第三章一种基于五维CNN的彩色图像加密算法目前人们针对不同场景设计和研究出各种的基于混沌的图像加密算法并取得不俗的研究成果。但仍然有一些图像加密算法存在不足之处。如基于一次一密的加密方式多产生随机输出，这类随机输出通过随机密匙的形式体现出来，但并没有很好地解决如何保存和分发密钥的这个难点；而使用Bit规则的加密往往需要进行大量的运算，难以应用在实际的图像加密中；基于随机技术的图像加密方式，选用的是与明文无关的密钥，使得加密算法对明文敏感性较弱；而基于伪DNA序列与混沌映射结合的图像加密算法，虽然相对易于实现，但是存在DNA编码规则有限，难以抵挡破解者的穷举攻击Error:Referencesourcenotfound-Error:Referencesourcenotfound。因而相关专家学者们依然在不断地研究新的图像加密方法并对传统的各种加密算法进行改进。本文针对目前低维混沌算法存在的明显缺点，提出一种基于五维CNN超混沌与S盒结合的图像加密算法，通过仿真实验表明，该算法能够有效地抵挡明文(密文)攻击，实现了一次一密，而且拥有更加大的密钥空间，具有优良的加密效果。3.1五维细胞神经网络混沌系统从本质上来说，CNN是一种神经网络系统，它可以实现局部互联。所以目前人们已经把它应用到了模式识别和图像处理等方面并取得很多成果。它的运行机理是比较复杂的，属于动力学行为中的一种，能够实时的处理信号。这一概念是Chua在1988年率先提出的。随后有人将它应用到了图像加密方面，通过大量的实验表明，只要选取的参数在合适范围内它能够产生应用在图像加密算法的混沌序列，扩大算法的密钥空间，以防止被破解。如何振亚等人早在1999年就发现，混沌现象可以产生于一个三细胞的CNN系统中，当然有一个前提条件就是，我们要保证所取的参数合理，后续刘玉明等学者又验证了这个说法，将四维CNN产生的超混沌序列应用到了图像加密当中，并且这个超混沌序列仅由4个细胞产生[34]。但是低维CNN混沌系统的参数少，其所产生的密钥空间相对不够大，受到密码破解者的穷举攻击和明文攻击时不易抵抗。而由高维CNN生成的超混沌行为能够拥有更多的可控参数和实时性，当然这得益于它这种混沌行为有更高的复杂程度。本文引用了文献Error:Referencesourcenotfound-Error:Referencesourcenotfound的五维细胞神经网络模型，选取五个神经元组成神经网络，其模型动力学方程式如(3.1)所示：(3.1)其中n的取值为5，、和的取值为1，和、和的取值为-1，的取值为3，的取值为11，的取值为-12，的取值为92，的取值为-94，的取值为15，的取值为202，其余参数取值均为0，则五维CNN系统如式(3.2)所示：(3.2)当确定初始值时，系统具有两个正的Lyapunov指数，=4.9583，=2.4877，系统表现为超混沌状态。其部分混沌序列相图如下：(a)超混沌X-Y相图(b)超混沌Y-Z相图图3-1五维CNN超混沌相图混沌系统作为一种非线性动力系统，对系统初始值极端敏感，具有类随机运动和长期运动轨迹不确定性等特性，十分适合应用在于图像加密算法中。使用CNN模型产生混沌序列对设计图像加密算法，其优点主要表现在Error:Referencesourcenotfound：（1）CNN具有形式简单的方程，当选取的参数在合理的范围内具有混沌吸引子，可以产生复杂的混沌序列;（2）CNN方程中参数较多，足以产生足够大的密钥空间，可以用来改善一般混沌加密算法密钥空间相对较小的问题;（3）CNN方程能直接产生随机矩阵，该矩阵随机性较好能应用在图像加密算法的过程中。近年来，越来越多专家学者将超混沌系统产生的序列应用在图像加密算法中，并取得了丰硕的成果。而当CNN生成超混沌序列的条件是其细胞参数个数达到四个或以上，相对于低维混沌系统产生的混沌序列，超混沌序列能产生更大的密钥空间，其密钥本身的复杂性更高,利用其非线性动力学行为，可以加强混沌图像加密算法的安全性，使其更不容易遭到破解。而本章提出一种基于五维CNN产生的超混沌序列与SHA-256算法、S盒结合的彩色图像加密算法，使得密钥对明文敏感，减少了相邻图像像素的关系，能有效地抵抗明文(密文)攻击和差分攻击，算法的安全性能到提高。3.2SHA-256算法Hash函数主要用于保证数据完整性，提供完整的...
