傳統(tǒng)計算機平臺下的圖像加密技術(shù)已經(jīng)得到了廣泛的研究和應(yīng)用，但移動平臺受限于當(dāng)前的硬件架構(gòu)，無法直接繼承傳統(tǒng)平臺的安全性技術(shù)。針時智能手機等移動平臺中的圖像信息安全問題，提出了一種基于Android移動平臺的圖像加密方案。

一、圖像加密技術(shù)

1、傳統(tǒng)圖像加密技術(shù)分析

傳統(tǒng)的圖像加密技術(shù)主要基于現(xiàn)代密碼體制。通常將圖像像素信息看作一維數(shù)據(jù)流，在密鑰的控制下，利用加密算法（常用加密算法如EDS、AES、RC6等）進行加密。但現(xiàn)代密碼體制主要是為文本信息設(shè)計，而沒有考慮到數(shù)字圖像數(shù)據(jù)量大、相關(guān)性強、空間有序等特點，故對圖像信息加密具有較大的計算量，加密效率也不高。隨著人們對多媒體信息的安全越來越重視，研究者提出了多種針對圖像的加密技術(shù)，其主要的思想是將數(shù)字圖像進行灰度變換和圖像置亂?；叶茸儞Q是指改變圖像像素點的灰度值的大小，使得加密前后，像素序列的內(nèi)容完全改變，有人利用灰度變換對圖像進行加密，得到了較好的加密效果。圖像置亂就是將圖像的信息次序打亂，將像素移動到像素的位置上，像素移動到f像素的位置上等，使其變換成雜亂無章難以辨認的圖像。有人首先利用混沌系統(tǒng)構(gòu)造隨機序列，然后將像素矩陣的行或者列按照隨機序列重新排列，得到了比較理想的加密效果。但這些方法，一般在灰度變換或者構(gòu)造隨機序列的過程中需要較大的計算量，如果直接移植到移動平臺，可能會影響圖像加密速度。

2、混沌系統(tǒng)

混沌是非線性系統(tǒng)中出現(xiàn)的一種貌似無規(guī)則的類隨機過程，是普遍存在的復(fù)雜運動形式和自然現(xiàn)象。混沌系統(tǒng)一般都具有對初始條件的敏感依賴性、整體穩(wěn)定而局部不穩(wěn)定、軌道不穩(wěn)定及分岔、長期不可預(yù)測性等特點。此系統(tǒng)由于具有良好的隨機特點，因此經(jīng)常應(yīng)用于圖像加密算法一混沌系統(tǒng)中常見的有Logistic系統(tǒng)和tent系統(tǒng)。

Logistic映射源自于對人口統(tǒng)計的動力學(xué)系統(tǒng)，是一個典型非線性混沌方程。它具有遍歷性、非周期性、長期不可預(yù)測性以及非收斂性等良好的混沌性質(zhì)，其映射定義為（當(dāng)系數(shù)3. 596≤a≤4時，系統(tǒng)進入混沌狀態(tài)）：

Tent系統(tǒng)是一種分段線性的一維映射，具有均勻的概率密度與功率譜密度，以及較理想的自相關(guān)性。Tent映射定義為（其中當(dāng)O<a≤2時，系統(tǒng)處于混沌狀態(tài)）：

二、Android移動平臺圖像加密

1、算法設(shè)計思想

本文通過對圖像加密技術(shù)的研究，提出了一種創(chuàng)新的移動平臺圖像加密算法。首先將待加密圖像矩陣J分成若干個小的矩陣塊；再利用圖像置亂與灰度變換處理每一個小的分塊；然后把每個分塊內(nèi)的像素值發(fā)散到其他分塊內(nèi)；最后將所有分塊合成加密后的圖片，加密流程如圖1所示。本算法在保證加密效果的同時，減少了圖像置亂處理所需要的計算量，使之適合在移動平臺上加密圖像。

2、加密算法描述

(1)預(yù)處理

對于原始圖片f，其像素矩陣大小為MXN，擴充（用O填充）像素矩陣使其大小變?yōu)镸'×N'，使得其中m'、N'為完全平方數(shù)，不妨設(shè)M'=m，N'=n。將M'×N'的像素矩陣按順序分成m×n2個大小為m×n的分塊。為了方便起見，用二維數(shù)組Aij來表示第(i，j個分塊。用二維數(shù)組BAij[x][y]來表示分塊A[ij]中的像素值（其中0≤i≤m-1，O≤j≤n-l，0≤z≤m-l，O≤y≤n-1）。為了增加安全性，先將Logistic混沌系統(tǒng)和Tent混沌系統(tǒng)分別迭代keyl、key2次。迭代次數(shù)keyl、key2作為加密密鑰。其中Logistic的初值作為密鑰key3，參數(shù)a作為密鑰key4。其中tent系統(tǒng)的初值作為密鑰key5。參數(shù)b作為密鑰key6。

