在图传信道中对信息进行混沌加密隐写的算法

技术领域

本发明涉及信息安全传输与加密隐写技术领域，具体为一种在图传信道中对信息进行混沌加密隐写的算法。

背景技术

海上无人船集群在船联网中的信息交互越来越广泛和频繁，与之伴随而来的是不法分子在通信过程中对一些具有重要价值信息进行窃取和篡改。此类事件的发生不仅导致了一系列严重的经济损失，还可能导致国家利益被侵犯。海上无人系统的高度普及，同样也带来了很大的风险，网络攻击劫持的可能性也越来越大，由于现在无人船智能化程度的增加，无人船的航行脑主控单元越来越接近一台完整的计算机设备，收发信息的方式和种类变得越来越多，而这也导致被黑客侵入劫持的风险变高，海上无人船集群中的无人船可能会威胁整体集群的航行安全。在新形态下，海盗活动与网络犯罪相融合。无人船航行安全保障研究不仅需要应对传统海盗的威胁，还要适应网络海盗在船舶无人化时代的新威胁。无人船的网络一旦被攻破，那么无人船则像断了线的风筝一般，彻底失去控制权。

发明内容

针对现有技术的不足，本发明提供了一种在图传信道中对信息进行混沌加密隐写的算法。

为实现以上目的，本发明通过以下技术方案予以实现：一种在图传信道中对信息进行混沌加密隐写的算法，包括以下步骤：步骤1、对无人船需要传输的重要信息进行混沌加密偏置；

步骤2、通过深度神经网络进行水印隐写；

步骤3、将加密图像插入视频图像中；

步骤4、数据解密过程，应用Decoder结构，将隐藏的消息通过ST-Transform单元作为解码器构建CNN从按摩图像中提取。

优选地，在步骤1中，设计两种加密器生成两类伪随机序列，对加密信息的数字和字母进行分别加密处理，信息加密操作分为三步：

1：大写、小写、数字进行分别编码；

2：字母使用绝对值Logistic加密，数字使用2次函数加密；

3：信息进行倒置转换，得到最终加密信息结果。

3.根据权利要求1所述的在图传信道中对信息进行混沌加密隐写的算法，其特征在于：步骤1中，使用2次函数混沌加密对数字进行加密：

优选地，步骤1中，使用logistic函数混沌加密对字母进行加密：

x

优选地，步骤2中，应用Encoder-decoder结构,建立深度神经网络并通过迁移学习的方法，首先继承神经网络训练权重，加快训练进度，然后再使用数据库图片进行二次训练，得到完整的信息水印嵌入模型，完成对信息的隐写并将加密图像嵌入视频流中，通过无人船远程驾驶的图传信道完成信息的传输。

优选地，步骤3中，通过5.8G的点对点信道直接播发，通过对船台端进行处理，通过变换帧率的方式，将隐写的图片插入到原本的视频流中进行播发。

本发明的有益效果是：本发明将信息以水印的形式隐藏在图像之中，并使用混沌映射加密的方式作为最后的安全防线，以隐写和混沌加密双重手段保护无人船在海上感知的信息进行安全传输，并且可以作为无人船远程操控权确认的验证手段和远程控制握手密钥的隐秘传输手段。最后使用RGB直方图评价方法，对比了加密前后图像的差别，可看出本文所提出的算法具有一定的安全性和隐秘性。

附图说明

图1为本发明的整体技术路线技术路线；

图2为本发明中混沌加密映射结构图；

图3为本发明中混沌加密映射偏置(a)的分布图；

图4为本发明中混沌加密映射偏置(a)的分布图；

图5为本发明中Encoder-Decoder深度神经网络结构图；

图6为本发明中U-net结构图；

图7为本发明中加密信息嵌入图；

图8为本发明中Decoder结构图；

图9为本发明中图像隐写过程图；

图10为本发明中图像隐写前后RGB图像质量(MASSⅠ)比较图；

图11为本发明中图像隐写前后RGB图像质量(MASSⅡ)比较比较图；

图12为本发明中图像隐写前后RGB图像质量(MASSⅢ)比较比较图；

图13为本发明中图像隐写前后RGB图像质量(MASSⅣ)比较比较图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

