《Engineering Applications of Artificial Intelligence》：An optimal non overlapping block diffusion scheme based on genetic algorithm and its application to chaos-based image encryption
编辑推荐：
针对传统混沌图像加密体制在密钥参数选取与扩散效率方面的局限性，提出了一种优化驱动的图像加密方案。该框架将混沌动力学与进化优化相结合，采用混淆—扩散—置换—混淆（confusion–diffusion–permutation–confusion）架构，以提升统计
针对传统混沌图像加密体制在密钥参数选取与扩散效率方面的局限性，提出了一种优化驱动的图像加密方案。该框架将混沌动力学与进化优化相结合，采用混淆—扩散—置换—混淆（confusion–diffusion–permutation–confusion）架构，以提升统计性能与安全性能。为此，研究人员开发了一种新方法，其中扩散阶段通过基于非重叠块的机制实现。在该方法中，与非重叠块相关联的部分扩散密钥利用遗传算法（Genetic Algorithm, GA）进行优化，并以基于熵的适应度函数为引导。与此同时，最终混淆阶段被构造为一个约束优化问题，旨在最小化像素间相关性，同时保持局部香农熵（Local Shannon Entropy, LSE）。这种协同优化策略能够在整个加密过程中均衡地增强扩散与混淆效果。为支撑整个系统，研究人员提出了一种新的三维离散时间混沌映射，称为3D交叉耦合三角模（3D Cross-Coupled Trigonometric Modular, 3D-CCTM）系统，并对其进行了全面分析。所得结果证实，该系统表现出强非线性动力学特性、对初始条件的高度敏感性以及适宜的伪随机行为。此外，现场可编程门阵列（Field-Programmable Gate Array, FPGA）实现验证了该混沌发生器的实际可行性。大量实验测试验证了所提方法的有效性。结果表明，该方法具有高熵、极低相关性、对统计攻击与差分攻击的强抵抗能力、高密钥敏感性以及足够大的密钥空间。此外，该方案对噪声攻击与裁剪攻击表现出鲁棒性，表明其在恶劣传输条件下具有可靠性能。对比分析进一步表明，与若干近期先进方案相比，所提方法在统计安全性与扩散性能方面均有改善。总体而言，所提方法为安全图像加密提供了一种鲁棒、灵活且实用的解决方案，在现代通信环境中具有强大的部署潜力。尽管取得了这些积极成果，优化阶段仍是所提框架的主要计算瓶颈。虽然该阶段离线执行且仅在密钥生成期间进行，但其执行时间可能限制其在对超高吞吐量实时视频流中的应用。因此，未来工作将聚焦于通过并行或硬件辅助优化来降低优化开销。此外，加密参数的顺序确定也可为将密钥优化建模为信息逐步揭示下的随机决策过程提供基础，遵循决策依赖不确定性与多阶段优化的原则。强化学习可被研究用于从连续加密状态中学习自适应密钥选择策略。
研究背景方面，数字技术快速发展与互联网广泛普及使全球交换的多媒体数据量显著增加，图像与视频等数据在不安全信道上传输时面临未授权访问、截获与恶意攻击的威胁，危及机密性与完整性。密码学因此成为保障数字通信安全的关键工具。对称加密因效率与简洁性被广泛用于图像加密，其中混沌加密因混沌系统对初始条件与控制参数的敏感性、遍历性及伪随机性而受到关注。然而，混沌加密体制设计面临三大挑战：加密算法架构、混沌系统质量以及加密密钥的选取。在传统扩散方案中，扩散密钥或混沌序列常从预定义参数范围中选取，或生成时未显式评估其对密文图像统计质量的贡献。在基于块的扩散中，由于块之间不重叠，每个部分密钥主要决定其对应块内的扩散行为，而所有部分密钥的联合效果决定完整扩散图像的统计特性，因此任意分配部分密钥未必能获得最优全局扩散性能。为此，研究人员提出了一种融合优化驱动框架的混沌图像加密方案。
