堆棧式稀疏自編碼器和GA的混沌序列圖像加密方法及裝置
堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法及裝置
技術(shù)領(lǐng)域
1.本發(fā)明涉及圖像加密技術(shù)領(lǐng)域，特別是指一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法及裝置。
背景技術(shù)：
2.圖像中包含了很多機(jī)密和重要信息，因此保證圖像安全性具有重要的現(xiàn)實(shí)意義。混沌加密為數(shù)字圖像的安全性保護(hù)提供了一種有效的方法，近年來(lái)研究人員基于混沌加密技術(shù)設(shè)計(jì)了很多數(shù)字圖像加密方法，然而，經(jīng)過(guò)混沌加密處理的圖像仍然具有一定的周期性特點(diǎn)。現(xiàn)有圖像加密方法進(jìn)行加密時(shí)存在安全性和機(jī)密性低的問題。
技術(shù)實(shí)現(xiàn)要素：
3.本發(fā)明針對(duì)現(xiàn)有圖像加密方法進(jìn)行加密時(shí)安全性和機(jī)密性低的問題，提出了本發(fā)明。
4.為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：
5.一方面，本發(fā)明提供了一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，該方法由電子設(shè)備實(shí)現(xiàn)，該方法包括：
6.s1、獲取待加密的原始圖像。
7.s2、獲取原始圖像的混沌序列。
8.s3、將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
9.s4、根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。
10.可選地，s2中的獲取原始圖像的混沌序列包括：
11.s21、對(duì)原始圖像進(jìn)行分塊處理，得到原始圖像子塊。
12.s22、基于logistic混沌系統(tǒng)，對(duì)原始圖像子塊生成實(shí)數(shù)序列。
13.s23、基于閾值法，對(duì)實(shí)數(shù)序列進(jìn)行轉(zhuǎn)換，得到原始圖像的混沌序列。
14.可選地，s3中的基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)。
15.其中，生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像。
16.對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。
17.可選地，生成網(wǎng)絡(luò)包括編碼器和解碼器；
18.其中，編碼器包括編碼器全連接層、第一卷積層、第二卷積層以及第三卷積層。
19.編碼器全連接層、第一卷積層以及第二卷積層分別連接gelu型激活函數(shù)。
20.第三卷積層連接sigmoid型激活函數(shù)。
21.編碼器全連接層的輸出和第三卷積層的輸出之間通過(guò)殘差結(jié)構(gòu)連接。
22.解碼器包括第一反卷積層、第二反卷積層、第三反卷積層以及解碼器全連接層。
23.第一反卷積層、第二反卷積層以及第三反卷積層分別連接gelu型激活函數(shù)；
24.解碼器全連接層連接sigmoid型激活函數(shù)。
25.可選地，對(duì)抗網(wǎng)絡(luò)包括對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層、對(duì)抗網(wǎng)絡(luò)第三卷積層以及池化層。
26.對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層以及對(duì)抗網(wǎng)絡(luò)第三卷積層分別連接gelu型激活函數(shù)。
27.可選地，s3中的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的訓(xùn)練過(guò)程包括：
28.s31、對(duì)堆棧稀疏自編碼器的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到堆棧稀疏自編碼器網(wǎng)絡(luò)最優(yōu)的權(quán)值和閾值。
29.s32：基于最優(yōu)的權(quán)值和閾值，構(gòu)建基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
30.s33：利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練。
31.可選地，s33中的利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練包括：
32.利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
33.其中，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
34.使用交叉熵?fù)p失函數(shù)，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
35.對(duì)生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
36.將生成網(wǎng)絡(luò)生成的密文圖像輸入到對(duì)抗網(wǎng)絡(luò)，得到對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果，將對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與混沌序列的標(biāo)簽進(jìn)行對(duì)應(yīng)并計(jì)算誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正。
37.可選地，s4中的根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像包括：
