摘要
通过分布式卫星、无人机和传感器网络传输的遥感（RS）图像容易遭到拦截和滥用，而传统加密可能会降低下游图像分类的有效性。本文提出FOX-SHIELD，一个安全的加密域遥感图像分类框架，该框架将切比雪夫-SHA动态加密与狐狸优化快速循环神经网络相结合。切比雪夫-SHA模块生成图像特定的动态密钥并应用置换-扩散加密来保护图像的机密性和完整性。加密后的图像表示随后使用狐狸优化算法优化的FRNN进行分类，以提高收敛性、分类精度和计算效率。在UC Merced土地用途和NWPU-RESISC45数据集上对FOX-SHIELD进行了不同场景分类设置下的评估。在UC Merced数据集上，FOX-SHIELD达到了97.14%的准确率、96.87%的召回率和96.96%的F1分数，优于选定的隐私保护和轻量级遥感分类基线方法。实证安全分析进一步表明其在熵、密钥敏感性和抗统计攻击能力方面有所提升。结果表明，FOX-SHIELD是一个有前景的安全遥感图像分类框架，适用于分布式、资源受限的环境。
