💻 computer science

Image Encryption Algorithm Based on Convolutional Neural Networks and Dynamic S-Box Generation

本文提出了一种利用卷积神经网络生成自适应、依赖输入的 S 盒的动态图像加密算法，从而通过与传统的固定 S 盒方法相比，增强了非线性并提升了对各种密码学攻击的抵抗能力。

原作者： Ans Ibrahim Mahameed, Fadhil Abbas Fadhil, Maryam Mahdi Alhusseini, Mohammad-Reza Feizi-Derakhshi, Nikolai Safiullin

发布于 2026-06-22

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ans Ibrahim Mahameed, Fadhil Abbas Fadhil, Maryam Mahdi Alhusseini, Mohammad-Reza Feizi-Derakhshi, Nikolai Safiullin

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

核心理念：一个每次都会变化的智能锁

想象一下，你有一幅非常珍贵的画作（你的图像）需要寄给朋友。通常情况下，你可能会把它放进一个带有标准锁具的安全箱里。但如果小偷知道那个锁的工作原理，他们就能把它撬开。

这篇论文提出了一种新型的数字图像“安全箱”。作者没有使用标准且不变的锁，而是构建了一个每次使用时都会自我重塑的智能锁。他们称之为“动态 S-Box（置换盒）”。

以下是他们如何构建它的，以及它为什么有效：

1. 旧锁的问题

传统的图像加密就像是使用一把能打开许多不同锁的万能钥匙。它是僵化的。如果黑客研究了这个锁，他们就能摸清规律并将其破解。论文指出，这些旧方法过于容易被预测，因为它们不会根据所保护的具体图片进行变化。

2. 解决方案：一个“会学习”的锁（CNN）

作者使用了一种被称为**卷积神经网络（CNN）**的人工智能技术。你可以把 CNN 想象成一个学习了数千张图片的超级聪明学生。它知道如何识别模式、纹理和细节。

工作原理： 当你想加密一张特定的图像（比如一张房子的照片或一只狒狒的照片）时，CNN 会观察这张特定的图片。
神奇之处： 根据它在那张特定照片中看到的内容，CNN 会立即为该图像设计一个独特的、定制的“锁”（S-Box）。
结果： 如果你加密一张房子的照片，你会得到一个独特的锁。如果你加密一张狒狒的照片，CNN 会创建一个完全不同的锁。即使你用微小的变化（比如云朵移动）再次加密同一张房子照片，锁也会发生彻底改变。

3. 加密过程：三步舞曲

一旦 CNN 创建了这个定制的锁，图像就会经历一个三步舞曲来完成混淆：

代换（掩码）： CNN 的定制锁会将图像中的每个像素（点）替换为一个新的、随机的值。这就像是根据仅针对该特定消息存在的代码，将秘密信息中的每个字母都替换成另一个不同的字母。
置换（洗牌）： 随后图像会被打乱。想象一下拿一副扑克牌，观察它们的顺序，然后将它们混合，使得“房子”像素不再紧挨着“屋顶”像素。这是通过“混沌映射”（一种表现得像旋风一样的数学运算）完成的，以确保洗牌过程完全随机。
扩散（涟漪）： 最后，图像会与一个秘密密钥流混合。这就像是添加了一层覆盖整个图像的静态噪声。如果你只改变原始照片中的一个微小点，这一步将确保整个混淆后的图像看起来完全不同。

4. 为什么它更好？（测试结果）

作者在标准图片（如狒狒、房子、飞机和辣椒）上测试了他们的新方法。以下是他们的发现：

不可预测性（熵）： 混淆后的图像看起来就像纯粹的静态噪声。数据极其随机，以至于无法通过猜测还原原始图片。其“随机性得分”接近完美（接近 8.0）。
敏感性（NPCR & UACI）： 如果他们改变原始照片中的哪怕一个像素，混淆后的结果也会改变 99% 以上。这就像改变单词中的一个字母，却让整个句子变成了乱码。这使得黑客极难猜透其中的秘密。
速度： 尽管系统既聪明又复杂，但它的运行速度很快。它加密和解密图像的时间不到 50 毫秒（比人类眨眼还要快）。
韧性： 他们尝试通过裁剪（切掉部分内容）或添加噪声（静态干扰）来“破解”图像。即使受到损坏，原始图像仍能以良好的质量恢复，证明该系统非常强韧。

5. 结论

论文得出结论，通过使用“聪明学生”（CNN）为每张图像设计独特的锁，他们创建了一个这样的加密系统：

比起传统的固定方法，它更难破解。
比起许多复杂的替代方案，它更快。
具有适应性，这意味着它会根据所保护的图像变得越来越聪明。

简而言之，他们将图像加密从“一成不变”的锁，转变为一个“量身定制、随形而变”的保险库，这个保险库每次使用时都会改变规则。

技术摘要：基于卷积神经网络与动态 S-Box 生成的图像加密算法

问题陈述
传统的图像加密算法往往难以应对图像数据的独特特性，例如高数据量、强空间相关性和数据聚类性。传统的对称密钥算法（如 AES）依赖于固定的替换盒（S-box）来引入非线性与混淆。然而，这些固定的 S-box 缺乏对特定输入数据的适应性，使其容易受到线性及差分密码分析的攻击。虽然近期的研究尝试通过混沌系统或元启发式优化来提高 S-box 的适应性，但许多方法仍是非数据驱动或手工设计的，限制了其灵活性以及针对复杂攻击的安全性。目前显现出对能够生成安全且针对特定图像的 S-box 的智能、数据驱动系统的需求。