38.將混沌序列輸入到深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)生成待加密的原始圖像的密文圖像。
39.另一方面，本發(fā)明提供了一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密裝置，該裝置應(yīng)用于實(shí)現(xiàn)堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，該裝置包括：
40.獲取模塊，用于獲取待加密的原始圖像。
41.混沌序列生成模塊，用于獲取原始圖像的混沌序列。
42.輸入模塊，用于將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
43.輸出模塊，用于根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。
44.可選地，混沌序列生成模塊，進(jìn)一步用于：
45.s21、對(duì)原始圖像進(jìn)行分塊處理，得到原始圖像子塊。
46.s22、基于logistic混沌系統(tǒng)，對(duì)原始圖像子塊生成實(shí)數(shù)序列。
47.s23、基于閾值法，對(duì)實(shí)數(shù)序列進(jìn)行轉(zhuǎn)換，得到原始圖像的混沌序列。
48.可選地，基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)。
49.其中，生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像。
50.對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。
51.可選地，生成網(wǎng)絡(luò)包括編碼器和解碼器；
52.其中，編碼器包括編碼器全連接層、第一卷積層、第二卷積層以及第三卷積層。
53.編碼器全連接層、第一卷積層以及第二卷積層分別連接gelu型激活函數(shù)。
54.第三卷積層連接sigmoid型激活函數(shù)。
55.編碼器全連接層的輸出和第三卷積層的輸出之間通過(guò)殘差結(jié)構(gòu)連接。
56.解碼器包括第一反卷積層、第二反卷積層、第三反卷積層以及解碼器全連接層。
57.第一反卷積層、第二反卷積層以及第三反卷積層分別連接gelu型激活函數(shù)；
58.解碼器全連接層連接sigmoid型激活函數(shù)。
59.可選地，對(duì)抗網(wǎng)絡(luò)包括對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層、對(duì)抗網(wǎng)絡(luò)第三卷積層以及池化層。
60.對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層以及對(duì)抗網(wǎng)絡(luò)第三卷積層分別連接gelu型激活函數(shù)。
61.可選地，輸入模塊，進(jìn)一步用于：
62.s31、對(duì)堆棧稀疏自編碼器的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到堆棧稀疏自編碼器網(wǎng)絡(luò)最優(yōu)的權(quán)值和閾值。
63.s32：基于最優(yōu)的權(quán)值和閾值，構(gòu)建基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
64.s33：利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練。
65.可選地，輸入模塊，進(jìn)一步用于：
66.利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
67.其中，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
68.使用交叉熵?fù)p失函數(shù)，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
69.對(duì)生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
70.將生成網(wǎng)絡(luò)生成的密文圖像輸入到對(duì)抗網(wǎng)絡(luò)，得到對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果，將對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與混沌序列的標(biāo)簽進(jìn)行對(duì)應(yīng)并計(jì)算誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正。
71.可選地，輸出模塊，進(jìn)一步用于：
72.將混沌序列輸入到深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)生成待加密的原始圖像的密文圖像。
73.一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括處理器和存儲(chǔ)器，所述存儲(chǔ)器中存儲(chǔ)有至少一條指令，所述至少一條指令由所述處理器加載并執(zhí)行以實(shí)現(xiàn)上述堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法。
74.一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一條指令，所述至少一條指令由處理器加載并執(zhí)行以實(shí)現(xiàn)上述堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法。
75.本發(fā)明實(shí)施例提供的技術(shù)方案帶來(lái)的有益效果至少包括：