下面结合图1对算法过程以及原理进行描述。

一种在图传信道中对信息进行混沌加密隐写的算法包括以下步骤：

步骤1、对无人船需要传输的重要信息进行混沌加密偏置；

混沌运动是自然界中客观存在的有界的、不规则的、复杂的运动形式，混沌信号具有的非周期性、连续宽带频谱、类似噪声的特性，使得它具有天然的隐蔽性；对初始条件和微小扰动的高度敏感性，又使混沌信号具有长期不可预见性.混沌信号的隐蔽性和不可预见性使得混沌适宜保密通信.混沌系统本身是非线性确定性系统，因而方便于保密通信系统的构造与研究。由于混沌映射具有对初始值设定极度敏感，任何微小的变化都会导致结果截然不同，这种高度的不可预测性非常适合用于进行信息加密。将混沌理论用于海上信息加密具有改善海上数字通信安全性的巨大潜力。本专利基于双混沌加密算法的信息编码偏置加密，在本专利中，设计两种加密器生成两类伪随机序列，对加密信息的数字和字母进行分别加密处理，如图2所示，信息加密操作分为三步：

1：大写、小写、数字进行分别编码

2：字母使用绝对值Logistic加密，数字使用2次函数加密

3：信息进行倒置转换

得到最终加密信息结果

本发明使用2次函数混沌加密对数字进行加密：

图3显示是混沌加密映射偏置的分布图(x

图4显示是混沌加密映射偏置(a)的分布图(x

本发明使用logistic函数混沌加密对字母进行加密：

x

由于对字母数字进行偏执加密，加密序列生成的浮点数加密信息，还要对混沌序列在偏置之前进行取整。

表1.混沌加密映射结果

步骤2、通过深度神经网络进行水印隐写；

如图5所示，如果将图像过度加密，生成完全不可读的图像或乱码图像，极易引起窃密者的怀疑和注视，为了不引起怀疑，提升信息传输的隐蔽性，可以使用隐写的方式将信息嵌入图像中同时不影响图像本身的可读性。本专利分别应用Encoder-decoder结构,建立深度神经网络并通过迁移学习的方法，首先继承神经网络训练权重，加快训练进度，然后再使用数据库图片进行二次训练，得到完整的信息水印嵌入模型，完成对信息的隐写并将加密图像嵌入视频流中，通过无人船远程驾驶的图传信道完成信息的传输。

本专利应用Encoder结构，将信息隐写到船载视频图像中，将信息层嵌入了原始图像的第四通道中，并将U-NET结构神经网络作为Encoder网络，信息图像可以由原始图像生成，并且具有较高的隐藏和统计功能。如图6所示，U-NET的U形结构可以保存在分级图像信息特征中。有两个重要的结构：

1)U形网络结构，对称和图像样本；

2)根据常规神经网络连接跳跃层之间的跳跃层之间的连接，因此采样程度是一致的。

完成4个通道信息的转换和特征提取后，该信息被隐藏在3个频道的图像信息中，以完成加密信息的图像密集术。如图7所示，本文使用了U-NET的结构。该层信息显示在Tab.2中。

表2.U-net layer

步骤3、将加密图像插入视频图像中；

如图7所示，视频图像流原本通过5.8G的点对点信道直接播发，通过对船台端进行处理，通过变换帧率的方式，将隐写的图片插入到原本的视频流中进行播发，进一步降低了加密信息被发现的概率。

步骤4、数据解密过程

如图8所示，本专利应用Decoder结构，将隐藏的消息通过ST-Transform单元作为解码器构建CNN从按摩图像中提取的。如表3，解码器的输入终端是带有信息的图像，输出是原始图像和信息。通过一系列卷积和激活来激活解码器网络获得的结果，以生成与消息长度相同的最终输出。解码器网络的最终输出是隐藏的信息和原始图像。Decoder结构可以在视频流中进行筛查判断是否为加密帧，并从中解算出加密信息，再通过混沌加密函数进行反解，获得原始传输的明码电文。

表3.CNN结构

如图9-13所示，本发明提出对无人船需要传输的重要信息进行混沌加密偏置，并通过深度神经网络进行水印隐写最后将加密图像插入视频图像中通过无人船远程驾驶的图传信道进行隐秘传输，这种方式有效地增加了信息的安全性和隐秘性。最后使用RGB直方图评价方法，对比了加密前后图像的差别，可看出本文所提出的算法具有一定的安全性和隐秘性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。