英语原文共 26 页，剩余内容已隐藏，支付完成后下载完整资料
为在线业务用户提供具有五层安全性的云数据三阶段混合加密
摘要：智能电子商务（电子商务）中的交互式媒体应用，例如基于web的交换和互联网广告，在存储和检索文本、图像、音频和视频时均面临安全问题。本文针对电子商务中的安全性问题，提出了一个用于保护存储在第三方云中的图像数据的统一的框架，以及一种结合整数小波变换（IWT）、混沌映射和脱氧核糖核酸（DNA）编码规则的三级图像加密算法。该技术通过5个不同的混沌映射生成5个密钥序列，从而达到5个安全级别。将灰度图像分割为8times;8块。利用逻辑映射随机选取8times;8块生成密钥1，利用线图生成密钥2，以便对选定的8times;8块进行加扰。帐篷映射派生键3，以在Haar或5/3之间随机选择IWT。利用Henon映射得到的密钥4对近似系数进行置乱。生成的加扰块通过使用正弦映射生成的密钥5选择DNA规则进行加密。通过几种性能分析指标验证了该算法的有效性，该算法的熵为7.99，峰值信噪比为9db，相关系数接近于零。该算法对密钥空间大于2128的差分攻击和蛮力攻击也具有一定的抵抗能力。
关键字：电子商务、云存储、混沌映射、DNA编码、整数小波变换、图像加密
1 介绍
基于Web的商业(电子商务始于20世纪90年代中期，其应用范围在不断扩张。电子商务是一把双刃剑。目前，电子商务所关注的主要问题是安全性，信息和框架的可靠性。无论如何，当企业采用电脑化课程来存储最机密的商业档案时，验证商业敏感信息(如身份信息)的费用对组织来说都将是一个很大的负担。图像通过公共网络广泛应用于电子商务应用程序迫使得研究人员专注于对图像进行保护的苛刻研究。云提供商将信息存储作为提供的服务，需要一个数据库将这些业务的信息存储在虚拟服务器上。但是，它同样也引起了对大量包括每天在第三方服务器中商业信息的安全性的担忧。。虽然各种互联网安全的提升已经连接到基于web的业务上，但加强在线业务安全还有待测试（Goldstein和Frank 2016; Khajouei et al.2017）。
例如，程序员可以识别出管理中断，并且由于最近制作的基于Web的商业服务数量的增加，现有的安全算法不能充分发挥作用。密码学的发展始于古时，它为在两个最终用户之间传递秘密消息铺平了道路。它是使用最广泛的方法，通过将信息更改为毫无意义的格式来保护任何信息，以便只有预期的接收者才能将其转换回有意义的信息。
图像加密承担了信息安全方面的权威性工作。它通过在各个级别上应用混淆和扩散来把普通图像构造为一个无法读取的图像。在混淆过程中，图像像素值从一个位置更改为另一位置，而扩散过程则涉及将像素值从旧值更改为不同值。任何加密技术都应满足重要的要求，例如可以抵抗任何攻击的强大加密图像，更快的加密时间以及解密后的完美原始图像。图像加密可以在空间域和变换域上执行。在空间域中，像素值根据加密算法进行更改，而在变换域中，系数根据算法进行更改。
Wang et al.（2015年）提出了一种将循环移位与混沌系统结合起来的技术，这是一种抗统计和详尽攻击的高级技术。由于相同的初始参数值，可以形成固定的混沌值序列。为了克服这个问题，Huang 和 Ye（2014）提出了一种利用混沌映射进行加密的组织良好的自适应原型。通过避免复杂的数学方法来提高运算速度。为了解决chosen明文攻击、密钥依赖结构等长期存在的安全问题，Ye和Huang(2016)共同提出了基于反馈的加密技术。将混沌系统与SHA-3算法相结合，生成密钥流。
Xu et al.提出了一种采用基于索引的扩散技术对图像块进行置乱的组合方案。像素的交换位置是通过使用混沌矩阵构造的控制表来确定的(Xu et al. 2017)。Cai等人设计的基于随机存取的彩色图像比特置换机制的对称加密系统，克服了现有算法的不足，也克服了选择明文和密码文本攻击。王等人讨论了一种快速加密技术，利用时空混沌对像素值进行变换和改变，通过组合排列和扩散来减少重复图像扫描的工作量。Li等人提出了一种延迟模型(NMLD)的非线性调制逻辑映射。为了提高混沌序列的范围，利用李雅普诺夫指数和极限周期块。在研究工作的基础上，提出了一阶fln - nmld (feigenbaum - logist - nmld)混沌映射(Li等)。在Praveenkumar等人，作者描述了该技术，其中图像加密是基于位级排列使用多个映射，以达到多重洗牌和扩散的目的。Henon算法、Zaslavskii变换和Hilbert曲线在不同的阶段被用来产生排列图像。
