基于压缩-加密框架的视觉图像感知保持

《Scientific Reports》:Visual image perception preservation through a compression-encryption framework

【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Reports 4.9

编辑推荐:

  摘要:无线传感器网络(WSNs)日益广泛地部署用于监测一维(1D)和二维(2D)环境现象,产生大量敏感数据(通常以图像形式)并每日传输。确保通过不可信通信信道进行安全数据传输是一个持续存在的关键挑战。压缩感知(CS)已成为一种强大的信号处理技术,能够实现信号的

  
摘要:无线传感器网络(WSNs)日益广泛地部署用于监测一维(1D)和二维(2D)环境现象,产生大量敏感数据(通常以图像形式)并每日传输。确保通过不可信通信信道进行安全数据传输是一个持续存在的关键挑战。压缩感知(CS)已成为一种强大的信号处理技术,能够实现信号的同步采样与压缩。安全压缩感知(Sec-CS)在信息安全领域获得了显著关注,因为它可以作为一种集成的密码机制,执行采样、压缩和加密功能,同时将伪随机测量矩阵作为秘密密钥进行保护。本文提出了一种面向WSN监测系统中安全图像交换的隐私保护、计算高效的密钥协商框架。该架构融合了DNA编码、混沌映射和基于轻量级XOR的图像加密操作,全部由伪随机密钥向量驱动。该框架不仅实现了高计算效率,而且展现出对多种密码攻击的鲁棒性。大量数值仿真验证了所提框架的有效性,证明其在安全性和计算性能方面均优于现有方法。全面的安全性分析进一步确认,所提框架满足关键安全需求,能够针对多种攻击场景提供强有力的保护。
论文解读:基于压缩-加密框架的视觉图像感知保持研究

**一、研究背景与问题**

无线传感器网络(Wireless Sensor Networks, WSNs)由大量分布式传感器节点组成,通过无线通信将采集到的环境信息传输至中心基站(Base Station, BS)进行监测与分析。随着物联网技术的快速发展,WSNs在医疗监护、军事侦察、工业监测、环境追踪及应急响应等领域得到广泛应用。其中,成像无线传感器网络(Imaging Wireless Sensor Networks, IWSNs)因配备视觉感知单元,对高效、安全的图像传输提出了更高要求。

当前WSNs面临双重挑战:一方面,传感器节点受限于电池能量,无线传输能耗远高于本地计算能耗,大量原始数据的直接传输会加速节点能量耗尽,并可能引发“热点”问题导致网络性能退化;另一方面,数据通过不安全的无线信道传输,攻击者可能截获敏感信息,因此安全性和能量效率成为WSN设计中的首要考量因素。

压缩感知(Compressive Sensing, CS)技术能够在采样的同时完成信号压缩,为稀疏信号提供了一种高效的获取范式。安全压缩感知(Secure Compressive Sensing, Sec-CS)将CS与加密机制融合,利用伪随机测量矩阵作为秘密密钥,实现采样、压缩与加密的一体化操作。然而,现有方案仍存在诸多不足:部分方法需要在传感器节点上执行复杂的变换或迭代优化,计算负担过重;多数方案将压缩与加密视为独立阶段,增加了传输带宽和延迟;静态密钥管理方式在大规模网络中易受攻击且效率低下;安全评估不够全面,仅关注部分指标。

针对上述问题,研究人员提出了一种面向IWSNs的资源高效、压缩集成且动态安全的图像加密框架,将分块压缩感知(Block Compressive Sensing, BCS)、DNA编码、混沌映射和轻量级XOR流密码有机结合,并将计算密集型重构任务卸载至基站执行,在保证安全性的同时实现实时图像传输。

**二、关键技术方法**

该框架主要包括以下关键技术:(1)分块压缩感知(BCS):将图像分割为不重叠的32×32像素块,对每个块独立应用压缩感知,降低计算复杂度并支持并行处理;(2)基于改进Tent映射的动态种子更新机制:通过式(5)所示的混沌映射方程迭代更新伪随机种子,使传感器节点和基站能够独立生成相同的测量矩阵Φ,避免存储或传输大尺寸矩阵,减少内存与通信开销;(3)Mersenne Twister(MT19937)伪随机数生成器:利用更新后的种子初始化和生成归一化高斯测量矩阵,满足约束等距性(Restricted Isometry Property, RIP)条件,确保重构稳定性;(4)DNA编码:依据互补碱基配对规则将8位二进制像素值转换为DNA序列,增加加密扩散层;(5)比特级XOR流密码:利用私有密钥(k?, k?)生成密钥流,与DNA编码后的数据进行逐比特异或操作,实现第二层加密保护;(6)重构采用贝叶斯压缩感知-相关向量机(Bayesian Compressive Sensing-Relevance Vector Machine, BCS-RVM)结合双树离散小波变换(Dual-Tree Discrete Wavelet Transform, DT-DWT)实现信号恢复。实验中采用USC-SIPI图像数据库中的六幅标准基准图像(Peppers、Baboon、F16、Boat、Tank和Couple),尺寸为512×512像素,在配备AMD Ryzen? 7 8845HS处理器、16GB RAM的平台上使用MATLAB R2024a进行仿真验证。

