基于可逆神经网络(Reversible Neural Network, RNN)的低复杂度四维离散混沌系统(Four-Dimensional Discrete Chaotic System, 4D-DCS)用于安全图像加密

《Entropy》：A Low-Complexity 4D Discrete Chaotic System for Secure Image Encryption Based on Reversible Neural Network

　　

摘要：为解决现有混沌系统结构复杂及存在潜在混沌退化(chaotic degradation)等问题，研究人员提出一种新型四维离散混沌系统(Four-Dimensional Discrete Chaotic System, 4D-DCS)及基于此系统的图像加密算法。4D-DCS通过在线性离散时间系统中引入反馈控制器(feedback controller)与模运算(modulo operation)构建而成，具有结构简单、无需复杂矩阵重构或忆阻器(memristor)电路的特点。数学分析证实该系统满足Li–Yorke意义下的混沌，李雅普诺夫指数(Lyapunov Exponent, LE)分析、0–1检验及NIST SP 800-22测试表明其具有超混沌(hyperchaotic)特性与优良伪随机性(pseudorandomness)。基于4D-DCS，所提加密算法采用SHA-256生成与明文绑定的初始状态以保证密钥唯一性，结合行列置乱(row–column permutation)破坏像素相关性，并采用可逆神经网络(Reversible Neural Network, RNN)进行扩散(diffusion)以增强混淆(confusion)能力。综合安全性分析显示，算法NPCR达约99.61％、UACI达约33.46％，密钥空间(key space)为2256，信息熵(information entropy)接近8，加密图像相关系数(correlation coefficient)接近0，且对差分攻击、裁剪(cropping)、噪声及选择明文攻击(chosen-plaintext attack)具强鲁棒性。与现有先进算法对比验证了4D-DCS在结构简洁性与稳定性及加密算法在安全性与实用性上的优势，适用于图像加密等安全敏感场景。

论文解读：《A Low-Complexity 4D Discrete Chaotic System for Secure Image Encryption Based on Reversible Neural Network》（发表于《Entropy》）

一、研究背景与意义

图像作为核心信息载体广泛用于医学、军事及云计算等安全敏感领域，其在传输与存储过程中的隐私保护需求日益迫切，要求图像加密技术兼顾高安全性、抗攻击能力与实用性。传统低维混沌系统存在密钥空间窄、易被密码分析攻击等局限，而现有高维混沌系统常依赖复杂矩阵重构、分数阶计算或忆阻器(memristor)电路，易出现混沌退化(chaotic degradation)；主流神经网络与混沌加密融合方案多与专用硬件绑定（需FPGA/DSP或模拟电路），神经网络结构针对特定混沌系统定制，可扩展性与可移植性差，少数软硬件无关融合方案则以牺牲底层混沌系统结构简洁性为代价换取加解密可逆性，难以在系统简洁性、加密安全性与工程实用性间取得平衡。为此，研究人员构建无复杂元件与硬件依赖的低复杂度、无退化、高伪随机性四维离散混沌系统(Four-Dimensional Discrete Chaotic System, 4D-DCS)，并设计通用、硬件解耦的图像加密算法，实现安全性、计算效率与实用性的最优平衡。论文发表于MDPI期刊《Entropy》。

二、主要关键技术方法

研究人员首先设计含反馈控制器与模运算的4D-DCS数学模型，通过Marotto定理证明Li–Yorke混沌，借助分岔图(bifurcation diagram)、相空间轨迹、李雅普诺夫指数(Lyapunov Exponent, LE)谱、样本熵(Sample Entropy, SampEn)、0–1检验及NIST SP 800-22随机性测试验证超混沌与伪随机性能，并与现有4D混沌系统进行对比。加密算法方面：以明文图像的SHA-256哈希值生成4D-DCS四组初始状态并迭代产生混沌序列；取混沌序列构造行列置乱索引对明文图像做行–列置换；将置乱后图像分块，由混沌序列经QR分解构造正交权重矩阵并结合双曲正切(tanh)非线性偏置做可逆神经网络(Reversible Neural Network, RNN)块扩散，末位叠加混沌序列异或(XOR)，解密为逆过程。安全性评估采用标准灰度图像（如Baboon等），测试峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)、结构相似性(Structural Similarity Index Measure, SSIM)、像素变化率(Number of Pixels Change Rate, NPCR)、归一化平均改变强度(Unified Average Changing Intensity, UACI)、密钥空间、直方图、相邻像素相关系数(correlation coefficient)、信息熵(information entropy)，并验证抗差分、穷举、统计、选择明文(Chosen-Plaintext Attack, CPA)及选择密文攻击(Chosen-Ciphertext Attack, CCA)、裁剪与噪声攻击能力，分析计算复杂度并与现有算法对比。