(2)分塊內(nèi)的處理

利用Logistic混沌系統(tǒng)構(gòu)造序列T[m×n]，使得O≤T[i]≤mXn-l，其中o≤i≤mXn-1，并且有T[i]≠T[j]，當(dāng)i≠j時。對每個分塊內(nèi)像素值的處理方法如下，以分塊A[i]j]為例。

a)構(gòu)造置換數(shù)組

利用tent混沌系統(tǒng)產(chǎn)生一個隨機數(shù)temp。再對mXn取余，得到新的序列T[mXn]。公式表述：

b)按照序列T[mxn]的順序，置換分塊內(nèi)的像素值

如對于BA[ij] [x] [y]，首先計算置換位置，設(shè)：

c)異或操作

對于分塊內(nèi)的每一個像素值BA[ij] [x] [y]，利用tent混沌系統(tǒng)產(chǎn)生一個偽隨機數(shù)e，再將像素值BA[ij] [x] [y]與e異或。即：

(4)將步驟(3)處置之后的分塊按列序優(yōu)先從小到大的順序排列，得到加密后的圖像I'。

3、解密算法描述：

利用加密時密鑰keyl、key2、key3、key4、key5、key6的值，按照加密的逆過程解密，然后去掉添加的多余數(shù)據(jù)（如果存在），即可得到解密后的圖像。

三、實驗分析

實驗的測試平臺為雙核CPU，其型號為ARM Cortex-A9，頻率為l024MHz，RAM容量為lGB，搭載Android 4．O操作系統(tǒng)。利用本文的算法對Lena(256×256)加密的效果如圖2所示。圖2(a)為加密前的圖像，圖2(b)為加密后的圖像，圖2(c)為解密后的圖像，由圖可知，通過本算法，達到了較好的加密效果，通過加密后的圖像無法看到原圖的信息。

1、密鑰敏感性分析

通過對密鑰做微小的改變來測試密文對密鑰的敏感性。為了簡單起見，這里只測試對密鑰key3的敏感性。將couple(256×256)圖像作為用例，不妨令key3=0.9000000。圖3(a)為加密前的圖像，圖3(b)為加密后的圖像，圖3(c)為輸入正確密鑰key3=0. 9000000后得到的解密圖像。圖3(d)為輸入錯誤密鑰key3=0.90000001后得到的解密圖像。

2、直方圖分析

Lena圖像加密前后的直方圖對比如圖4所示，該直方圖是一幅圖像像素有序分布的圖表，反映了圖像處理之后像素的分布。由圖4可知，加密后直方圖分布非常均勻，掩蓋了圖像加密前像素值的分布規(guī)律，從而可以有效地抵抗統(tǒng)計分析和已知密文攻擊。

3、相關(guān)性分析

加密效果之一是盡可能地降低相鄰像素的相關(guān)性，用如下離散化式計算相關(guān)系數(shù)：

隨機在水平、垂直方向各選取1000對相鄰像素值，利用上面的公式計算出相關(guān)系數(shù)，如表1所列。通過對比加密前后的相關(guān)系數(shù)，可以發(fā)現(xiàn)本算法有效地減小了相鄰像素值之間的相關(guān)性。

4、信息熵分析

圖像信息熵是一種特征的統(tǒng)計形式，它反映了圖像中平均信息量的多少。在信息論中，一個系統(tǒng)越是有序，信息熵就越低；反之，一個系統(tǒng)越是混亂，信息熵就越高。所以信息熵也可以說是系統(tǒng)有序化程度的一個度量。

對圖像信息熵的計算，可利用如下公式：

其中，p(i)表示圖像中灰度值為Z的像素所占的比例。利用以上公式可計算出加密前后的信息熵，表2為加密前后的信息熵的比較，從中看出加密后的各個顏色分量的信息熵均大于加密前的信息熵，說明加密后圖像中的信息變得混亂，達到了加密的效果。

admin

收藏 海報分享