.png){kind=icon}
返回
Machine Learning-Fused Hybrid Image Encryption Framework Using Hardware-Optimized AES Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1007/s11265-026-01992-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图像加密保护各种应用中的敏感信息免受恶意攻击，包括物联网（IoT）。然而，较低的计算复杂度会牺牲图像加密的安全性。计算密集型加密算法使系统在实时场景中不可靠。本研究融合了机器学习和加密算法。在所提出的工作中，从图像构建块，并利用每个块的熵、能量、对比度和同质性等特征来训练分类器，将块分类为稀疏、中等或密集。稀疏块包含较少信息，使用格雷码加密，而中等和密集块包含更多信息，使用高级加密标准（AES）加密以减少处理时间。此外，硬件优化的混合图像加密框架进一步降低了图像加密所需的计算时间。所提出的AES硬件实现通过伽罗瓦域（GF((2(4))(2))）中的复合域算术（CFA）增强吞吐量和面积效率，促进联合加密和解密架构。优化的算术运算减少硬件利用率。流水线密钥扩展和SubByte架构缩短计算时间。所提出的设计在Virtex-6 XC6VLX240T上实现AES-128，使用的硬件少于现有技术，同时实现5.14 Gbps吞吐量。所提出的混合图像加密框架在22.35ms内以最优安全性加密512×512灰度图像。
Keyword:
Image Encryption
Machine Learning
AES
FPGA architecture
IoT
Security