三、研究结果

2. The Proposed Chaotic System（所提混沌系统）

• •
  2.1. System Design and Mathematical Model（系统设计与数学模型）：研究人员将反馈控制器f(x_k)=r·sin(π·x_k)与模运算嵌入线性离散系统X_k+1=A·X_k+f(X_k) mod 1（A为随机选取且‖A‖_∞=0.9的4×4矩阵，r为控制参数），构建4D-DCS。
• •
  2.2. Mathematical Discussion of the 4D-DCS（4D-DCS数学讨论）：定义强对角占优矩阵(I?A)^?1，证其逆存在且特征值模小于1，原映射存在扩张域(repelling domain)与非退化周期点，满足Marotto定理条件，故4D-DCS在Li–Yorke意义下混沌。
• •
  2.3. Bifurcation Diagram and Trajectory（分岔图与轨迹）：控制参数r∈[0.1,4.1]扫描，系统迭代并丢弃暂态后绘制相空间散点图与分岔图，各状态变量两两投影均呈分布均匀复杂的吸引子结构，分岔图显示宽参数范围内持续混沌行为。
• •
  2.4. Lyapunov Exponent（李雅普诺夫指数）：采用QR分解法计算LE谱，四个LE均为正值，确认4D-DCS为超混沌(hyperchaotic)系统。
• •
  2.5. Sample Entropy（样本熵）：嵌入维m=2、相似容限r=0.2×std，四个状态变量样本熵随控制参数增大迅速升高并稳定于较高水平，表明序列具优良伪随机复杂性。
• •
  2.6. 0–1 Test（0–1检验）：构建累积三角函数序列算得混沌指标K，四变量K值均趋近于1，判定为确定性混沌动力学。
• •
  2.7. NIST Test（NIST测试）：迭代125000次取×10¹⁰mod 256得10⁶比特，NIST SP 800-22全套子测试p值均落入(0.01,1)，通过伪随机性检测。
• •
  2.8. Comparative Analysis（对比分析）：与数种现有4D混沌系统比较，4D-DCS最大LE>10（远超对照），且结构最简（无分数阶/忆阻器/复杂耦合），在简洁性、鲁棒性与实用性上更优。

3. The Proposed Encryption Algorithm（所提加密算法）

• •
  3.1. Key Generation（密钥生成）：对明文P做SHA-256得64字符哈希，均分为四段十六进制转十进制后经仿射变换映射至4D-DCS稳定初值区间(?0.5,0.5)，迭代生成混沌序列S={s₁,s₂,s₃,s₄}。
• •
  3.2. Permutation Operation（置乱操作）：取S中两段分别mod行/列数后排序得行、列置乱索引R_idx、C_idx，对明文矩阵重排行与列得置乱图像P_perm。
• •
  3.3. Diffusion Operation with a Reversible Neural Network（基于可逆神经网络的扩散操作）：将P_perm分为d×d非重叠块并归一化至[0,1]，由混沌子序列经min–max归一化、缩放、reshape及QR分解得正交矩阵W，并由另一混沌子序列得偏置向量b；对每个块做Y_k=tanh(W·X?_k+b)后反归一化回8位像素值，再与混沌序列做XOR得密文；解密时逆序执行逆XOR、反tanh、W^T线性逆变换、反归一化及逆行/列置乱。

4. Simulation and Security Analysis（仿真与安全性分析）

• •
  4.1. PSNR and SSIM Analysis（PSNR与SSIM分析）：原始图与正确解密图间PSNR极大（＞50 dB）、SSIM≈1，说明无信息损失。
• •
  4.2. Differential Attacks（差分攻击）：单像素翻转明文所得两密文NPCR≈99.61％、UACI≈33.46％，吻合理想基准，可有效抵御差分攻击。
• •
  4.3. Exhaustive Attack Analysis（穷举攻击分析）：四初值与参数r均以双精度(～10^?16)计，总密钥空间≈2²⁵⁶?10¹⁰⁰下限，可抵抗暴力破解。
• •
  4.4. Statistical Attack Analysis（统计攻击分析）：①直方图分析显示加密图灰度分布近似平坦；②水平/垂直/正/反对角相邻像素相关系数均接近0（原图近1）；③信息熵≈7.9993（理论最大值8），说明密文灰度高度均匀，抗统计攻击。
• •
  4.5. Chosen-Plaintext and Chosen-Ciphertext Attacks（选择明文与选择密文攻击）：全白/全黑明文加密结果为类噪声均匀分布，抗CPA；初态由明文SHA-256绑定使每幅图密钥流不同，RNN权重与偏置受混沌序列保护，无正确初态时逆推仅得伪随机图像，具实用CCA抗性。
• •
  4.6. Cropping and Noise Attack（裁剪与噪声攻击）：密文遭1％区域裁剪或0.1％～0.5％椒盐噪声污染后仍能恢复原图主体信息，具一定鲁棒性。
• •
  4.7. Computational Complexity Analysis（计算复杂度分析）：整体时间复杂度O(MN+d³+MN·d²/d²)=O(MN)（固定块尺寸d），主导项为块并行稠密矩阵乘，加解密对称。
• •
  4.8. Comparative Analysis（对比分析）：与10种先进算法相比，本算法NPCR、UACI、信息熵、相关系数相当或更优，密钥空间远超安全阈值且密钥生成仅依赖SHA-256与简单混沌迭代，在计算成本与安全性间取得更好平衡。

四、讨论与结论（翻译结论部分）

研究人员提出一种新颖的四维离散混沌系统4D-DCS，通过将反馈控制器与模运算整合入线性系统构建而成，具有结构简单、无混沌退化及经李雅普诺夫指数、0–1检验和NIST SP 800-22测试验证的优良伪随机超混沌特性。基于此系统设计图像加密算法，采用基于SHA-256的密钥生成、行列置乱及基于可逆神经网络(Reversible Neural Network, RNN)的扩散。综合安全性分析表明算法达到理想的NPCR/UACI值、大密钥空间、高信息熵，并对差分、统计、裁剪及噪声攻击具强抵抗力，在安全性与实用性平衡上优于多种现有先进方法。当前研究局限为实验验证限于8位灰度自然图像（未扩展至彩色、医学体数据与视频流），且仅于通用CPU做算法级评估而未实现专用硬件以量化片上吞吐量、能效与侧信道抗性。未来工作将优化神经网络结构与算法流程以提升加密速度，扩展至视频加密，在FPGA/ASIC及忆阻_crossbar平台上实现该系统以评估硬件吞吐量与能效，并探索融合量子计算或轻量级密码技术以增强在安全关键场景中的适应性。