范 繼,唐 旭,舒立鵬,周加永,薛少輝
(西北機電工程研究所,陜西 咸陽 712099)
近年來,隨著信息技術、人工智能技術的發(fā)展,智能化作戰(zhàn)越來越受到各國關注。在智能化作戰(zhàn)中,戰(zhàn)爭的主導因素將逐步從“信息主導”變?yōu)橐源髷祿?、人工智能等技術為支撐的“認知主導”。大數據、人工智能等技術的核心是數據,通過挖掘數據中的關聯性和規(guī)則做出決策。如今,數據的形式各種各樣,如圖像、文本、音頻和視頻等,其正在通過各種通信渠道進行交換。軍事信息的機密性很強,需要強大的安全性來保證機密性和隱私性。尤其是軍事圖像,其承載的信息量是比較大的,某張圖像信息的泄露有可能導致一場戰(zhàn)爭的失敗,因此,研究安全、高效的軍事圖像加密算法是非常重要的,其能夠有效降低信息泄露的風險。
混沌系統具有有界性、遍歷性、初始條件的敏感性、內隨機性、普適性等性質,這些特性和圖像加密結合在一起,使得圖像加密效果更好,且更符合密碼學中的加密要求。目前有許多混沌圖像加密算法,這些算法基本分為兩個過程。利用混沌系統產生的混沌序列對明文圖像進行置亂,再根據混沌序列對置亂圖像進行擴散。截止目前還沒有公認的混沌圖像加密模型,最常見的結構如圖1 所示。傳統圖像加密算法具有形式簡單、產生混沌時間序列短等優(yōu)點,但其缺點是系統結構簡單、加密結構容易被破解。隨著計算機運算能力的極大提高,破解者可以利用計算機無窮次的循環(huán)密鑰攻擊或統計攻擊破解。為克服這些缺點,提出了一種基于雙混沌系統的軍事圖像加密算法,該方法將密鑰與明文相關聯,通過利用二維Logistic 映射與Liu 混沌系統,使混沌隨機序列更加隨機,且增大了密鑰空間,能夠有效提升加密算法的安全性。通過仿真實驗表明,提出的圖像加密算法可以有效隱藏明文的統計特性,抵抗統計和差分等分析方法攻擊,對密鑰具有很強的敏感性,其安全性較高。
圖1 混沌圖像加密模型
對圖像加密算法,選擇的混沌系統好壞直接影響加密算法的性能,在加密過程中應該盡量選擇混沌特性好的混沌系統。本文選擇了下面兩個混沌特性較好的混沌系統對圖像進行加密。
帶二次耦合項的二維耦合Logistic 映射隨參數變化呈現出不同的特性,其具體表達式如下:
圖2 系統(1)分岔圖
2006 年Liu 提出了一種新的三階連續(xù)自治混沌系統,該系統是一個新的混沌系統,具有好的混沌特性。其數學表達式如下:
圖3 Liu 混沌系統的混沌吸引子相圖
由圖3 可知,Liu 混沌系統對應的時間序列圖和吸引子呈現出很強的隨機性,且具有復雜的運動軌跡。
提出一種基于二維耦合Logistic 映射與Liu 混沌系統的擴散圖像加密算法。首先,該方法根據二維耦合Logistic 映射和Liu 混沌系統產生的混沌隨機序列構造關聯混沌序列,利用關聯混沌序列對置亂明文圖像。然后對置亂圖像進行3 次不同方式的擴散,進而實現加密目的。
加密算法分為置亂和擴散兩個階段,其加密過程如圖4 所示。
圖4 本文加密算法的加密過程
加密算法具體步驟如下:
1)置亂過程
Step 2:對二維耦合Logistic 映射,根據如下方法,利用明文圖像矩陣A 的像素值確定混沌初始值x0,y0,u2。
2)擴散過程
Step 7:根據式(8)
行擴散
Step 9:將Step 2 得到的序列
列擴散
綜合擴散
即得到密文M。
解密算法是加密算法的逆過程,解密過程如圖5 所示。
圖5 本文加密算法的解密過程
解密算法具體步驟如下:
Step 3:按照如下方式對密文圖像M 進行可逆的擴散異或操作,得到置亂圖像C。
列逆擴散
行逆擴散
在本文仿真實驗中,加解密算法均在win7 系統下運行,使用MATLAB2014a 版本,處理器為Intel(R)Core(TM)i5-4690 CPU3.30 GHz,運行內存為16 G。明文圖像選取大小為224×300 的自行高炮灰度圖像,其為.jpg 格式的文件。
對實驗選取的25 mm 自行高炮圖像利用本文加密算法進行加密,結果如圖6 所示。
圖6 本文加密算法加密效果
由圖6 可知,利用本文加密算法對明文圖像進行加密后,密文圖像是像素點雜亂無章的圖像,在視覺上無法提取有效的明文信息,這說明該算法能夠有效隱藏明文圖像信息。
3.2.1 密鑰空間分析
基于本文加密算法的加密特性,選取二維耦合Logistic 映射的初始值參數x、y和迭代次數N+N,Liu 混沌系統的初始值參數x'(0)、y'(0)、z'(0)為密鑰。Alvarez 等指出,系統密鑰空間至少要達到2,才可以有效抵抗窮舉攻擊。根據計算機的雙精度浮點數對密鑰取值,按8 byte 16 位有效數字進行分析。在仿真過程中,所有參數精度均為10,因此,本算法的密鑰空間至少為10,遠大于2,可以有效抵抗暴力攻擊。
