7月26日，多媒体研究领域知名期刊IEEE Multimedia在线发表课题组最新研究成果“3D-BCNN Based Image Encryption with Finite Computing Precision”（有限计算精度环境下基于三维布尔卷积神经网络的图像加密）。

目前，混沌加密算法存在着算法设计思路单一、运算量大、有限计算精度等问题，基于深度学习的图像加密算法又普遍存在着效率和安全缺陷。针对上述问题，我们设计了一种全新的低计算精度环境下基于三维布尔卷积神经网络的图像加密框架。不同于传统卷积神经网络，我们所设计的三维布尔卷积神经网络仅含卷积层。在卷积层内部，设计了一种无需训练和参数优化的通道交叉三维布尔卷积运算。为增强算法的安全性和敏感性，由明文图像、组合素数模乘线性同余发生器和哈希函数SHA-1联合产生卷积核和卷积矩阵。三维布尔卷积神经网络的所有运算均可在字节长度为8的设备上运行。因此，所设计方案可以在低计算精度环境下良好运行。此外，上述设计框架下，不同的卷积核大小和卷积层数，可产生各种不同的加密算法。仿真结果表明，在最大计算精度2^-8时, 所设计算法具有高安全性和低计算复杂度，且可抵抗各种不同的攻击。

二维卷积运算                           三维卷积运算

三维卷积神经网络结构

以卷积核大小1×1×9、2层卷积为例，深度图像加密算法结构图

论文第一作者为硕士生孔凯，通讯作者为武相军教授。

论文链接：https://ieeexplore.ieee.org/document/9840898