zh) 一种二维码图像光学加密方法及其系统、装置、存储介质
JP6457558B2 (ja) データ圧縮装置およびデータ圧縮方法
Markuš et al. Fast rendering of image mosaics and ascii art
CN113191380B (zh) 一种基于多视角特征的图像取证方法及系统
CN112669068B (zh) 基于大数据的市场调研数据传输方法及系统
CN115114667A (zh) 一种安全芯片的隐私信息处理分类方法及装置
CN112613055A (zh) 基于分布式云服务器和数图转换的图像处理系统及方法
CN107515937B (zh) 差分账户的归类方法及系统、服务终端、存储器
CN115965839A (zh) 图像识别方法、存储介质及设备
Tang et al. Robust video hashing based on multidimensional scaling and ordinal measures
CN113190858A (zh) 一种基于隐私保护的图像处理方法、系统、介质和设备
CN107451540B (zh) 一种可压缩的3d识别方法

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