TPR-BBGAN：一种基于Twister伪随机算法及Barzilai–Borwein优化技术的神经密码学模型，用于安全图像通信 作者：R Padma 和 Vamsidhar Yendapalli

《Eng》：TPR-BBGAN: A Twister Pseudo-Random and Barzilai–Borwein Optimised Neural Cryptography Model for Secure Image Communication R Padma and Vamsidhar Yendapalli

　　

摘要

当文本和图像数据共享结合了密码学和深度学习方法的潜力时，其安全性会得到极大提升。对现有文献的回顾显示了一些有趣且富有成效的尝试；然而，这些尝试也存在一些问题，例如重建误差增加、伪随机密钥生成较弱、基于静态阈值的验证机制等。这些问题导致了数据完整性和保密性的不足，这也是基于神经优化解决方案研究中的一个主要瓶颈。因此，本文提出了一种创新的Twister伪随机和Barzilai–Borwein梯度自动编码器神经网络（TPR-BBGAN）来实现安全的文本和图像数据共享。该模型引入了多种新颖的机制，包括使用模糊批量归一化进行特征提取、采用Barzilai–Borwein方法生成密钥、以及使用Mersenne Twister算法。TPR-BBGAN能够动态确定最佳阈值，从而降低重建误差并提升收敛性能。实验结果表明，与现有模型相比，TPR-BBGAN在数据保密性方面提升了12–20%，在数据完整性方面提升了6–17%，在比特错误率方面降低了30–46%，并且在信噪比（PSNR）方面提高了6–20%。