76.上述方案中，結(jié)合堆棧式稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)，設(shè)計(jì)一種基于堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，堆棧式稀疏自編碼的多層網(wǎng)絡(luò)結(jié)構(gòu)，為模型提供了強(qiáng)大的非線性特征映射能力，同時(shí)，堆棧式稀疏自編碼具有稀疏編碼器的約束能力，使得模型能夠在復(fù)雜環(huán)境下學(xué)習(xí)更加有效的圖像特征。堆棧稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)相結(jié)合的加密模型，能夠消除混沌序列的周期性，進(jìn)一步提高加密模型的安全性和機(jī)密性。
附圖說(shuō)明
77.為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
78.圖1是本發(fā)明實(shí)施例提供的堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法流程示意圖；
79.圖2是本發(fā)明實(shí)施例提供的基于堆棧稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的結(jié)構(gòu)示意圖；
80.圖3是本發(fā)明實(shí)施例提供的生成網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；
81.圖4是本發(fā)明實(shí)施例提供的求對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；
82.圖5是本發(fā)明實(shí)施例提供的求堆棧式稀疏自編碼器和gan的混沌序列圖像加密裝置框圖；
83.圖6是本發(fā)明實(shí)施例提供的一種電子設(shè)備的結(jié)構(gòu)示意圖。
具體實(shí)施方式
84.為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例進(jìn)行詳細(xì)描述。
85.如圖1所示，本發(fā)明實(shí)施例提供了一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，該方法可以由電子設(shè)備實(shí)現(xiàn)。如圖1所示的堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法流程圖，該方法的處理流程可以包括如下的步驟：
86.s1、獲取待加密的原始圖像。
87.s2、獲取原始圖像的混沌序列。
88.可選地，上述步驟s2可以包括以下步驟s21-s23：
89.s21、對(duì)原始圖像進(jìn)行分塊處理，得到原始圖像子塊。
90.一種可行的實(shí)施方式中，首先，對(duì)明文圖像(原始圖像)進(jìn)行明文圖像分塊處理，獲得明文圖像子塊，所獲得的明文圖像子塊之間不存在重疊部分，明文圖像分塊的作用方便后期混沌系統(tǒng)處理。
91.s22、基于logistic混沌系統(tǒng)，對(duì)原始圖像子塊生成實(shí)數(shù)序列。
92.一種可行的實(shí)施方式中，對(duì)明文圖像子塊利用logistic混沌系統(tǒng)生成實(shí)數(shù)序列，logistic混沌系統(tǒng)的迭代公式如下式(1)：
93.x
i+1
＝μxi(1-xi),i＝0,1,
…
,n
????????
(1)
94.其中，xi∈[0,1]，μ∈(0,4)。
[0095]
s23、基于閾值法，對(duì)實(shí)數(shù)序列進(jìn)行轉(zhuǎn)換，得到原始圖像的混沌序列。
[0096]
s3、將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
[0097]
可選地，s3中的基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)。
[0098]
一種可行的實(shí)施方式中，基于堆棧稀疏自編碼器和gan(generative adversarial network，生成對(duì)抗網(wǎng)絡(luò))的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型由生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)組成，其結(jié)構(gòu)示意圖如圖2所示。
[0099]
其中，生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像。
[0100]
可選地，生成網(wǎng)絡(luò)包括編碼器和解碼器；
[0101]
其中，編碼器包括編碼器全連接層、第一卷積層、第二卷積層以及第三卷積層。
[0102]
編碼器全連接層、第一卷積層以及第二卷積層分別連接gelu(gaussian error linear units，高斯誤差線性單元)型激活函數(shù)。
[0103]
第三卷積層連接sigmoid型激活函數(shù)。
[0104]
編碼器全連接層的輸出和第三卷積層的輸出之間通過(guò)殘差結(jié)構(gòu)連接。
[0105]
解碼器包括第一反卷積層、第二反卷積層、第三反卷積層以及解碼器全連接層。
[0106]
第一反卷積層、第二反卷積層以及第三反卷積層分別連接gelu型激活函數(shù)；
[0107]
解碼器全連接層連接sigmoid型激活函數(shù)。
[0108]
一種可行的實(shí)施方式中，隨機(jī)向量通過(guò)生成網(wǎng)絡(luò)生成一個(gè)密文圖像，生成網(wǎng)絡(luò)是基于堆棧式稀疏自編碼器構(gòu)建的。
[0109]
進(jìn)一步地，生成網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖3所示，生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器進(jìn)行設(shè)計(jì)，由編碼器和解碼器兩部分組成，其中，生成網(wǎng)絡(luò)的編碼器包括1個(gè)全連接層和3個(gè)1
×
1卷積層，全連接層和前2個(gè)1
×
1卷積層都后接一個(gè)gelu型激活函數(shù)；第3個(gè)1
×
1卷積層后接1個(gè)sigmoid型激活函數(shù)，全連接層的輸出和第3個(gè)1
×
