KFNet：基于KAN（Key Activity Networks）和光流门控对齐的网格化像素交互网络，用于变化检测

《Digital Signal Processing》：KFNet: KAN and Optical Flow Gating Alignment Based Gridded Pixel Interaction Network for Change Detection

本文提出基于动态参数3D超混沌系统的三层级联医疗图像融合加密算法，通过SHA3-512哈希函数生成可控参数，结合3D空间乱序、链式混淆和双向行列置换机制，支持多模态异构图像批量加密，有效密钥空间达2^369位，加密速度达0.253秒/张，满足实时安全传输需求。

　　本文探讨了一种针对远程诊断和云存储中医疗图像加密所面临的安全性和实时性挑战的新方法。随着数字医疗技术的迅速发展和5G网络的普及，医疗图像的远程传输和云存储已经成为现代医疗系统的核心组成部分。然而，医疗图像往往包含大量敏感的私人数据，包括患者的生理、病理以及身份信息，因此隐私泄露可能带来严重的社会后果。面对这些需求，传统的加密算法（如AES和DES）在处理医疗图像时存在明显局限。医疗图像数据具有体积大、像素相关性强、冗余度高等特点，而传统的块密码在计算复杂性方面表现不佳，难以满足实时传输的要求。

近年来，图像加密算法被广泛应用于多个领域，结合了来自不同学科的先进技术。这些技术包括混沌系统、神经网络、忆阻器、压缩感知、DNA计算以及细胞自动机等。其中，混沌系统因其对初始条件的敏感性、长期不可预测性和伪随机特性，在图像加密中展现出巨大的潜力。然而，低维混沌系统（如Logistic和Henon映射）由于密钥空间较小、混沌范围有限，存在一定的安全隐患。即便是连续的三维混沌系统（如Lorenz和Chen系统），也大多采用固定的控制参数，这使得它们容易受到选择明文攻击和差分攻击的威胁。

为了解决这些问题，研究人员提出了多种改进方案。例如，Zhang等人提出了一种增强的Lorenz混沌系统，以解决固定参数的问题，但该方法未能有效扩大密钥空间。因此，传统的混沌系统在安全性方面的主要缺陷在于参数固定性，这可以通过动态参数生成机制加以解决。在医疗机构中，Picture Archiving and Communication Systems（PACS）系统通常需要处理数千张不同模态的医疗图像（如CT、MRI、X光等）。然而，大多数现有的加密方案主要针对单张图像，缺乏强大的批量处理能力。

本文提出了一种基于动态参数化三维超混沌系统和三层级联架构的医疗图像融合加密算法。该算法的核心在于构建一种新颖的三维Henon-立方混沌映射（3D-HCCM）系统，并结合高效的加密技术，以实现高安全性图像保护。具体而言，该算法包括三个主要层：Rubik层、扩散层和Scramble-Permute-Diffuse（SPD）层。Rubik层通过将图像像素映射到六面立方体并进行多轴旋转操作，实现三维空间的混乱；扩散层则采用链式异或机制和动态循环位移，使得每个像素的密文依赖于前一个像素，从而实现雪崩效应；SPD层则执行双向行-列处理。整个架构通过Numba Just-In-Time（JIT）编译技术进行加速。

该算法的主要贡献包括：首先，设计了一种新颖的三维超混沌系统，通过引入非线性和立方项来增强混沌特性，并基于SHA3-512哈希函数动态生成控制参数，从而解决了传统系统在密钥空间不足和参数固定性方面的安全问题。其次，提出了一种三层级联的加密框架，该框架结合了三维空间混乱、链式扩散和基于混沌驱动的动态循环位移，通过计数排序优化了局部元素混乱和混沌扩散操作。第三，构建了一种多图像融合加密机制，该机制支持多种模态（灰度、RGB、DICOM）、多种尺寸和多种位深的医疗图像的批量融合加密，将多张异构医疗图像整合为一个加密实体，实现“一次加密，多重保护”的目标。最后，通过Numba JIT编译技术和并行计算策略优化核心算法模块，引入混沌序列缓存机制以减少冗余计算，显著提升加密和解密效率，满足实时性需求。

在算法实现过程中，研究人员对混沌系统的动态行为进行了深入分析。通过设置系统参数和初始值，比较了该系统与Sine、Henon、Cubic和三维Logistic映射的性能。实验结果表明，该系统在混沌特性方面表现出色，能够有效增强图像加密的安全性。此外，研究人员对图像融合加密算法的各个阶段进行了详细描述，包括图像预处理、混沌序列生成、三层级联加密变换等。通过这些阶段的优化，算法不仅提高了加密效率，还增强了对多种医疗图像模态的兼容性。

在实验评估方面，研究人员使用了多种医疗图像数据集，包括MRI、CT、超声和X光图像，以及常规图像数据集。这些数据集具有复杂的灰度分布和丰富的细节，非常适合用于评估加密算法的安全性和效率。实验结果表明，该算法在密钥空间、信息熵、NPCR和UACI等关键指标上均表现出色，能够有效抵御暴力破解和量子计算攻击。此外，该算法在处理多张异构图像时，加密时间仅为0.346秒，而单张512×512图像的加密时间则为0.253秒，显示出良好的实时性能。

在讨论部分，研究人员分析了该算法在实际应用中的优势和潜在挑战。通过基于SHA3-512的动态参数生成机制，该算法有效解决了传统固定参数混沌系统在安全性方面的缺陷，实现了远超AES-256的密钥空间，并具备抵御量子计算攻击的能力。三层级联架构通过三维空间混乱、链式扩散和双向行-列处理，提供了多维度的安全保护，使得加密后的图像在存储和传输过程中更加安全。此外，该算法在处理多张异构图像时，能够实现高效的批量处理，满足了医疗图像加密在实际应用中的需求。

在结论部分，研究人员总结了该算法在解决传统加密方案局限性方面的成效。该算法通过动态参数生成机制，能够自适应调整混沌系统的控制参数和初始条件，从根本上消除了参数固定性带来的安全隐患。同时，通过Numba JIT编译技术和并行计算策略，显著提升了加密和解密效率，满足了实时传输的需求。此外，该算法具备处理多种医疗图像模态的能力，能够适应不同尺寸和位深的图像，为医疗图像加密提供了更加灵活和高效的技术方案。

综上所述，本文提出的医疗图像融合加密算法在安全性、实时性和多模态兼容性方面均表现出色，为医疗图像的远程传输和云存储提供了有力支持。该算法不仅能够有效解决传统加密方案在密钥空间、参数固定性和计算效率方面的不足，还通过动态参数生成和高效优化机制，实现了更高的安全性和更短的加密时间。未来的研究方向可以包括进一步优化算法的计算效率，探索更多高效的加密技术，以及在实际医疗系统中推广应用该算法，以提高医疗图像的安全性和隐私保护水平。