一种基于卷积神经网络的加密解密算法

摘要

近年来，深度神经网络在语音识别和图像分类方面取得极大的成就，在全世界掀起了一股深度学习的热潮。信息安全关乎都个人的核心利益与隐私，对每个人都至关重要。目前深度学习方面在信息安全领域还涉及得比较少，主要还是应用在模式分类上。本文从一个新的方向，探索了深度学习在信息安全领域的研究。根据深度神经网络（DNNs）与人类视觉在图像分类上的区别，本文提出了一种新的加密解密算法，本文的工作具有重要的理论意义与实用价值。
　　本文首先详细分析了算法的原理：经过进化算法（EAs）梯度上升处理后的图片，人眼对其完全没法识别，但是经过训练的特定的深度神经网络能够以高于99％的置信度将其分类，经过处理的图片就是很好的信息隐藏方式，分类的结果就是需要加密或者隐藏的信息。同时对算法的可行性与适用范围进行了分析。然后利用Caffe搭建并训练了深度神经网络模型，得到并提取了网络的权值作为算法的密钥。利用Sferes进化算法框架来生成需要的噪声图片，这些图片通过DNNs分类得到的结果就是解密过程，可以得到需要的明文。
　　实验结果表明，该算法在一些信息（比如数字和字母）的加密解密可以做到很高的安全性与解密正确率。同时，由于分类标签是需要加密的明文，可以把分类标签设置成需要加密的明文，就可以实现对不同种类的信息的加密隐藏。同时，本文对算法的性能与安全性进行了详细地分析。

目录

声明

1 绪 论

1.1 研究背景和意义

1.2 神经网络在信息安全方面的研究现状

1.3 本文的主要工作

1.4 论文的组织结构

2 卷积神经网络与EAs算法

2.1 深度学习

2.2 卷积神经网络

2.3 EAs算法

2.4 本章小结

3 基于卷积神经网络的加密解密算法的原理

3.1 神经网络作图

3.2 深度神经网络与人类视觉在图像分类上的差异

3.3 一种基于深度神经网络的加密解密算法的原理

3.4 本章小结

4 算法的实现与应用

4.1 Caffe的搭建与训练

4.2 数字的加密解密的实现

4.3 其他类型的信息的加密解密实现

4.4 算法的能分析与安全性分析

4.5 本章小结

5 总结与展望

5.1 总结

5.2 展望

致谢

参考文献