研究人员开展了如下研究：提出一种混淆—扩散—置换—混淆架构的密码系统；引入非重叠块扩散机制，利用遗传算法并以基于熵的代价函数优化部分密钥；将最终混淆阶段独立构造为约束单目标优化问题，以最小化像素间相关性并保持局部香农熵；提出并分析一种新的三维离散时间混沌系统，并在FPGA平台上进行物理验证。研究结论表明，所提方法具有高熵、极低相关性、对统计与差分攻击的强抵抗能力、高密钥敏感性与足够大的密钥空间，并对噪声与裁剪攻击具有鲁棒性，对比分析显示其统计安全性与扩散性能优于若干近期先进方案。其重要意义在于为安全图像加密提供了一种鲁棒、灵活且实用的解决方案。主要关键技术方法包括：基于遗传算法的非重叠块扩散密钥优化（以密文图像熵为适应度函数）；基于遗传算法的第二混淆阶段约束优化（以像素间相关系数为目标并约束局部香农熵）；3D-CCTM超混沌映射的动力学分析与FPGA实现（采用CORDIC算法与单常数乘法器，定点格式1.10.21）；利用SHA-256哈希生成明文相关的初始条件。实验所用基准图像包括Black、White、Cameraman、Mandrill、Resolution与Peppers，均为256×256。
研究结果方面，仿真结果表明加密图像完全不可识别，解密图像与明文视觉上不可区分，验证了加密过程的可逆性。统计分析通过直方图分析、相关性分析与熵分析评估统计鲁棒性，结果显示密文全局香农熵接近理想值8，局部香农熵位于理论区间内，直方图近似均匀且卡方值低于临界阈值，三个方向相关系数接近零。消融与优化贡献分析表明，去除扩散阶段导致性能下降最为显著，全局香农熵与局部香农熵分别降至7.0134与6.9223，卡方值增至110517；去除第一混淆或置换阶段变化较小；去除第二混淆阶段则使相关系数增大；替换优化扩散密钥使卡方值由127.8515增至240.3984，替换优化第二混淆密钥使相关系数增大。密钥分析表明，从加密角度NPCR超过99%、UACI大于33%，从解密角度错误密钥解密图像完全不可辨识且PSNR低于10 dB，初始条件敏感度达10?1?，控制参数精度介于10?11与10?1?之间，理论密钥空间约为2?2??11??。扰动攻击分析表明，差分攻击的NPCR与UACI接近理论理想值；裁剪攻击下解密图像在测试裁剪比例范围内仍保留可识别结构，PSNR随数据丢失增加而下降；噪声攻击下在测试噪声强度范围内原始图像主要内容仍可识别。计算效率分析表明，遗传算法优化构成主要计算开销，扩散与第二混淆优化的平均执行时间分别为549.7671 s与671.7962 s，而混沌序列生成与图像加密平均仅需0.1417 s与0.4618 s，优化阶段约占测量处理时间的99.95%。与其他工作对比表明，所提方法在密钥空间、卡方、全局与局部香农熵、NPCR、UACI及相关系数等指标上表现出较强的密码能力与统计鲁棒性。
讨论部分总结指出，优化阶段是所提框架的主要计算瓶颈，虽离线执行且仅在密钥生成期间进行，但其执行时间可能限制对超高吞吐量实时视频流的适用性，未来工作将聚焦于通过并行或硬件辅助优化降低优化开销；此外，加密参数的顺序确定可为将密钥优化建模为信息逐步揭示下的随机决策过程提供基础，可研究强化学习以从连续加密状态中学习自适应密钥选择策略。研究结论翻译如下：本文提出了一种优化驱动的图像加密方案，以解决传统混沌密码系统在密钥参数选取与扩散效率方面的局限性。所提框架在混淆—扩散—置换—混淆架构内将混沌动力学与进化优化相结合，以增强统计性能与安全性能。为实现这一目标，研究人员开发了一种新方法，其中扩散阶段通过基于非重叠块的机制实现，非重叠块对应的部分扩散密钥利用以基于熵的适应度函数引导的遗传算法进行优化；与此同时，最终混淆阶段被构造为约束优化问题，旨在最小化像素间相关性同时保持局部香农熵，这种协同优化策略能够在整个加密过程中均衡增强扩散与混淆效果。为支撑整个系统，研究人员提出了一种新的三维离散时间混沌映射3D-CCTM并进行了全面分析，结果证实该系统具有强非线性动力学、对初始条件的高敏感性以及适宜的伪随机行为，FPGA实现验证了混沌发生器的实际可行性。大量实验测试验证了所提方法的有效性，结果表明其具有高熵、极低相关性、对统计与差分攻击的强抵抗能力、高密钥敏感性以及足够大的密钥空间，并对噪声与裁剪攻击具有鲁棒性。对比分析进一步表明，与若干近期先进方案相比，所提方法在统计安全性与扩散性能方面有所改善。总体而言，所提方法为安全图像加密提供了一种鲁棒、灵活且实用的解决方案，在现代通信环境中具有强大的部署潜力。
