[发明专利]一种结合神经网络与量子随机行走的图像加密方法

权利要求书

1.一种结合神经网络与量子随机行走的图像加密方法，其特征在于，包括以下步骤，

S1.采用二维量子随机行走生成概率分布P，构建量子随机行走概率分布矩阵M；

S2.将M切割成对称的四个相同的子矩阵，选择其中任何一个子矩阵作为

离散Hopfield网络DHNN的训练矩阵和输入矩阵，DHNN的输出为作为构建密钥矩阵的初始矩阵；

S21.当行走者位于H₁与H₂所构成的希尔伯特空间的中心时,将随机行走概率分布矩阵M切割成对称的四个相同的子矩阵即M＝(M1、M2、M3、M4)，对所选子矩阵进行数据处理得到矩阵QWPmatrix，并将子矩阵内元素区间控制为到0到255后得到所需矩阵QWPmatrix:

S22.截取子矩阵的次子矩阵Ψ₁和Ψ₂分别作为DHNN的训练矩阵与输入矩阵，当DHNN进入稳定状态时输出此时状态矩阵RestoredW，

S23.将得到的DHNN状态矩阵RestoredW与其自身的转置矩阵RestoredW^T进行张量运算得TempW:对TempW进行一维向量化；

S24.由于DHNN为二值神经网络,故所得的向量TempW中元素取值区间为{-1,1}，将矩阵TempW中元素转换成元素区间为0～255的十进制整数元素，截取一维向量的前n²个元素进行向量矩阵化得到密钥矩阵KeyMatrix；

S3.对图像进行加密处理；

S31:对原始图像OriImage的三通道数据分别进行混淆，将密钥矩阵KeyMatrix与原始图像I₁的三个通道矩阵I₁_B,I₁_G,I₁_R分别异或:

I₁_B＝KeyMatrix⊕I_B

I₁_G＝KeyMatrix⊕I_G

I₁_R＝KeyMatrix⊕I_R

S32:对I₁_B,I₁_G,I₁_R一维向量化处理得到O₂_B,I₂_G,I₂_R,将矩阵KeyMatrix同样一维向量化处理后,按其索引进行排序得到加密所需的顺序表Ω,按照Ω中索引值i对应索引项Ω(i)的位置的值，对I₂_B,I₂_G,I₂_R的三个通道分别进行扩散得到I_E_B,I_E_G,I_E_R；

S33:将I_E_B,I_E_G,I_E_R还原为原始矩阵形式,并依照三通道的原始顺序组合得到最终加密图像EncImage。

2.根据权利要求1所述的一种结合神经网络与量子随机行走的图像加密方法，其特征在于，步骤S1中，

离散时间量子随机行走包含四个要素:行走者、行走者携带的硬币、硬币抛掷方式以及行走规则，随机行走概率分布矩阵M中对应元素数据为行走者出现在该位置坐标的概率分布行走者位置空间H₁和硬币空间H₂共同构成量子随机行走体系的希尔伯特空间在量子随机行走过程中，每一步的行走由相同的硬币抛掷算符决定；

假设初始时刻：行走者所在位置为(0_τ,0_υ)，硬币处于叠加态，硬币空间

H₂＝cosα|0＞+sinα|1，则初始时刻硬币态的初始态ψ₀为：

则量子随机行走进行T步后硬币态可表示为:

当硬币态为|0＞时，操控行走者右移一个单位；当硬币态为|1时，操控行走者左移一个单位，同时规定：

其中，(τ,υ)为行走者出现的坐标位置，为步数，为行走者的状态算符，α为硬币算法初态参数，为行走算符。