**三、研究结果与分析**

(1)**性能评估**:研究人员通过峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性指数(Structural Similarity Index, SSIM)评估重构图像质量。实验结果表明,在所有测试压缩比(Compression Ratio, CR)下,PSNR值均超过30 dB,SSIM值在除“Baboon”图像外均保持在0.8以上,表明该框架在较低测量数下仍能实现高质量图像重构。

(2)**统计分析**:包括直方图分析、卡方(chi-square)方差检验、相关性测试、信息熵测试、NIST随机性测试及纹理分析。加密图像的直方图呈现均匀分布,消除了原始图像的统计特征;卡方方差测试值均低于5%显著性水平下的阈值293.2478,证明其能有效抵抗统计攻击;相邻像素相关系数(Correlation Coefficient, CC)从原始图像的接近1降至加密图像的接近0;信息熵值接近理论最大值8,表明像素分布高度均匀;NIST随机性测试在0.01置信水平下全部通过;纹理分析显示加密图像显著增加了对比度,同时降低了相关性、能量和同质性,有效破坏原始图像纹理结构。

(3)**差分攻击分析**:通过像素变化率(Number of Pixels Change Rate, NPCR)和统一平均变化强度(Unified Average Changing Intensity, UACI)评估扩散性能。实验获得的NPCR和UACI值分别接近理想值99.6094%和33.4635%,证明该框架对明文图像的单像素修改高度敏感,具备强扩散特性。

(4)**密钥敏感性分析**:当密钥分量发生10?1?量级的微小变化时,解密过程无法恢复原始图像;NPCR、UACI和相关系数测试值均接近理论值,证实框架对相关密钥攻击具有高度鲁棒性。

(5)**密钥空间分析**:框架包含四个秘密密钥,假设每个密钥计算精度为10?1?,总密钥空间为(101?)? = 10??,远超安全方案所需的103?阈值,即使攻击者每秒可测试1012个密钥,穷举整个密钥空间也需超过103?年。

(6)**时间分析**:对于512×512图像,灰度图像加密时间约为0.6至2.7秒,计算复杂度为O(CR×N2),适用于资源受限环境的实时图像处理。

(7)**对比分析**:与现有方案相比,该框架在同等压缩比下PSNR提升约5-7 dB,在CR=0.25时达到36.39 dB的重构质量;在NPCR(≈99.6%)和UACI(≈33.5%)等扩散指标上表现优异,同时降低了密钥存储需求,更适合实时和资源受限的WSN环境。

(8)**复杂度分析**:传感器节点端加密总复杂度为O(CR×N2),测量矩阵采用MT19937 PRNG按需生成,仅需存储种子和更新逻辑,内存复杂度为O(1);基站端利用BCS-RVM结合DT-DWT执行重构,充分发挥基站强大计算能力。

**四、讨论与结论**

在讨论部分,研究人员指出框架在硬件资源约束、无线信道不可靠性和能耗权衡方面仍需进一步验证:低端传感器节点(如TelosB、MICAz或ESP32)的SRAM限制需通过流式实现逐行生成测量矩阵来适应;无线信道中的比特错误可能导致DNA解码过程中的错误传播;实际能耗节省需要通过硬件工具(如示波器、功率监测器)进行实时功率测量验证。

研究结论表明,该框架通过BCS、DNA编码和比特级XOR的有机结合,实现了图像数据的同步压缩与加密,动态混沌种子更新机制减少了内存需求并增强了安全性。仿真结果证明了高质量重构、统计攻击鲁棒性和显著的数据量缩减。未来工作将聚焦于硬件感知实现(如ESP32和ARM Cortex-M平台的定点算术优化)、实时WSN中的经验能量分析、通过纠错码和自适应BCS恢复增强抗信道噪声能力,以及超混沌集成、自适应压缩和基于深度学习的基站重构等算法改进,旨在为下一代物联网网络构建安全、高性能、能量高效的感知架构。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号