3.2.2 密鑰敏感性分析
安全性高的加密算法對密鑰的敏感性很強,密鑰微小的變化都會使密文圖像不能被正確解密。為了排除明文圖像對檢驗結果的影響,保持其他密鑰取值不變,僅僅對和明文無關的部分密鑰進行微弱改變,將得到的密文與基準密文進行比較,結果如表1 所示。其中,NPCR 和UACI 是衡量兩幅圖像差異性的指標。用密鑰key0、key1、key2、key3、key4分別對密鑰key0 加密的密文圖像進行解密,對應解密圖像如圖7 所示。由表1 和圖7 可知,在加密和解密階段,本文加密算法對密鑰都具有敏感性,當密鑰發(fā)生微小變化,對應的NPCR 值達到96%以上,對應的UACI 值達到33.1%左右,而且解密后的圖像均為類似噪聲的圖像,視覺不可分辨;密鑰key1、key2、key3、key4 解密密鑰key0 加密的密文圖像錯誤率分別達到99.35%、99.58%、99.55%、99.62%。因此,BLPL 算法對密鑰的敏感性很強。
圖7 本文加密算法解密敏感性
表1 本文加密算法的加密密鑰敏感性
3.2.3 直方圖均衡性分析
直方圖均衡性可直觀地反映出加密圖像的加密質量。圖8 分別是圖6 中的明文圖像和密文圖像對應的直方圖。由圖8 可知,明文圖像直方圖比較陡峭,而密文圖像直方圖則分布比較均勻。因此,本文加密算法能夠有效隱藏明文圖像的統計特性。
圖8 明文和密文直方圖
3.2.4 相鄰像素相關性
對于一個具有豐富視覺內容的數字圖像,明文中的色彩和灰度值是逐漸變化的,每一個像素點與其相鄰像素點在水平、垂直以及對角線方向都是高度相關的。由于視覺內容豐富的明文圖像灰度值是逐漸變化的,因此,每一個像素點與其相鄰像素點在水平、垂直和對象線方向的相關性都很強。為了使密文圖像不能夠得到有效的明文圖像信息,圖像加密算法應該盡可能剔除這種強相關性。通過仿真求得明文圖像和密文圖像在3 個方向的散點圖,如下頁圖9 所示,其中,散點圖選取了各方向1 000 個像素點得到。表2 為明文圖像和密文圖像相關系數。
圖9 明文和密文各方向散點圖
由圖9 和表2 可知,在3 個方向上,明文圖像相鄰像素點相關性都很高,相關系數均大于0.91,但密文圖像相鄰像素的相關系數明顯降低,相關系數幾乎為0。這說明密文圖像像素點周圍像素的數值是完全隨機的,明文的統計特征已被擴散到隨機的密文中。由此可見,本文加密加密算法可有效地抵抗基于統計分析的攻擊。
表2 圖像各方向相關系數
3.2.5 信息熵分析
信息熵主要描述信息的冗余度和隨機性特性,圖像的信息熵越小,說明圖像數據的冗余度越低、隨機性差,圖像是有意義的。反之,信息熵越大,表明圖像內容越隨機。對于8 bit 的數字圖像而言,信息熵的理論最大值為8,密文圖像對應的信息熵越接近8,加密算法的加密性能越好。經仿真計算,本文加密算法加密自行高炮圖像所得密文對應的信息熵如表3 所示。
表3 明文和密文信息熵
由表3 知,密文測試結果接近于理論值8。該算法將有意義的圖像加密成為無意義的圖像,可以有效防止信息泄露。
3.2.6 差分攻擊分析
加密算法能夠抵制差分攻擊,主要表現在明文信息的細微差別,都將引起密文信息的巨大變化,主要通過NPCR 和UACI 體現密文的變化程度。明文圖像某個像素點發(fā)生改變,本文加密算法加密明文圖像對應的NPCR 和UACI 測試值如表4 所示。
表4 NPCR 和UACI 測試值
一般兩幅隨機圖像的UACI 理論值為33.463 5%,而NPCR 的理論值為99.609 4%。由表4 知,本文加密算法在明文圖像發(fā)生微小變化時,對應的NPCR 和UACI 值很接近理論值,充分表明提出的本文加密算法可以有效抵御差分攻擊,具有很高的安全性。
本文利用二維耦合Logistic 映射和Liu 混沌系統產生的混沌隨機序列構造關聯混沌序列,然后置亂明文圖像,最后對置亂圖像進行3 次不同方式的擴散。通過密鑰空間分析、密鑰敏感性測試、統計分析、差分分析、相關性分析及信息熵分析等方式,驗證了算法安全性。該算法能夠較好地滿足軍事圖像加密要求。同時,該算法存在計算代價較大,實時性較差的缺陷。然而對于簡單的加密系統,雖然算法計算代價小、易于實現,但是算法安全性降低,這是不能接受的。目前,并行計算已經成為了一種發(fā)展趨勢,利用并行計算可大大縮短算法的計算時間。因此,圖像加密算法可以基于并行框架設計,提升算法的實時性。