1卷積層輸出之間通過(guò)1個(gè)殘差結(jié)構(gòu)連接；生成網(wǎng)絡(luò)的解碼器包括3個(gè)1
×
1反卷積層組成和1個(gè)全連接層，每個(gè)反卷積層都后接1個(gè)gelu型激活函數(shù)，全連接層后接1個(gè)sigmoid型激活函數(shù)。
[0110]
可選地，對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。
[0111]
可選地，對(duì)抗網(wǎng)絡(luò)包括對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層、對(duì)抗網(wǎng)絡(luò)第三卷積層以及池化層。
[0112]
對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層以及對(duì)抗網(wǎng)絡(luò)第三卷積層分別連接gelu型激活函數(shù)。
[0113]
一種可行的實(shí)施方式中，對(duì)抗網(wǎng)絡(luò)是一個(gè)判別器，用來(lái)判斷輸入時(shí)是混沌系統(tǒng)產(chǎn)生的混沌序列還是生成網(wǎng)絡(luò)生成的密文圖像。對(duì)抗網(wǎng)絡(luò)的結(jié)構(gòu)示意圖如圖4所示，對(duì)抗網(wǎng)絡(luò)包括3個(gè)1
×
1卷積層和一個(gè)池化層，每個(gè)卷積層都后接1個(gè)gelu型激活函數(shù)。
[0114]
進(jìn)一步地，生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)通過(guò)競(jìng)爭(zhēng)，使得生成網(wǎng)絡(luò)生成的密文圖像和混沌系統(tǒng)產(chǎn)生的混沌序列越來(lái)越接近。
[0115]
可選地，s3中的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的訓(xùn)練過(guò)程包括：
[0116]
s31、對(duì)堆棧稀疏自編碼器的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到堆棧稀疏自編碼器網(wǎng)絡(luò)最優(yōu)的權(quán)值和閾值。
[0117]
s32：基于最優(yōu)的權(quán)值和閾值，構(gòu)建基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
[0118]
s33：利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練。
[0119]
可選地，s33中的利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練包括：
[0120]
利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0121]
其中，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
[0122]
使用交叉熵?fù)p失函數(shù)，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0123]
一種可行的實(shí)施方式中，訓(xùn)練深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，首先是對(duì)抗網(wǎng)絡(luò)的訓(xùn)練，對(duì)抗網(wǎng)絡(luò)的訓(xùn)練使用交叉熵?fù)p失函數(shù)，訓(xùn)練目標(biāo)是對(duì)抗網(wǎng)絡(luò)能夠辨別混沌系統(tǒng)產(chǎn)生的混沌序列和生成網(wǎng)絡(luò)生成的密文圖像。將生成網(wǎng)絡(luò)生成的密文圖像的標(biāo)簽設(shè)置為0，將混沌系統(tǒng)產(chǎn)生的混沌序列的標(biāo)簽設(shè)置為1，將混沌系統(tǒng)產(chǎn)生的混沌序列和生成網(wǎng)絡(luò)生成的密文圖像分別輸入到對(duì)抗網(wǎng)絡(luò)，將對(duì)抗網(wǎng)絡(luò)輸出的結(jié)果與標(biāo)簽進(jìn)行比較，同時(shí)計(jì)算相應(yīng)的誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使對(duì)抗網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正，讓對(duì)抗網(wǎng)絡(luò)越來(lái)越能夠分辨混沌系統(tǒng)產(chǎn)生的混沌序列和生成網(wǎng)絡(luò)生成的密文圖像。
[0124]
對(duì)生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
[0125]
將生成網(wǎng)絡(luò)生成的密文圖像輸入到對(duì)抗網(wǎng)絡(luò)，得到對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果，將對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與混沌序列的標(biāo)簽進(jìn)行對(duì)應(yīng)并計(jì)算誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正。
[0126]
一種可行的實(shí)施方式中，對(duì)生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將對(duì)抗網(wǎng)絡(luò)固定，生成網(wǎng)絡(luò)訓(xùn)練的目標(biāo)是使對(duì)生成網(wǎng)絡(luò)生成的密文圖像越來(lái)越逼近混沌系統(tǒng)產(chǎn)生的混沌序列；將生成的密文圖像輸入對(duì)抗網(wǎng)絡(luò)，對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與相應(yīng)的混沌序列的標(biāo)簽1進(jìn)行對(duì)應(yīng)，同時(shí)計(jì)算出相應(yīng)的誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正，讓生成網(wǎng)絡(luò)生成的密文圖像越來(lái)越逼近混沌系統(tǒng)產(chǎn)生的混沌序列，實(shí)現(xiàn)明文圖像的加密。
