基于DCGAN双分支特征调控与自适应混沌系统的非线性比特级图像加密

《Scientific Reports》：Nonlinear bit-level image encryption method integrating DCGAN-derived dual-branch features and chaotic regulation

　　为解决混沌系统非线性自适应能力不足，以及现有图像加密方法在比特级变换中难以兼顾安全性与计算效率的核心瓶颈，本文提出一种基于深度卷积生成对抗网络（DCGAN）双分支特征调控机制与自适应混沌系统相结合的非线性比特级图像加密方案。首先，构建密钥控制的DCGAN双分支融合模块，自适应生成与明文内容紧密关联的加密密钥。其次，设计由明文特征调制的自适应Chen混沌系统，全面的动力学分析验证了其卓越的非线性与随机性。再次，阐述一种低复杂度的非线性比特级变换，以同时实现强大的混淆-扩散能力与较低的计算开销。实验结果表明，所提方法的密钥空间达2^256，其安全性能优于主流对比算法。同时，与传统基于DNA的比特级方案相比，计算效率提升29.7%，为非线性动力学与深度学习的协同加密提供了新视角。