基于二值曲线的数字图像加密系统在医疗领域应用的研究

沙特国王大学学报EMOTEN. Sasikaladevia，K.Geethaa、黑枝草A.Revathiba部。印度SASTRA大学计算机学院CSEb部印度，SASTRA大学，欧洲经委会阿提奇莱因福奥文章历史记录：2018年9月24日收到2019年1月18日修订2019年1月29日接受在线预订2019年保留字：椭圆曲线密码DNA编码加密解密Logistic映射A B S T R A C T商业、政府和医疗部门使用的数字图像坚持需要图像安全来抵御各种威胁。提出了一种基于二值曲线的敏感图像提出的保护图像的加密系统这种多层系统在二进制曲线上工作，因为二进制操作没有进位。由于二进制平方是轻量级的，它声称在硬件上比素域平方更小，更快。已经完成了Logistic映射来执行混沌掩蔽，然后在下一层中进行DNA编码。已经选择了在空间域上工作的GF（2m）上的ECC，因为它是其数学强度的证明技术之一。所提出的系统可以促进对称和非对称组合，因此是混合的。实验结果和直方图分析理解所提出的系统，其广泛的部署，以处理敏感图像，特别是在医疗领域。从哈佛大学的“全脑图谱”数据库中获取的标准基准图像的MSE、PSNR值的理想测量结果©2019作者（S）。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 公司简介随着互联网的迅猛发展和科学技术的飞速发展，网络信息数据的安全问题越来越受到人们的关注。医学在最近的医疗护理中已经得到普及，通过将信息和通信系统部署到医疗保健基础设施中来加速。远程医疗的引入为远程诊断和专家医疗咨询铺平了道路患者可以通过以图像的形式 在这种情况下，保护医学图像的隐私仍然是强制性的（Menezes等人， 1996年）。这些设施也面临着随之而来的信息风险*通讯作者。电子邮件地址：sasikalade@gmail.com（N.Sasikaladevi）。沙特国王大学负责同行审查。制作和主办：Elsevier网络中的循环和来自入侵者的威胁。医疗图像和报告的安全和可靠的交易在医疗保健专业人员中越来越重要，如DICOM等特殊标准所推荐的，医学中的数字成像和通信（Cao等人， 2017年）。用于确保安全性的基于密码的方法依赖于密码函数的应用（Kobayashi等人，2009），诸如对称加密（Sui等人， 2014）、哈希和数字签名。对称加密中采用的块和流密码为传输的图像提供机密性，而真实性和完整性可以在接收端使用散列和数字签名进行验证数字图像水印允许将秘密数据块隐藏患者医学标准可能会说服抵抗，因此需要具有轻量级模 型 的 强 大 密 码 功 能 已 经 变 得 至 关 重 要 。 预 选 医 疗 信 息 系 统（TMIS）通过互联网在随着近十年来网络技术和通信技术的飞速发展，预选医疗信息系统（TMIS）通过Internet为用户和服务器之间提供了一种有效的、舒适的交互方式患者可以得到以下帮助：https://doi.org/10.1016/j.jksuci.2019.01.0141319-1578/©2019作者。由爱思唯尔公司出版代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.comN. Sasikaladevi等人/Journal of King Saud University677通过公共网络提供医疗服务因此，隐私保护被认为是TMIS中一个非常重要的问题在医学领域中进行的所有种类的诊断都依赖于超声波、断层摄影、磁共振成像、反电子和这样的相关技术。用于此分析的图像被广泛处理，用于执行特征选择、图像去噪、分区、数据隐藏和压缩。准备好的结果与患者的详细信息一起通过互联网在医院之间进行通信，并具有隐私保护限制。这种信息的加密是强制性的，以避免恶意篡改和隐私泄露（Bhatnagar等人， 2013年）。然而，所有用于文本加密的流行技术对于数字图像来说都不是有利的，因为它们的固有属性如高像素冗余和相关性（Li等人， 2012年）。为了降低这些参数，一些研究人员推荐特定的加密算法（Mishra等人， 2014年）。 一些工作加密图像的交错患者信息（Hua等人，2018; Chen和Hu，2017），他们使用流密码只对单个系数的关键位进行编码。有些技术可能会遇到有损恢复，导致一点变化可能滋生误诊。