方法论
所提出的框架引入了一种将卷积神经网络（CNN）与经典密码学原理相结合的动态图像加密方案。该方法通过五个主要阶段进行：

数据集准备与预处理： 将灰度图像块数据集（例如来自 USC-SIPI、MNIST 或 CIFAR-10）调整为 $N \times N$ 大小（例如 $32 \times 32$ ），并缩放到 $[0, 1]$ 范围。目标是提取统计和空间模式以训练 CNN。
基于 CNN 的 S-Box 生成： 训练一个 CNN 来学习理想的替换变换。
- 架构： 该网络利用带有 ReLU 激活函数的卷积层来提取图像复杂度，随后通过全连接层将映射到替换值（长度为 16 或 64 的向量）。
- 输出强制执行： 一个自定义输出层确保生成的向量构成有效的双射 S-box（即 $[0, 255]$ 中不同值的排列）。这涉及丢弃重复值，并使用由 CNN 权重驱动的混合噪声注入算法重新创建这些值。
- 损失函数： 训练采用多目标损失函数： $Loss = -(\alpha \cdot \text{Nonlinearity} + \beta \cdot \text{SAC} + \gamma \cdot \text{BIC} + \delta \cdot \text{Uniformity})$ 。该函数旨在优化抗线性密码分析能力、严格雪崩标准（SAC）、位独立性准则（BIC）以及数值均匀性。
S-Box 评估： 对生成的 S-box 进行严格的密码学标准测试（非线性、SAC、差分均匀性、位独立性）。只有超过预设阈值的 S-box 才会进入加密环节。
加密过程： 该方案采用改进的置换-替换网络（SPN）架构，并在多个轮次中重复（通常为 3–5 轮）：
- 替换（Substitution）： 使用动态生成的、基于 CNN 的 S-box 替换像素值。
- 置换（Permutation）： 利用由混沌映射（如 Logistic 或 Lorenz 映射）结合密钥迭代生成的置换向量重新排列像素位置。
- 扩散（Diffusion）： 在置换后的图像与由第二个基于 CNN 的 S-box 或伪随机数生成器（PRNG）生成的密钥流之间进行像素级异或（XOR）操作。
解密： 使用逆置换向量和动态 S-box 的逆运算来逆转过程，确保实现图像的无损恢复。

核心贡献

自适应 S-Box 生成： 该框架生成动态 S-box，其中学习到的特定图像特征驱动替换模式。与静态方法相比，这增强了非线性和混淆性。
混合安全架构： 将深度学习与混沌非线性系统相结合，增加了随机性和复杂度，专门针对抵御差分攻击和统计攻击。
性能与可扩展性： 该算法设计为低权重且具有可扩展性，在实现实时应用的同时保障高分辨率图像数据的安全。
全面评估： 研究通过标准基准图像（Baboon、House、Airplane、Pepper）对算法进行了批判性检验，并将其性能与传统及近期的加密算法进行了对比。

实验结果
该方法在标准测试图像上通过多个密码学指标进行了评估：

熵（Entropy）： 数值接近理想最大值 8.0（范围在 7.9947 到 7.9980 之间），表明像素分布具有高度不可预测性。
NPCR（像素变化率）： 结果超过 99.5%（例如 Baboon 图像为 99.610%），证明了对微小输入变化的高度敏感性以及强大的抗差分攻击能力。
UACI（统一平均变化强度）： 分数围绕理想值 33% 波动（例如 33.42%），确认了原始图像与加密图像之间的显著差异。
相关性（Correlation）： 相邻像素间的平均相关系数接近于零（例如 0.0058），有效地打破了明文的自然空间相关性。
直方图均匀性： 加密图像呈现出平坦、均匀的直方图，破坏了视觉模式。
鲁棒性： 系统表现出对裁剪（最高 20%）和噪声攻击（高斯噪声及椒盐噪声）的韧性，在保持可接受的 PSNR 和 SSIM 值的情况下，仍能保留可识别的特征。
NIST 统计测试： 生成的密码密钥通过了所有主要的 NIST 统计测试（频率、游程、序列、线性复杂度等），其 p 值均大于显著性水平 0.01。
速度： 对于测试的图像尺寸，加密和解密时间均在 50 毫秒以下，证实了其计算效率。

意义与主张
论文声称，所提出的基于 CNN 的动态 S-box 方法与传统的固定 S-box 方法相比，在性能、复杂度和安全性之间取得了更优的平衡。通过使替换机制变为数据驱动且针对特定图像，该系统显著提升了抵御已知明文攻击、差分攻击和统计攻击的能力。作者断言，该方法解决了图像加密中的传统权衡问题，提供了一种稳健、智能的解决方案，适用于现代多媒体和通信系统中的安全传输与存储。研究结论指出，将深度学习集成到密码组件的设计中，是通向更可靠、更高效的图像加密系统的可行路径。