[0127]
s4、根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。
[0128]
可選地，上述步驟s4可以是：
[0129]
將混沌序列輸入到深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)生成待加密的原始圖像的密文圖像。
[0130]
一種可行的實(shí)施方式中，將明文圖像用logistic混沌系統(tǒng)生成混沌序列，將混沌
序列輸入到訓(xùn)練好的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，生成網(wǎng)絡(luò)生成的結(jié)果就是所要獲得的密文圖像。
[0131]
本發(fā)明實(shí)施例中，結(jié)合堆棧式稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)，設(shè)計(jì)一種基于堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，堆棧式稀疏自編碼的多層網(wǎng)絡(luò)結(jié)構(gòu)，為模型提供了強(qiáng)大的非線性特征映射能力，同時(shí)，堆棧式稀疏自編碼具有稀疏編碼器的約束能力，使得模型能夠在復(fù)雜環(huán)境下學(xué)習(xí)更加有效的圖像特征。堆棧稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)相結(jié)合的加密模型，能夠消除混沌序列的周期性，進(jìn)一步提高加密模型的安全性和機(jī)密性。
[0132]
如圖5所示，本發(fā)明實(shí)施例提供了一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密裝置500，該裝置500應(yīng)用于實(shí)現(xiàn)堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，該裝置500包括：
[0133]
獲取模塊510，用于獲取待加密的原始圖像。
[0134]
混沌序列生成模塊520，用于獲取原始圖像的混沌序列。
[0135]
輸入模塊530，用于將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
[0136]
輸出模塊540，用于根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。
[0137]
可選地，混沌序列生成模塊520，進(jìn)一步用于：
[0138]
s21、對(duì)原始圖像進(jìn)行分塊處理，得到原始圖像子塊。
[0139]
s22、基于logistic混沌系統(tǒng)，對(duì)原始圖像子塊生成實(shí)數(shù)序列。
[0140]
s23、基于閾值法，對(duì)實(shí)數(shù)序列進(jìn)行轉(zhuǎn)換，得到原始圖像的混沌序列。
[0141]
可選地，基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)。
[0142]
其中，生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像。
[0143]
對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。
[0144]
可選地，生成網(wǎng)絡(luò)包括編碼器和解碼器；
[0145]
其中，編碼器包括編碼器全連接層、第一卷積層、第二卷積層以及第三卷積層。
[0146]
編碼器全連接層、第一卷積層以及第二卷積層分別連接gelu型激活函數(shù)。
[0147]
第三卷積層連接sigmoid型激活函數(shù)。
[0148]
編碼器全連接層的輸出和第三卷積層的輸出之間通過(guò)殘差結(jié)構(gòu)連接。
[0149]
解碼器包括第一反卷積層、第二反卷積層、第三反卷積層以及解碼器全連接層。
[0150]
第一反卷積層、第二反卷積層以及第三反卷積層分別連接gelu型激活函數(shù)；
[0151]
解碼器全連接層連接sigmoid型激活函數(shù)。
[0152]
可選地，對(duì)抗網(wǎng)絡(luò)包括對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層、對(duì)抗網(wǎng)絡(luò)第三卷積層以及池化層。
[0153]
對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層以及對(duì)抗網(wǎng)絡(luò)第三卷積層分別連接gelu型激活函數(shù)。
[0154]
可選地，輸入模塊530，進(jìn)一步用于：
[0155]
s31、對(duì)堆棧稀疏自編碼器的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到堆棧稀疏自編碼器網(wǎng)絡(luò)最優(yōu)
的權(quán)值和閾值。
[0156]
s32：基于最優(yōu)的權(quán)值和閾值，構(gòu)建基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
[0157]
s33：利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練。
[0158]
可選地，輸入模塊530，進(jìn)一步用于：
[0159]
利用梯度下降算法，對(duì)基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0160]
其中，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
[0161]
