典型文献
基于生成对抗网络的密钥生成方法及其在微光图像加密中的应用
文献摘要：
生成对抗网络(GAN)是一种深度学习模型,是近年来在复杂分布环境下进行无监督学习的最有前景的方法之一.将GAN开创性地引入到随机密钥生成中,利用GAN对超混沌系统产生的随机密钥进行学习和训练.GAN通过学习训练生成的随机数与混沌系统生成的随机数有着很多相似的优点,如随机性和敏感性,但是同时它也具备了混沌系统所生成随机数不具备的特征,如不可复现性.GAN训练生成的随机数在对信噪比低、灰度等级少的微光图像加密中显示出其快速性与更高的安全性.本文将GAN引入到随机密钥生成中,利用量子细胞神经网络系统产生的伪随机数作为GAN的训练集,通过GAN对超混沌系统产生的随机密钥进行学习和训练得到一个随机密钥池,最后针对这种密钥生成方案在微光图像加密中的应用,提出了一种新的微光图像加密算法,该算法给出了一种与明文相关的2D指针,随机选择密钥池中的两个相位掩膜来实现微光图像的安全.结果表明该学习型密钥生成方案所生成的加密密钥可以通过美国国家标准技术研究所的所有随机测试,并且该方案能够有效抵抗差分攻击、已知明文/选择明文攻击和各种统计分析.同时,与其他同类算法的性能比较也进一步表明了该模型的优越性.
文献关键词：
密钥生成;生成对抗网络;深度学习;微光图像;加密算法
中图分类号：
作者姓名：
李锦青;刘泽飞;满振龙
作者机构：
长春理工大学 计算机科学技术学院, 吉林 长春130022;吉林省网络与信息安全重点实验室,吉林 长春130022
文献出处：
引用格式：
[1]李锦青;刘泽飞;满振龙-.基于生成对抗网络的密钥生成方法及其在微光图像加密中的应用)[J].兵工学报,2022(02):337-344
A类：
B类：
生成对抗网络,密钥生成,生成方法,微光图像,GAN,深度学习模型,无监督学习,开创性,机密,超混沌系统,学习训练,系统生成,随机性,所生,如不,可复现性,灰度,快速性,细胞神经网络,网络系统,伪随机数,训练集,练得,图像加密算法,2D,指针,随机选择,掩膜,学习型,密密,随机测试,抗差,知明,选择明文攻击,性能比较
AB值：
0.254118
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