DNA计算的研究导致了DNA密码的发展(Xiao等人，2006)。基于DNA的密码学是一门以DNA为信息载体的新型密码学。这使得DNA在图像加密中的应用成为许多研究者关注的焦点。Zhang et al提出基于DNA编码的投影图像加密系统。DNA序列加以操作被用来执行混淆过程。该方法具有密钥空间大、密钥敏感性高的优点(Zhang等人，2010年,2014年)。在工作中解释了一种新的RGB图像加密算法(Liu等人)。作者利用RGB图像的特点，提出了一种利用分段线性混沌映射和DNA编码来混淆像素的创新算法。开发和测试了两种创新的方法——一种是通过将核苷酸转化为碱基对，另一种是通过使用简单的图像作为生成源生成密钥(Wang and Liu 2017)。(Ravichandran et al。2016、2017)开发了一种新的加密系统，该系统结合了logistic map、sine map和tent map的效率，用于医学图像的数字成像和通信(DICOM)，实现了一种仿生学技术，用于打乱像素然后进行排列。
对于不可容忍边缘失真的应用，无损图像加密是其首选的技术(Seyedzadeh等人)。2015;Khanzadi et al，2014;Younas和Khan 2018)。Tedmori和Al-Najdawi(2014)在他们提出的工作中，在加密之前使用Haar变换对图像进行了变换。Belazi等人解释了一种新的基于线性分数变换混沌原理的部分图像加密方法。(2017)。纯图像的唯一必要部分是加密的，建议的系统优于主流系统。Wu et al. (2016)提出了一种基于二维离散小波变换(DWT)和6D超混沌系统的方案，旨在提高对各种攻击的安全性。
大多数加密方案直接在图像空间域上执行。变换域图像加密具有加密程度低、安全性高、抗攻击鲁棒性强等优点。此提议的方案有以下主要贡献：
1.该提议的方案包含三个阶段，使用混沌映射进行五层保护，即IWT和DNA编码。
2.测试了大小为256times;256的不同灰度图像以及最坏情况下的全黑和全白图像，以检查所提出方案的效能。
3.该方案可抵抗7.99的熵，均匀的直方图，9 dB的PSNR和接近零的相关性，从而抵御统计攻击。
4.拟议的工作实现了最佳的像素变化率（NPCR）数量，统一的平均变化强度（UACI），从而可以抵抗差分攻击。
5.通过对该算法的抗噪声和裁剪攻击进行测试，并在解密阶段提供可接受的PSNR值。
6.算法的密钥空间大于2128，因此使生成的图像更不受蛮力攻击。
本文安排如下:建议方案相关工作见第二节。第三节对所建议的办法作了全面的解释。第四部分对模拟结果进行了全面的检查。第五节总结了所提议的技术的优点和缺点，并对未来的工作进行了交流。
2 相关工作
2.1混沌映射
“混乱”一词的意思是“混乱状态”。由于混沌系统具有确定性，因此相对于有噪声的系统具有一定的优越性。确定性系统是一种确定性系统，其中系统是完全可恢复的，因为已知有关初始参数和系统参数的知识，这有助于消息的解密。混沌和扩散是广义密码的两个主要特征，它们与混沌的宽带谱、遍历性和对初始参数的高灵敏度等基本特征密切相关。根据Shannon的定义，扩散说明输出和输入位之间的关联，而混淆说明密钥和密文之间的关联。
2.1.1逻辑映射
逻辑映射是一种次数为2的多项式映射。该工具应用递归数学工具，将当前迭代的结果作为下一个迭代的源进行链接。它是被引用最多的技术之一，它说明了如何从简单的非线性动力学方程式导出混沌行为。以下公式用于数学表示逻辑地图：
其中m为(3.567,4)之间的控制参数，Y0为(0,1)之间的初始种子。
该系统产生1024个随机值，随机选择8times;8块。
以使用logistic映射生成长度为16的混沌序列)为例，m=3.67,Y0=0.34,Y1=0.8235,Y2=0.5333,Y3=0.9134,Y4=0.2902，以此类推。
混沌序列：{0.8235, 0.5334, 0.9134, 0.2903, 0.7561, 0.6768, 0.8028, 0.5809, 0.8935, 0.3494, 0.8342, 0.5075, 0.9173, 0.2784, 0.7373, 0.7108}
分配权重：{1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16}