使用交叉熵?fù)p失函數(shù)，對(duì)對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練。
[0162]
對(duì)生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：
[0163]
將生成網(wǎng)絡(luò)生成的密文圖像輸入到對(duì)抗網(wǎng)絡(luò)，得到對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果，將對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與混沌序列的標(biāo)簽進(jìn)行對(duì)應(yīng)并計(jì)算誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正。
[0164]
可選地，輸出模塊540，進(jìn)一步用于：
[0165]
將混沌序列輸入到深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)生成待加密的原始圖像的密文圖像。
[0166]
本發(fā)明實(shí)施例中，結(jié)合堆棧式稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)，設(shè)計(jì)一種基于堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，堆棧式稀疏自編碼的多層網(wǎng)絡(luò)結(jié)構(gòu)，為模型提供了強(qiáng)大的非線性特征映射能力，同時(shí)，堆棧式稀疏自編碼具有稀疏編碼器的約束能力，使得模型能夠在復(fù)雜環(huán)境下學(xué)習(xí)更加有效的圖像特征。堆棧稀疏自編碼器和gan生成對(duì)抗網(wǎng)絡(luò)相結(jié)合的加密模型，能夠消除混沌序列的周期性，進(jìn)一步提高加密模型的安全性和機(jī)密性。
[0167]
圖6是本發(fā)明實(shí)施例提供的一種電子設(shè)備600的結(jié)構(gòu)示意圖，該電子設(shè)備600可因配置或性能不同而產(chǎn)生比較大的差異，可以包括一個(gè)或一個(gè)以上處理器(central processing units，cpu)601和一個(gè)或一個(gè)以上的存儲(chǔ)器602，其中，存儲(chǔ)器602中存儲(chǔ)有至少一條指令，至少一條指令由處理器601加載并執(zhí)行以實(shí)現(xiàn)下述堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法：
[0168]
s1、獲取待加密的原始圖像。
[0169]
s2、獲取原始圖像的混沌序列。
[0170]
s3、將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型。
[0171]
s4、根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。
[0172]
在示例性實(shí)施例中，還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器，上述指令可由終端中的處理器執(zhí)行以完成上述求解大規(guī)模定制下混線生產(chǎn)調(diào)度問題的方法。例如，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是rom、隨機(jī)存取存儲(chǔ)器(ram)、cd-rom、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。
[0173]
本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例的全部或部分步驟可以通過(guò)硬件
來(lái)完成，也可以通過(guò)程序來(lái)指令相關(guān)的硬件完成，所述的程序可以存儲(chǔ)于一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，上述提到的存儲(chǔ)介質(zhì)可以是只讀存儲(chǔ)器，磁盤或光盤等。
[0174]
以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
技術(shù)特征：
1.一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密方法，其特征在于，所述方法包括：s1、獲取待加密的原始圖像；s2、獲取所述原始圖像的混沌序列；s3、將所述混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型；s4、根據(jù)所述混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到所述待加密的原始圖像的密文圖像。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s2中的獲取所述原始圖像的混沌序列包括：s21、對(duì)所述原始圖像進(jìn)行分塊處理，得到原始圖像子塊；s22、基于logistic混沌系統(tǒng)，對(duì)所述原始圖像子塊生成實(shí)數(shù)序列；s23、基于閾值法，對(duì)所述實(shí)數(shù)序列進(jìn)行轉(zhuǎn)換，得到原始圖像的混沌序列。3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s3中的基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)；其中，所述生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像；所述對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述生成網(wǎng)絡(luò)包括編碼器和解碼器；其中，所述編碼器包括編碼器全連接層、第一卷積層、第二卷積層以及第三卷積層；所述編碼器全連接層、第一卷積層以及第二卷積層分別連接gelu型激活函數(shù)；所述第三卷積層連接sigmoid型激活函數(shù)；所述編碼器全連接層的輸出和第三卷積層的輸出之間通過(guò)殘差結(jié)構(gòu)連接；所述解碼器包括第一反卷積層、第二反卷積層、第三反卷積層以及解碼器全連接層；所述第一反卷積層、第二反卷積層以及第三反卷積層分別連接gelu型激活函數(shù)；所述解碼器全連接層連接sigmoid型激活函數(shù)。