为了确保医学图像的完整性，Bouslimi提出了一种使用密码块链 接 模 式 （ CBC ） 的 组 合 水 印 / 加 密 系 统 （ Bouslimi 等 人 ，2012），并通过合并水印和流密码算法设计了一种算法（El-Jesif等人，2013年）。它们可以保持图像的可靠性和真实性 一些算法推荐像素 排列 并利 用混 沌映 射（ Niu 和 Wang ， 2011; Wang 等人 ，2015;Singh和Singh，2015）。然而，这些方法对于处理巨大的医学领域产生的大量数据。在DICOM系统中，许多传统的加密方案如AES等都被用来保存医学报告，但它们存在安全缺陷，并且需要消耗更多的计算能力。所提出的工作是基于二进制椭圆曲线GF（2m）。所选择的技术的强度例如，RSA中使用4096位密钥实现的安全级别，可以使用ECC仅使用160位密钥大小获得由于它具有最小的密钥长度，这种技术的复杂性将小于RSA。对基于椭圆曲线的图像加密的研究（Liu和Sheridan，2013）依赖于在有限域上选择用于图像加密的合适的椭圆曲线。EMOTE提出了多层加密，以提供更好的安全性，而不影响加密的速度。由于它涉及轻量级密码学ECC和DNA计算，因此时间复杂度较低。拟议的EMOTE系统的贡献得到以下方面的加强推导出合适的二元曲线GF（232），设计了能抵抗已知明文攻击和选择明文攻击的ECC生态系统。使用密钥逻辑映射的无损加密，有效的DNA加扰（Lang，2015），以提供高度的混淆和扩散。2. 相关工作有两种不同的方式来加密图像，例如空间域和变换域（Zhang和Xiao，2013; Lima和Novaes，2014; Sokloves等人，2016年）。图像加密可以分为有损加密和无损加密。在有损加密方法中，图像信息被轻微地扭曲，并且所得到的解密图像与原始图像不同。解密图像的可接受失真程度将由应用程序决定。大量的在文献中提出了加密方法，即数据加密标准（DES）、国际数据加密算法（IDEA）、高级加密标准（AES）等。 尽管如此，这些方法消耗了大量的计算时间，并且主要用于保护文本事实。由于医学图像数据量大、存储量大、冗余度高、相邻像素之间的相关性强等固有特点，传统的加密算法不适合于医学图像的加密目前的临床诊断广泛采用图像分析以及Liu等人（2012）中提到的关于患者隐私的秘密信息。互联网的快速发展和通信技术的进步为共享医疗报告铺平了道路，以便获得诊断，治疗和快速康复的专家意见Hua和Zhou（2016）通过执行混沌映射提出了一种灵活的图像加密算法。Logistic正弦混沌映射（Kumar等人，2014）已经被用于对普通图像进行加扰，然后被分成2乘2的子块以应用自适应加密。从而解决了单向加密中扩散不足的缺点用于处理彩色图像的无损加密算法（Zhang和Wei，2013;Wang等人，2012; Liu和Wang，2011;Wu，2016）已经被构造为使用六维（6D ）超混沌系统和二维（2D）离散小波变换（DWT）（Liu等人， 2016年）。密钥流依赖于超混沌系统和平面图像。这些密钥流用于插入中间图像，可以增强所提供的安全级别。Zhen（2016）推荐了一种新的方法，将压缩和融合结合起来对多媒体图像进行加密。它们将输入图像表示为使用Logistic映射构建的伪随机测量矩阵，该矩阵可以最小化要处理的数据。然后采用自适应加权融合规则进行融合，再结合像素交换技术和FFT快速傅立叶变换进行加密。混沌密码系统遇到的主要困难，安全性差，密钥空间小。Zhang和Wei（2013）推荐了一种独特类型的密码系统来解决混沌系统的上述缺点。由于混沌映射对初始值和参数的显式敏感性，如Zhang等人所述。（2014年）。 在Zhang等人（2013）提出了与基于混沌的联合压缩结合的加密算法。通常，在Liu和Wang（2012）的加密方案中已经提出了低维混沌映射。但这些低维序列存在精度下降的问题，码周期也较小，不适合增强算法的安全性 最近， Kumar等人（2016）引用的高维混沌加密算法和Havana等人提到的基于时空的混沌加密算法。（2017年）成为热点。DNA编码用于生成随机序列，因此可以在图像加密过程中扩散和混淆像素值，并且在Ujungpandang和Naveen Kumar（2014）中详细讨论了基于DNA编码的这种算法的密码分析。3. Emote框架提出的图像加密EMOTE是基于三级编码技术。