×
戴静一;周南润

基于QPSO-BP神经网络的伪随机数生成器的最优量子图像加密算法。 （英语） Zbl 07739396号

量子信息处理。 22，第8号，第318号论文，28页（2023年）.
摘要：将反向传播（BP）神经网络、量子粒子群优化（QPSO）算法、基于混沌映射的PRNG与量子分数傅里叶变换（QFFrT）和双随机相位编码（DRPE）相结合，提出了一种优化的量子图像加密方案QPSO-BP-PRNG改进图像加密算法中传统伪随机数发生器（PRNG）效果的技术。首先，为了获得异常的初始参数，缩短BP神经网络的训练时间，采用QPSO算法更新BP神经网络初始权值和阈值。随后，采用优化的QPSO-BP神经网络对基于量子逻辑映射的PRNG生成的样本序列进行训练，消除了神经网络强非线性可变性导致的混沌周期性，增强型QPSO-BP-PRNG产生的新序列涉及相位编码和加密过程的置乱操作。仿真结果表明，经过1000次迭代，QPSO-BP神经网络的错误率在0.00008以内，而且，所提出的量子图像加密方案在安全性和解密图像的重建质量方面表现良好。

MSC公司：

81页68 量子计算

关键词：

反向传播神经网络;量子粒子群优化;量子逻辑映射;量子图像加密
PDF格式BibTeX公司 XML格式引用
\textit{J.-Y.Dai}和\textit{N.-R.Zhou}，量子信息过程。22，第8号，第318号论文，28页（2023年；Zbl 07739396）
全文： DOI程序