5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對(duì)抗網(wǎng)絡(luò)包括對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層、對(duì)抗網(wǎng)絡(luò)第三卷積層以及池化層；所述對(duì)抗網(wǎng)絡(luò)第一卷積層、對(duì)抗網(wǎng)絡(luò)第二卷積層以及對(duì)抗網(wǎng)絡(luò)第三卷積層分別連接gelu型激活函數(shù)。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s3中的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的訓(xùn)練過(guò)程包括：s31、對(duì)堆棧稀疏自編碼器的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，得到堆棧稀疏自編碼器網(wǎng)絡(luò)最優(yōu)的權(quán)值和閾值；s32：基于所述最優(yōu)的權(quán)值和閾值，構(gòu)建基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型；s33：利用梯度下降算法，對(duì)所述基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練。7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述s33中的利用梯度下降算法，對(duì)所述基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型進(jìn)行訓(xùn)練包括：
利用梯度下降算法，對(duì)所述基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練；其中，對(duì)所述對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：使用交叉熵?fù)p失函數(shù)，對(duì)所述對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練；對(duì)所述生成網(wǎng)絡(luò)進(jìn)行訓(xùn)練包括：將生成網(wǎng)絡(luò)生成的密文圖像輸入到所述對(duì)抗網(wǎng)絡(luò)，得到對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果，將所述對(duì)抗網(wǎng)絡(luò)的輸出結(jié)果與混沌序列的標(biāo)簽進(jìn)行對(duì)應(yīng)并計(jì)算誤差，將計(jì)算得到的誤差利用adamw梯度下降算法進(jìn)行誤差反向傳播，使所述生成網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)不斷修正。8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述s4中的根據(jù)所述混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到所述待加密的原始圖像的密文圖像包括：將所述混沌序列輸入到所述深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，通過(guò)梯度的前向傳播，所述深度學(xué)習(xí)網(wǎng)絡(luò)加密模型的生成網(wǎng)絡(luò)生成所述待加密的原始圖像的密文圖像。9.一種堆棧式稀疏自編碼器和gan的混沌序列圖像加密裝置，其特征在于，所述裝置包括：獲取模塊，用于獲取待加密的原始圖像；混沌序列生成模塊，用于獲取所述原始圖像的混沌序列；輸入模塊，用于將所述混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型；輸出模塊，用于根據(jù)所述混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到所述待加密的原始圖像的密文圖像。10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，基于堆棧稀疏自編碼器和gan的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型包括生成網(wǎng)絡(luò)和對(duì)抗網(wǎng)絡(luò)；其中，所述生成網(wǎng)絡(luò)基于堆棧式稀疏自編碼器構(gòu)建，用于生成密文圖像；所述對(duì)抗網(wǎng)絡(luò)，用于判斷輸入為混沌序列或密文圖像。
技術(shù)總結(jié)
本發(fā)明公開了一種堆棧式稀疏自編碼器和GA的混沌序列圖像加密方法及裝置，涉及圖像加密技術(shù)領(lǐng)域。包括：獲取待加密的原始圖像；獲取原始圖像的混沌序列；將混沌序列輸入到訓(xùn)練好的基于堆棧稀疏自編碼器和生成對(duì)抗網(wǎng)絡(luò)GA的深度學(xué)習(xí)網(wǎng)絡(luò)加密模型；根據(jù)混沌序列以及深度學(xué)習(xí)網(wǎng)絡(luò)加密模型，得到待加密的原始圖像的密文圖像。本發(fā)明通過(guò)堆棧式稀疏自編碼器學(xué)習(xí)圖像中復(fù)雜的內(nèi)在特征，堆棧式稀疏自編碼不僅具有多層網(wǎng)絡(luò)結(jié)構(gòu)，而且具有稀疏編碼器的約束能力，使得模型能夠在復(fù)雜環(huán)境下學(xué)習(xí)更加有效的圖像特征。堆棧稀疏自編碼器和GA生成對(duì)抗網(wǎng)絡(luò)相結(jié)合的加密模型，能夠消除混沌序列的周期性，進(jìn)一步提高加密模型的安全性。進(jìn)一步提高加密模型的安全性。進(jìn)一步提高加密模型的安全性。