在第一层中，原始图像通过基于规则的逻辑编码进行在第二层中，通过使用DNA编码来对掩蔽图像进行编码。在第三层中，所得到的图像进一步用ECC编码进行编码EMOTE是678N. Sasikaladevi等人/Journal of King Saud Universityn1nn设计为多层系统，以实现与其他基于椭圆曲线的加密方案相比的高机密性。每一层都提供了安全性，从而可以为医学图像提供更好的保密性。该模型采用椭圆曲线和二元域。此曲线使用32位素数设计。只有量子计算机才能打破这个曲线，因为暴力密码分析需要每层至少232次尝试。为了解决这个问题，可以增加曲线尺寸。增加曲线尺寸将导致点加法和加倍操作的复杂性增加。因此，基于DNA的密码学已经在第二阶段中被识别和实现，如图1所示。所提出的EMOTE算法的编码过程开始与逻辑映射掩盖图像。然后用DNA密钥进行编码，然后应用混沌函数。此阶段之后是ECC加密，以生成所需的密码图像图 二、显示EMOTE解码过程。密码从给定的普通图像编码的图像被表示为点，其中Pi（xi，yi）然后用ECC密钥解码，然后进一步用DNA密钥解码。最后一层执行逻辑编码和日志密钥从密码图像恢复图像3.1. EMOTE逻辑编码和逻辑解码本文提出了一种带密钥的Logistic映射，给出了具体的Logistic编码、解码规则，并给出了算法中的Logistic编码、解码算法1和2分别。首先提取颜色分量（红色、绿色和蓝色）。两个混沌序列产生的每个颜色平面。随机种子按照等式（1）计算。（2）使用逻辑键。逻辑斯蒂映射的构造如等式2中所述。（2）及（3）其中，k是键：ð2ÞX<$rωX<$1-X<$，其中r为3： 999：130使用基于规则的编码进行逻辑像素掩蔽对于每个像素，最高有效的8位形成了透明因子。遮罩显示在各个RGB颜色组件上。Fig. 1. EMOTE编码过程。图二. EMOTE-解码过程。N. Sasikaladevi等人/Journal of King Saud University679R.25 6];P公司简介%25 6;rgrg7-015-8RRR← ←-←-←R0B←0← ←←.Σ←← ←←B.ΣR←←← ←←00←（b1）;R← ← ←←GRR一R gB3.1.1. Logistic编码规则如果0≤Xi≤ 0： 125jj 0： 375≤Xi≤ 0：5，则P0¼Pr1111111;Pg0¼Pg11111111;算法1. （续）4：d1←键（245：x01←d 1d4，x02←d 2d 3，x0←（x01x 02）/255Pb0¼Pb1111111-编码规则（ER）ER1P0¼PrPa%256;P0 ¼PgPr%25 6;P0 1/4磅克%256-E R26：初始化lmap的第一行和第一列为x07：根据公式8初始化映射的其余部分：xn←3.999<$xn-1（其中×表示映射的第n个条目）。如果0： 25≤Xi≤ 0： 375jj 0： 75≤Xi≤ 0： 8755，则RPb0¼PbPg-ER1P0¼Pr½K7-0K15-8%25 6];Pg0¼.Pr= 0.0 5，Pg=0.2 56;地图）9：d使用逻辑映射编码1的编码10：a1←键（24b1←键（0-7）Pb0¼PbPg-ER2如果0： 125≤Xi≤ 0： 275jj 0： 625≤Xi≤ 0：75，则P0¼Pr1111111K7-0;Pg0¼PaPg;11：if（lmap>= 0&&lmap< 0.125||lmap>=0.375&&lmap<0.5）然后12：a<$1;r<$r 1 + 256-a;g<$g 1 + 256-r;b<$b 1RPb0¼Pb11111111-ER1+ 256-gP01/2Pr255%256;Pg01/2PaPg%256;Pb0¼PbPa）%256-ER2如果0： 5≤Xi≤ 0： 625jj 0： 875≤Xi≤ 1，则P0¼PrK15-81111111K7-0;Pg0¼Pg11111111;Pb0¼Pb11111111--ER1P01-P2-P3-P4-P5-P 6-P7-P6-均p01/4磅磅/千克7-0磅/千克256-E R23.1.2. 