排序过后的序列：{0.2784, 0.2903, 0.3494, 0.5075, 0.5334, 0.5809, 0.6768, 0.7108, 0.7373, 0.7561, 0.8028, 0.8235, 0.8342, 0.8935, 0.9134, 0.9173}
映射权重：{14, 4, 10, 12, 2, 8, 6, 16, 15, 5, 7, 1, 11, 9, 3, 13}
根据生成的序列，首先选择第14块，然后选择第4块，依此类推。
2.1.2 修改后的线图
将8times;8块的像素值加扰到如下通过水平和垂直映射得出的位置。
步骤1：垂直映射
其中，A为原始图像像素的矩阵，数量为m； A（i，j）为位置i，j处矩阵A的元素； L为1-D数组，长度为矩阵A的大小，使用c进行索引。
iter为迭代计数，范围为0到((m/2)-1)。
步骤2：水平贴图
iter-迭代计数，范围为0到((m/2)-2)。
一维数组（L）用于存储索引值为0到63的结果值。并且进一步转换为代表加扰的8times;8块的2D矩阵。 图1显示了经过一轮加扰后修改后的线图的示例。
2.1.3 Henon映射
Henon映射是一种直观的映射，它以一维映射和二维映射的形式表现混沌行为。低维和混沌动力学是这幅地图的两个吸引人的特征。Henon映射可以用数学公式表示为:
其中a和b为经典Henon映射的参数，其值分别为1.4和0.3。
2.1.4 Tent映射
另一种离散混沌映射可以用帐篷映射来表示。将实线中的一个点xn映射到另一个点，使用如下公式:
图1修改后的线图算法置乱示例
其中，mu;-实常数（正值）。 通过改变对mu;的估计，可以证明帐篷图的动态行为从可预测的转变为混乱的。
2.1.5 正弦图
可以使用正弦图生成混沌序列。 正弦图是在三角函数的帮助下制定的，如下所示：
其中0le;ble;1，0le;xkle;1，而此映射生成xkϵ[0，1]的离散时间序列。
示例（为XOR操作生成键序列）：
x = {0.01234,1.00349,minus;0.10874,0.95082,0.01955,1.00533,minus;0.11337,0.94799hellip;}
x值采用浮动值的形式，因此使混淆过程更加复杂。 为避免这种情况，可以通过将浮点值乘以10的高阶值将其转换为整数值。对得到的整数值进行256模修改将得到0到255范围内的结果。
2.2 整数小波变换（IWT）
整数小波变换是变换族的适度小波变换，主要用于提高鲁棒性和嵌入量。 IWT以整数形式导出系数。 使用这种变换技术，通过取像素对值的平均值来计算低频系数，而另一方面，通过考虑两个像素值差的一半来计算高频系数。 在H（高频系数）和L（低频系数）部分中重复计算这些值最终将导致产生四个不同的系数，作为子带（近似值）-LL（低 ）子带，水平-LH子带（低高），垂直-HL（高低）子带，对角线-HH（高高）子带。
2.2.1 Haar整数小波变换
这4个子带可分为近似带和细节带。包含敏感细节的频带称为LL子频带，包含高频成分的频带称为细节频带。，原始图像的边缘信息。像素点的整数小波变换可以通过提升方案进行计算。在LL子带中存在敏感细节，在其余三个子带(即图像的边缘细节)中存在高频成分。采用提升方案，得到整数系数。
提升方案
阶段1：
高频(HF)和低频(LF)值的计算采用取奇偶值的列处理方法。应用下列公式，从图像中得到高频和低频的共效率。
其中Codd、Ceven - column-wise像素值分别为奇数和偶数
阶段2：
通过对行而不是列进行处理，从上一步计算得到的HF和LF值衍生出四个子频带。应用后面的公式得到4个子带。
HFo——奇数行高频子频带，LFo——低频子频带的奇数行,HFe——行高频子频带,LFe——行低频子频带和lfloor; rfloor;代表价值的地板上。
2.2.2 5/3整数小波变换
5/3 IWT是一个整数变换，适用于各种应用，如图像压缩、数据隐藏、加密等。它结合升降和舍入操作来实现可逆性。二维5/3 IWT产生4个低频和高频系数的子带。5/
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236087]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
