Machine learning-driven image encryption using SVM for enhanced security and computational efficiency

doi:10.1038/s41598-026-54937-8

Machine learning-driven image encryption using SVM for enhanced security and computational efficiency

2026-05-30

0

OA

AI

DOI：10.1038/s41598-026-54937-8

原文链接

查看原文

摘要

En 中文

在图像加密中，安全性与计算效率之间的平衡是一个关键目标。传统方法需要进行大量计算才能实现令人满意的抗干扰性，这使得其实际应用难以满足实时环境的需求。本研究通过结合机器学习（ML）方法与改进加密的空间效率，同时保持安全性，提出了一种新的范式。在所提出的方法中，使用支持向量机（SVM）将图像像素块划分为三类：低信息、中等信息和高信息成分。编码过程仅涉及高及中等信息块；低信息块保持不变。采用这种选择性加密技术后，处理开销显著降低。相关性、PSNR、MSE、熵、能量和对比度是用于评估所提技术安全性的指标。这些评估指标证明了97.4%的准确率、7.999的熵、0.0001的相关性和0.0153的能量等优异结果。根据本研究，由于针对机器学习驱动的选择性加密的计算问题进行了详细阐述，图像加密领域取得了明显进展。该方法是独特的、可复现且高效的，能够为当今复杂数据传输过程中的加密安全通信提供解决方案。

Keyword:

Image encryption

Machine learning

Support vector machine

Computational efficiency

Selective encryption

Machine learning-driven image encryption using SVM for enhanced security and computational efficiency

摘要

AI总结

期刊

机构

引用论文