逻辑斯蒂译码规则如果0≤Xi≤ 0： 125jj 0： 375≤Xi≤ 0： 5，则Pr<$Pr1111111;Pg<$Pg011111111;13：else if（lmap>=0.25&&lmap <0.375||LMAP>=0.75lmap 0.875），则14：aa1，rr1 + 256（d1+d2），gg1+256r，bb1+ 256d使用逻辑映射编码215：if（lmap>= 0&&lmap< 0.125||lmap>=0.375&&lmap<0.5）然后十六日：a1<$a，r1<$（r+a）%256，g1<$（g+r）%256，b1<$（b+g）%25617：else if（lmap>=0.25&&lmap< 0.375||lmap>=0.75&&lmap0.875），则18例：a1a;r1r+（（d1+d2）%256）; g1（r+g）%（256）;b1（b+g）% 25619：else if（lmap>=0.125&&lmap< 0.275||lmap>=0.625&&lmap0.75），则二十：a1<$a;r 1=<$（r+ 255）%256;g 1<$（a+g）%256;b1←（b+a）% 256解码规则（DR）DR1Pr1P0-Pa256;Pg1P0-Pr2 56;Pb¼Pb0-Pg256-DR2如果0： 25≤Xi≤ 0： 375jj 0： 75≤Xi≤ 0： 875;则Pr¼Pr0½K7-0K15-8%256];Pg¼Pg0256-Pr;Pb¼Pb0Pg-DR121：else if（lmap>=0.5&&lmap< 0.625||lmap>=0.875&&lmap1）然后22例：a1a; r1（r+d2）%256; g1（g+d1）%256;b1（b+d2）% 25623：将值a1、a2、a3、a4打包到像素中（Msb到Lsb顺序）Pr¼P0-1/2K7-0K15-8K256];Pg¼Pr-Pg0-256;Pb¼P0-Pg256-DR2如果0： 125≤Xi≤ 0： 275jj 0： 625≤Xi≤ 0： 75，则Pr<$Pr01111111K7-0;Pg<$PaPg0;Pb<$Pb011111111-DR1P01/2P0-255256;Pg1/2P-Pg0-256;Pb¼Pb0-Pa256 -DR2如果0： 5≤Xi≤ 0： 625jj 0： 875≤Xi≤ 1，则Pr¼Pr0K15-81111111K7-0;Pg¼Pg011111111;Pb¼Pb011111111-DR1算法2. EMOTE逻辑译码输入：DNA解码图像P输出：已转换图像C1：执行二维逻辑混沌映射解码2：a1像素（24b1像素（0-7）3：if（lmap>= 0&&lmap< 0.125||lmap>0.375&&lmap0.5），然后Pr-K十五比八256;Pg1/4Pg-K七比零256;4：a←a1;r←r 12 55;g←g 12 55;b←b 12 55;5：else if（lmap>=0.25&&lmap< 0.375||lmap> ← 0.75&&Pb1Pb0-K7- 0不锈钢256 -DR2算法1. EMOTE-Logistic编码输入：普通图像P输出：Logistic编码图像C1：预处理和光栅图像P 2：L像素数P3：执行逻辑混沌映射编码lmap<0.875），则第六章：ag<$a1;r<$r1（（d1+d2）%256）;g<$g1+256-r;b<$7：else if（lmap>=0.125&&lmap< 0.275||lmap>=0.625&&lmap0.75），则8：a a1;r（r1d 1）255;g（a g1）;b（b1 255）;9：else if（lmap>=0.5&&lmap< 0.625||lmap>=0.875&&lmap1）然后第十章：a←a1;r←（r1（d2）255））;g←g 1 255;（接下页）680N. Sasikaladevi等人/Journal of King Saud University--←-← ←-←-←-← ←-←-←←-←← ←-←-←b b1 255;算法2. （续）11：将值a、r、g、b打包到一个像素中（MSB到LSB顺序）12：d解码213：if（lmap>= 0&&lmap <0.125||lmap>=0.375&&lmap <0.5）然后14：阿萨1;RR 1 + 256A;G G 1 + 256R;B B 1+ 256克;15：else if lmap>=0.25&&lmap< 0.375||lmap>=0.75&&lmap0.875），则16：aa1; rr1 + 256（d1+d2）; gg1 +256r;b b1 + 256g;17：else if（lmap>=0.125&&lmap< 0.275||lmap>=0.625&&lmap0.75），则18：aa1;rr1+256+ 256a;19：else if（lmap>=0.5&&lmap< 0.625||lmap>=0.875&&lmap1）然后20：aa1; rr1 +256d2; gg1 +256d1; bb1+ 256d2;21：将值a1、r1、g1、b1打包到像素中（Msb到Lsb顺序）。