Hopfield神经网络与AES融合的超混沌图像加密算法

本文研究了Hopfield神经网络和AES（高级加密标准）在图像加密领域的最新结合应用，针对当前图像加密技术的需求和挑战，提出了一个创新的超混沌图像加密算法。作者首先强调了网络信息技术发展背景下信息安全的重要性，特别是在对抗黑客攻击时，图像加密技术的发展尤为关键。 传统的图像加密方法如DNA规则、Bit规则和一次性密钥规则，各自存在局限性：DNA规则的编码规则有限，安全性不高；Bit规则的计算量大，不适合实际应用；一次性密钥方法对密钥管理和共享要求过高。为解决这些问题，研究者转向混沌系统，特别是高维的超混沌系统，因其具有巨大的密钥空间、多个正Lyapunov指数以及难以预测的非线性行为，这些特性使得超混沌系统成为理想的加密工具。 文中提到的超混沌图像加密算法利用了四维Hopfield神经网络生成的超混沌序列作为AES加密算法的关键密钥。这个过程涉及以下几个步骤：首先，通过明文像素值的平均值以及四个数定义一个混合密钥；然后，使用Hopfield神经网络产生的超混沌序列进行异或处理，使得原始明文像素与这个超混沌序列混合；最后，这个目标密钥被应用到三重AES加密算法中，进一步增强加密的复杂性和安全性。 Hopfield神经网络以其自组织记忆能力和并行计算特性，在混沌系统的生成和控制方面发挥重要作用。AES算法则以其高强度的加密性能和广泛应用在信息安全领域而知名。两者的结合使得新算法在保持混沌系统随机性和安全性的同时，提高了加密效率和加密强度。 研究还指出，这项工作得到了广东省创新载体建设项目的资金支持，由三位研究人员共同完成，包括物联网、非结构化信息处理与智能计算领域的王勇博士，非结构化信息处理和混沌图像加密方向的李金阳硕士研究生，以及云计算与知识工程领域的王瑛高级工程师。文章经过多次修订后，于2018年发表在《计算机工程与应用》期刊上，表明了其在学术界的重要贡献。 这篇论文通过理论分析和实验验证，展示了Hopfield神经网络和AES的协同作用在图像加密中的强大潜力，为提高图像加密技术的安全性和实用性提供了新的思路。