参考文献：

[1] 周，NR；德克萨斯州华；龚，LH，基于广义阿诺德变换和双随机相位编码的量子图像加密，量子信息处理。，14, 1193-1213 (2015) ·Zbl 1328.81097号 ·doi:10.1007/s11128-015-0926-z
[2] 巴塔查吉，K。；Das，S.，《寻找好的伪随机数生成器：调查和实证研究》，计算。科学。修订版，45，100471（2022）·Zbl 1505.65005号 ·doi:10.1016/j.cosrev.2022.100471
[3] Machicao，J。；Bruno，OM，使用深度缩放改进混沌映射的伪随机特性，混沌，27，5，053116（2017）·Zbl 1452.65011号 ·doi:10.1063/1.4983836
[4] 龚，LH；Luo，HX，基于四元数FOFMM和LS-SVR的带几何校正的双色图像水印方案，Opt。激光技术。(2023) ·doi:10.1016/j.optlastec.2023.109665
[5] EL-Latif，A.A.A.，Abd-EL-Atty，B.，Venegas-Andraca，S.E.：基于受控交替量子行走的伪随机数生成器及其在量子彩色图像加密中的应用。Phys A 547123869（2020年）·Zbl 07530161号
[6] Murillo-Escobar，马萨诸塞州；克鲁兹·埃尔南德斯，C。；Cardoza-Avendano，L.，基于伪随机增强逻辑映射的新型伪随机数生成器，非线性动力学。，87, 1, 407-425 (2016) ·doi:10.1007/s11071-016-3051-3
[7] 周，NR；Tong，LJ；Zou，WP，采用四元数离散分数Tchebyshev矩变换和交叉耦合操作的多图像加密方案，信号处理。，211, 109107 (2023) ·doi:10.1016/j.sigpro.2023.109107
[8] Hamza，R.，用于图像加密应用的新型伪随机序列生成器，J.Inf.Secur。申请。，35, 119-127 (2017)
[9] Aihara，K。；Takabe，T。；丰田章男，混沌神经网络，物理学。莱特。A、 144、6-7、333-340（2009）
[10] 李，ZW；Sai，R.，作为几何混沌映射的神经网络，IEEE Trans。神经网络。学习。系统。，34, 1, 527-533 (2023) ·doi:10.1109/TNNLS.2021.3087497
[11] 周，NR；张，TF；Xie，XW，混合量子-通过学习离散分布生成图像的经典生成对抗网络，信号处理。图像通信。，110, 116891 (2023) ·doi:10.1016/j.image.2022.116891
[12] 诺鲁齐，B。；Sattar，M.，基于DNA序列操作和细胞神经网络的图像加密算法，多媒体。工具应用。，76, 11, 13681-13701 (2017) ·文件编号：10.1007/s11042-016-3769-4
[13] Wang，Y。；Liu，S.，基于时空混沌系统预测的短期数据空间并行自水库计算，神经计算。申请。，34, 8713-8722 (2022) ·doi:10.1007/s00521-0621-06854-2
[14] 余，F。；张，Z。；Shen，H.，电磁辐射下基于Hopfield神经网络的伪随机数发生器的设计和FPGA实现，Front。物理。，9, 690651 (2021) ·doi:10.3389/fphy.2021.690651
[15] 周，S。；Zhao，ZP；Wang，XY，具有深度学习的新型混沌彩色图像加密系统，混沌孤子分形，161112380（2023）·doi:10.1016/j.chaos.2022.112380
[16] Wang，F。；张，H。；Zhou，AM，混合变量优化问题的粒子群优化算法，swarm Evol。计算。，60, 100808 (2021) ·doi:10.1016/j.swevo.2020.100808
[17] Li，J.等人。；张，JQ；Jiang，CJ，具有函数优化历史记忆的复合粒子群优化器，IEEE Trans。赛博。，45, 10, 2350-2363 (2017) ·doi:10.1109/TCYB.2015.2424836
[18] 刘，WB；王，ZD；Yuan，Y.，一种新的基于S形函数的自适应加权粒子群优化器，IEEE Trans。赛博。，51, 2, 1085-1093 (2021) ·doi:10.1109/TCYB.2019.2925015
[19] 莫阿耶迪，H。；Mehrabi，M。；Mosallanezhad，M.，使用优化PSO-ANN技术修改滑坡敏感性制图，工程计算。，35, 3, 967-984 (2019) ·doi:10.1007/s00366-018-0644-0
[20] 歌曲，BY；王，ZD；Zou，L.，使用连续高次Bezier曲线进行移动机器人平滑路径规划的改进PSO算法，应用。软计算。，100, 106960 (2021) ·doi:10.1016/j.asoc.2020.106960
[21] 李，YY；白，XY；Jiao，LC，基于多级阈值的分区合作量子粒子群优化算法在医学图像分割中的应用，应用。软计算。，56, 345-356 (2017) ·doi:10.1016/j.asoc.2017.03.018
[22] 库马尔，N。；SK Mahato；Bhunia，AK，通过竞赛过程求解约束优化问题的基于QPSO的新混合算法，软计算。，24, 15, 11365-11397 (2020) ·Zbl 1491.90187号 ·doi:10.1007/s00500-019-04601-3
[23] 李，YY；肖，JJ；Chen，YQ，基于二进制编码的量子行为粒子群优化进化深度卷积神经网络用于图像分类，神经计算，362，156-165（2019）·doi:10.1016/j.neucom.2019.07.026
[24] 弗洛里，A。；Oulhadj，H。；Siarry，P.，《量子粒子群优化：用于局部和全局优化的自适应粒子群算法》，计算。最佳方案。申请。，82, 525-559 (2022) ·Zbl 1493.90237号 ·doi:10.1007/s10589-022-00362-2
[25] Le，PQ；董，FY；Hirota，K.，用于多项式准备、图像压缩和处理操作的量子图像的灵活表示，量子信息处理。，10, 1, 63-84 (2011) ·Zbl 1209.81066号 ·doi:10.1007/s11128-010-0177-y
[26] XY王；林，SJ；李毅，基于BP神经网络和灰度码的比特级图像加密算法，多媒体。工具应用。，80, 11655-11670 (2021) ·doi:10.1007/s11042-020-202-2
[27] Shi，Y。；Eberhart，R.，一个改进的粒子群优化器，IEEE Int.Conf.Evol。计算。程序。，410, 1945-1950 (1998)
[28] Sun，J。；方，W。；Wu，XJ，Quantum-bayed粒子群优化：单个粒子行为分析和参数选择，Evol。计算。，20, 3, 349-393 (2012) ·doi:10.1162/EVCO__00049
[29] 魏曼，S。；Perez-Leija，A。；Lebugle，M.，量子和经典离散分数傅里叶变换的实现，国家通讯。，7, 11027 (2016) ·doi:10.1038/ncomms11027
[30] 戈金，ME；Sundaram，B。；Milonni，PW，量子逻辑图，Phys。修订版A，41、10、5705（1990）·doi:10.1103/PhysRevA.41.5705
[31] 郭，LM；杜，HW；Huang，D.，基于Feistel结构的量子图像加密算法，quantum Inf.Process。，21, 1, 20 (2021) ·Zbl 1508.81672号 ·doi:10.1007/s11128-021-03364-x
[32] Vagish，KD；拉贾库马兰，C。；Kavitha，R.，基于混沌的量子图像加密，Multimed。工具应用。，79, 33-34, 23849-23860 (2020)
[33] Abd-El-Atty，B。；Abd El-Latif，AA；Venegas-Andraca，SE，基于圆上单粒子量子行走的NEQR图像加密协议，量子信息处理。，18, 9, 272 (2019) ·Zbl 1504.81071号 ·doi:10.1007/s11128-019-2386-3
[34] 高，YJ；谢，HW；Zhang，J.，基于改进的受控交替量子行走和超混沌系统的新型量子图像加密技术，Phys。A、 598127334（2022）·Zbl 07529596号 ·doi:10.1016/j.physa.202.127334
[35] 张勇，图像加密系统灵敏度指标的统计测试准则，信息科学。，550, 313-328 (2021) ·Zbl 1486.94141号 ·doi:10.1016/j.ins.2020.10.026
[36] Khan，JS；Ahmad，J.，基于混沌的高效选择性图像加密，多维。系统。签名流程。，30, 2, 943-961 (2019) ·Zbl 1441.94016号 ·doi:10.1007/s11045-018-0589-x
[37] 聪，I。；Choi，S。；Lukin，MD，量子卷积神经网络，自然物理学。，15, 12, 1273-1278 (2019) ·doi:10.1038/s41567-019-0648-8
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。