每四个像素3.2. EMOTEDNA编码在EMOTE系统的第二层进行。DNA序列由四个碱基组成，它们是A、C、G和T，其中A和T是互补的，C和G也是互补的。在现代电子计算机理论中，所有信息都用二进制表示。但在DNA编码理论中，信息是由DNA序列表示的。我们可以用00，01，10和11来表示四种碱基，编码组合种类为4种！= 24。由于DNA碱基之间的互补关系，在24种编码组合中，满足碱基互补配对原则的编码组合只有8种。拟议EMOTE系统规则1 [00-A，01-C 10-G 11-T]用于DNA编码。图像的32位像素值分为四个分量，例如a、r、b和g。这些分量中的每一个都是8位二进制数据。它进一步分为四个2位的DNA序列。使用如图3中所解释的DNA编码来完成像素加扰，并且详细步骤在算法3中列出。EMOTE DNA编码过程为透明度因子保留8位，为相应的红、绿、蓝颜色分量中的每一个保留8位，因此以32位表示。对DNA进行置乱和旋转，得到DNA编码图像。DNA解码在图中解释。 四、见图4。 EMOTE DNA解码过程。图三. EMOTE DNA编码。N. Sasikaladevi等人/Journal of King Saud University681---← ← ←←--← ← ← ←←--ð Þ¼-- -←-←-- ←--- ←-←←-← ←^←← ←←-⁄算法3. EMOTE-DNA编码输入：Logistic编码图像P输出：DNA编码图像C1：DNA编码，用于排列和替换，以实现整个图像二维DNA图像编码3：a键（24（0-7）4：对各个颜色分量执行DNA编码5：rr red>> 2，r1a rr，r2r+g，r3g+b，r4r 3+b 6：将值r1，r2，r3，r4打包为像素值（MSB LSB）7：DNA位加扰：替换和置换循环8：对于0到行/2中的i，第九章：对于j，在0到1/2之间，10：op_n [x][y] = enc_n [i][j] enc_n [n i][n j]11：op_n [x][+ + y] = enc_n [n i][n j] enc_n [n i][j]12：temp = enc [x][+ + y] = enc [n i][j]e nc [i] [n j]13：op_n [x][+ + y] = enc_n [i][n j] temp14：将最终输出阵列中的每个像素旋转计数量算法4. EMOTE DNA解码输入：ECC解密图像C输出：DNA解码图像P步骤2，直到启动合适的因子分解的基数。3. 构造类多项式HDx4. 计算HD x的平方根，其中j0是二元椭圆曲线5. 修正k^j0=1728-j0mod p和二进制曲线EFP：y2¼x33kx 2k66. 检查二进制曲线的基数。如果它不等价于p1-t，则基于随机选择的非方C2F232在所提出的EMOTE系统中，连续的两个像素（ARGB分量）形成一个点，每个点用2bit坐标表示为了包含所有可能的点，最大的质数32在p2321= 214748364的情况下使用bits。CM方法被用于计算p上的二元椭圆曲线;并且新设计的曲线给出为，E（F（2-32））：y2+xy=x3+（ z30+z27+z25+z24+z20+z19+z18+z16+z15+z13+z12+z11+z10+z8+z6+z+1）x2+（z31+z30+z29+z28+z27+z26+z23+z20+z19+z14+z6+z4）发电机点：（z31+z30+z29+z28+z27+z24+z23+z21+z19+z18+z16+z15+z14+z12+z11+z10+z6+1，z30+z29+z28+z27+z24+z21+z19+z16+z15+z12+z10+z9+z6+z4+z3+z+1）所构造的二值曲线最适合于医学图像的无损1：执行DNA解码DNA位解扰：替换以及置换循环2：对于0到行/2中的i对于0到1/2中的j，执行4： temp