.png){kind=icon}
返回
A Robust Image Encryption Framework Using Deep Feature Extraction and AES Key Optimization
.png){kind=icon}
PRE
AI
DOI：10.3390/cryptography10020016.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于深度学习和人工智能技术的彩色图像加密新框架，以增强数字数据安全。该系统采用双模型神经网络架构：第一个模型为卷积神经网络（CNN），用于用户认证过程中验证发送方真实性；第二个模型提取独特指纹特征。这些特征通过粒子群优化（PSO）转换为高熵加密密钥，最小化密钥相似性，并确保密钥不被重复使用或传输。密钥在发送端和接收端实时同步生成，防止拦截或泄露，提供最大机密性。加密图像使用高级加密标准（AES-256）进行保护，密钥与每个用户的生物特征身份唯一绑定，确保个性化隐私。采用安全性和加密指标评估结果显著：熵为7.9991，相关系数低于0.00001，NPCR为99.66%，UACI为33.9069%，密钥空间为2256。尽管最终加密采用AES-256密钥（密钥空间2256），但该密钥源自由多层神经网络特征提取生成的更大深度密钥空间28192，并通过PSO优化，从而显著增强整体密码强度。该系统还表现出对常见攻击（包括噪声和裁剪）的鲁棒性，同时保持可恢复的原始内容。此外，神经网络模型达到分类准确率超过99.83%，误差率低于0.05%，证实了该框架的可靠性和实用性。该方法提供了一种安全、动态且高效的图像加密范式，结合生物特征认证和基于AI的特征提取，适用于高级网络安全应用。
Keyword:
image encryption
convolutional neural network (CNN)
particle swarm optimization (PSO)
AES-256 encryption
biometric key generation
deep feature extraction
secure communication