Y5：op_dec [i][n j] dec [x][y] dec [x][y]6：op_dec [n i][j] dec [x][y] op_dec [i][n j]7：op_dec [n i][n j] dec [x][y] op_dec [n i][j]8：op_dec [i][j] dec [x][y] p[n i][n j]9：如果（t == n），则10：x+ +;y← 3;11：如果（则y==t- 3）12：y←t+4算法5. EMOTE-ECC编码输入：DNA编码图像P输出：ECC编码图像C1：使用方程Eq.（一）2：使用在等式2中定义的生成多项式G（2）3：使用公钥e4：在{1（p-1）}5：对于图像中的每对像素，做6：形成点pi第七章：ci = r.g第八章：ci + 1 = pi + e.r9：将密码点转换为图像13：对DNA的各个颜色分量执行DNA解码。每个像素14：r1像素（2415：b r4 r3，g r3 b，r r2 g，rr r>> 2，a r1 rr16：将值a、r、g、b打包成像素值（MSB到LSB）3.3. EMOTE ECC编码和ECC解码无损图像加密的二进制曲线选择使用复数乘法（CM）方法，如下所示1. 考虑32位大素数p，利用（4）和（5）计算挠率值t的最小行列式D4p¼t2Ds2;其中t：s2Z4#EFp1-t;其中jtj≤ 2pp52. 验证是否的基数的英法232英允许在算法5和6中引用了EMOTE ECC编码和ECC解码步骤它接受密码图像C作为输入，并导出普通图像P作为输出。对图像进行预处理，通过DNA解码完成Elgamal椭圆解密，然后进行解扰.在解密前的最后进行Logistic混沌映射解码。该逆过程算法的时间复杂度为O（n2），属于二次时间复杂度算法6. EMOTE-ECC译码输入：密码图像P输出：ECC解码图像C1：使用方程Eq.（一）2：使用在等式2中定义的生成多项式G。（2）3：在{1（p-1）}中选择私钥d4：计算公钥e=d+G5：对于图像中的每对像素，第七章：Pi = Ci +1 CiD8：将普通点转换为图像分解其他选择替代D和t.执行682N. Sasikaladevi等人/Journal of King Saud University公司简介-4. 模拟与分析由于EMOTE系统是为高灵敏度图像设计COVX;YpDxpDyð7Þ测试图像来自哈佛大学维护的“全脑图谱”数据库。这些基准图像在通过互联网传输时需要更高级别的机密性和完整性。EMOTE系统批准无损加密。因此，建议的方法是非常值得赞扬的来处理敏感的医学图像图5列出了从医学数据库获取的图像，其暴露了脑段的PET位置发射断层扫描仪。上面的图6展示了在执行逻辑编码、DNA编码和ECC编码之后的每个阶段获得的图像，然后按照相应的顺序执行它们的等效逆过程，直到最终恢复原始图像。4.1. 相关分析相关性分析是一个经常应用的测试，测量的相关性，如方程。（七）、其中cov（X，Y）在等式（1）中，（7）计算X和Y之间的协方差，DX是指X的方差，Dy是指Y的差。从表中可以明显看出，图像像素的水平和垂直值该分析用于量化两个像素值之间的关联。见图7。提供了第5幅图像的脑段的相关性分析。它说明了所提出的EMOTE系统已经覆盖了所有的字符，从而建立了一个良好的性能与平衡的0表1列出了针对该检查所考虑的脑图像的所有片段的原始版本、加密版本和恢复版本所考虑的相邻像素的相关系数。在这些值中，最佳值的0.9952和0.0403已被建议的EMOTE系统，这是更可取的。表2列出了针对不同图像考虑的相关值，并且很明显，所提出的EMOTE可以提供图片1图片2图片3图片4图片5图片6图片7图片8图片9图片10图五. 敏感的医学图像。原始LogisticDNAECCECCDNALogistic编码编码编码解码解码解码图六、EMOTE系统脑节段图像分析N. Sasikaladevi等人/Journal of King Saud University683图7.第一次会议。脑段5的相关性分析（原始、加密、加密）。表110个脑段PET图像的相关值。图像ID原始图像加密图像加密图像水平垂直图像1 0. 9916 0. 9852-0. 0072 0. 0202 0. 9928 0. 9843图像2 0.9767 0.9756 0.0041 0.0032 0.9707 0.9732图像3 0.9909 0.9880- 0.0403-0.0366 0.9861 0.9931图像4 0.9916 0.9852-0.0062 0.0102 0.9928 0.9843图像5 0.9899 0.9916-0.0337 0.0302 0.9901 0.9901图像6 0.9950 0.9941 0.0537 0.0297 0.9948 0.9948图像7 0.9816 0.9852-0.0072 0.0302 0.9828 0.9843图像8 0.9816 0.9852-0.0072 0.0102 0.9928 0.9843图像9 0.9857 0.9906-0.0273 0.0751 0.9849 0.9895图像10 0.9816 0.9952-0.0072 0.0202 0.9928 0.9843表2与现有相关系数值的比较。方法加密图像水平垂直Wang等人（2015年）0.01740.02046甄子丹（2016）0.03420.0192Kumar等人（2016年）0.02710.0321Wang等人（2012年）0.00670.0031拟议EMOTE0.04030.0366最优值由于我们讨论了敏感的医学图像，比较了有关的价值Ujungpandang和Naveen Kumar（2014）获得并引用了其他图像。4.2. 无损加密分析所提出的EMOTE系统可以声称通过使用均方误差（MSE）和峰值信噪比（PSNR）执行不流血分析来提供无损加密。PSNR是基于MSE定义的，在等式（8）中给出，等式（8）概括了处理后的图像和原始图像之间的差异。其计算如下，并列于表3中：684N. Sasikaladevi等人/Journal of King Saud UniversityX1¼11X帕米耶NMSENωMhfi;j-f0i;j2ið8Þ表410幅脑段PET图像的熵分析和结构相似性指数n1m 1其中f和f0表示强度函数。（i，j）表示像素的位置（N*M）是图像的大小PSNR被定义为两个图像的均方差与两个图像之间存在的最大均方差的比值。如果PSNR值高，则质量更好，并且由等式（9）给出。PSNR ¼20ω 日志2552pð9Þ表3显示了原始图像和恢复图像的MSE和PSNR。它表明，解密图像的MSE涉及到它的原始图像是0和PSNR，这被称为是一个理想的值，这些指标，因此证明无损恢复的要求。由于医学图像的处理，特别是脑诊断渴望无损恢复，因此建议的EMOTE是一个合适的候选人为这种类型的处理。与Mishra et al.（2014）、Zhang and Xiao（2013）、Wang etal. （2012）和Wu（2016），EMOTE系统为恢复图像的MSE和PSNR提供了理想的测量值0。因此，它被证明是提供无损加密的高度敏感的医学图像。4.3. 熵分析熵是衡量图像随机性的一个重要指标，用来表征物理系统的无序性。它由等式（10）中的公式给出：N4.4. 键空间分析加密算法的安全性还取决于密钥空间。密钥空间越大，密码破译的工作量就EMOTE的密钥空间很大，因此不易受到攻击不同的攻击。HmXPmilog211/1ð10Þ关键空间= Logistic映射的种子 * DNA互补序列其中M是具有N个结果{m1，m2，.. . mn}和P（mi）是具有结果mi的概率质量函数。对于给定的具有R、G、B颜色值的cipperimeter图像，8是一个理想主义的主张。表3中列出的结果也显示约等于8。这一措施说明了所提出的EMOTE系统表现出伪随机数据发生器的原理，因此对频率分析具有鲁棒性。表4所示的结构相似性（SSIM）指数用于预测感知质量。SSIM测量两个图像之间的连接。SSIM指数是一种参考指标，它基于初始未压缩或无失真图像作为参考来检查图像质量。SSIM在文献中经常被报道为一种更好的度量，可以显着优于MSE和其他传统度量，如PSNR。表310幅脑段PET图像的MSE和PSNR值规则 * DNA计算密钥 * ECC私钥 * ECC临时密钥密钥空间= 232 * 8 *232 * 232 * 232 = 8 * 2128所提出的EMOTE算法的密钥空间是AES（2128）的密钥空间的8倍。这是accom-plished没有任何额外的开销，也具有较低的计算复杂性的AES。自从CM方法被用于椭圆曲线的设计以来（232）是被陷害的。这有助于所设计的系统防止暴力攻击的对手4.5. 关键敏感性分析该算法使用三个密钥，如逻辑种子，DNA移位值和ECC私钥。所有这三个密钥都是执行理想加密所必需的。这三个密钥中的任何一个都不应该允许解密。该图描述关键敏感度分析的表现图像ID原始图像和加密图像原始图像和复制图像图8c示出了逻辑映射的密钥中的一位变化的结果。图8c示出了在图8c中的一位改变的结果。MSEPSNR后勤种子。所有的测试都是在基准的脑段彩色图像上进行的。保证了增加的安全级别DNA和逻辑映射解密的密钥应该完全相同，以检索原始图像。两个密钥都是长度为32位的整数 图 8显示了通过在logistic、DNA和ECC阶段引入的密钥中引入1位变化而进行的分析。可以观察到，攻击成功的概率极低。M(a)熵分析加密图像红色蓝色绿色像素Image17.39167.41727.39787.4022Image27.46887.46467.46037.4646Image37.63207.63057.62757.6300图片47.60947.61607.60927.6115图片57.62167.62817.62387.6245图片67.68617.68677.68217.6850图片77.53847.54047.53017.5363图像87.55447.56137.55157.5557图片97.39167.41727.39787.4022图片107.37697.39887.38167.3858(b)结构相似度指数图像IDSSIM原始加密原始版本Image10.00481.0000Image20.00771.0000Image30.00551.0000图片40.00241.0000图片50.00761.0000图片60.00751.0000图片70.00371.0000图像80.00811.0000图片90.00641.0000图片100.00491.0000Image11.0893e+047.7595 01Image21.0842e+047.7797 01Image39.7711e+038.2314 01图片49.5218e+038.3436 01图片59.3799e+038.4088 01图片69.2092e+038.4886 01图片71.1627e+047.4760 01图像81.0893e+047.7595 01图片91.0842e+047.7797 01图片101.0807e+047.7939 01N. Sasikaladevi等人/Journal of King Saud University685加密图像解密图像解密图像（Key_Bit中的1位变化）解密图像（密钥DNA中的1位变化）解码图像（密钥ECC中的1位变化）图8.第八条。EMOTE系统对脑段的关键敏感性分析图像明文图像加密图像解密图像加密的高斯性图像图9.第九条。EMOTE系统对脑段的直方图分析4.6. 直方图分析为了验证EMOTE系统对统计攻击的抵抗能力，进行了直方图分析。图9描绘了普通、加密和解密图像的直方图分析以及加密图像的高斯性所有阈值的直方图都近似地呈现正态分布，而不管它们的边缘图是模糊的还是清晰的。它增强了复杂性，因此使黑客难以破解密钥组合。加密图像的直方图显示了其更好的随机性，并且可以抵抗大多数统计攻击，因为编码图像中没有暴露任何有意义的尽管源图像的直方图是相当不同的，但密码图像的直方图或多或少是相同的。它呈现正态分布.它导致密码分析阶段的高度混乱和扩散。因此，不可能对EMOTE系统执行统计连接。4.7. 安全分析EMOTE系统是基于一个混合系统。DNA计算提供对称加密，而ECC产生非对称加密。在第三阶段，ECC加密进一步加强通过临时密钥，该临时密钥对于每个加密是唯一的，这使得加密系统是不确定的。由于EMOTE系统的概率性质，已知明文攻击、已知密文攻击、选择明文攻击和选择密文攻击等安全攻击是完全不可能的如直方图分析所示，加密图像的直方图因此，不可能执行仅密文攻击。5. 结论在这项研究中，一个混合的，多层加密系统EMOTE已被提出来处理医学图像。该系统工作在二进制曲线上，可以增强其机器友好的二进制系统的安全性。它还包括轻量级的点加法和点加倍操作。在第一层进行Logistic映射DNA编码在第二层中完成，以执行像素置乱以实现香农理论。在空间域上工作的GF（2m）上的ECC该系统验证了用于评估对称和非对称系统的度量，因此是混合组合的更好选择为了增加密