基于DNA序列的图像加解密算法仿真

简介: 基于DNA序列的图像加解密算法仿真

1.算法仿真效果
matlab2022a仿真结果如下:
0e41ae8a441c1f4a0199df7ca0963deb_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
7b88f0935d76f4c77fdafbc8aecc3d5f_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要

   随着互联网和通信行业的快速发展,信息安全也越来越受关注,由此很多数据加密算法被提出,并被大量使用,例如AES算法,DES算法等,由于人在生活中所获得的信息大部分来自于视觉,图像就成为了人类生活活动中最常见的信息载体.高辨识率的图像越来越受人们的欢迎,使得数字图像具有数据量大,冗余度高,像素之间相关性强等特征,传统的数据加密算法不适用于数字图像加密[1-2],为防止图像信息泄露,人们提出了很多不同的加密算法文献[3-6],其目的是将有意义的原始图像转换为无法识别或类似噪声的密文图像,从而达到对原始图像进行保护的效果.例如,在图像加密算法中,人们提出了很多位级的图像加密算法.因为与像素级置乱相比,比特置乱的优点是可以同时改变像素位置和像素值,而且具有较好的加密效果.文献[4]的置换过程中利用广义Arnold映射生成的随机序列对彩色图像的三维位矩阵进行置乱,再用交叉方式对置乱后的三个平面分量进行扩散,性能分析表明加密方案是安全有效的.而近年来,基于DNA的图像加密方案越来越受研究者的关注,因为DNA技术具有并行性高、存储量大、功耗低的特点,同时还可以在DNA碱基之间进行操作.所以很多研究者将混沌系统和DNA编码结合.文献[5]采用了一种跨信道操作的图像加密方案,采用DNA减法和异或运算对普通图像的红、绿、蓝信道进行交叉操作,提高普通图像的随机性.在文献[6]中,作者对产生的混沌序列进行8等分,来产生DNA编码规则,但是这样产生的编码序列存在缺点.因为混沌序列分布不均匀的问题会导致选取DNA编码规则的次数相差较大的现象,使得攻击者可以通过统计分析很容易获得一些与原始图像相关并且有用的信息.

   为了解决数字图像加密算法复杂度高、安全性较差的问题,提出一种基于混沌系统的DNA融合图像加密算法。首先利用Baker变换对图像进行置乱以读取DNA序列;再由Logistic混沌映射产生混沌序列,从而对DNA序列进行混沌加密。该算法对初值具有很好的敏感性,抗统计、抗差分攻击能力强。

     一个链DNA,由四个不同的基本核苷酸组成:腺嘌呤( A)、胸腺嘧啶(T)、胞嘧啶(C)和鸟嘌呤(G),这4种核苷酸能够结合在一起形成一条长序列,且A与T配对,C与G配对。通过规定A、C、G、T分别编码为00,01,10,11,这样的编码方案有24种,但只有8种编码方案满足Watson-Crick规则,如表1。假设规定A-OO、T-O1、C-10、G-11,如二进制序列101 10100,DNA序列可以写成GTCA。

a33f68257553dc4a4f71ad352b2a7419_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   随着DNA计算的飞速发展,一些研究人员提出基于DNA序列的某些生物学操作和代数运算,如加法运算。DNA序列加法和减法运算是源于在传统二进制中加法和减法。

    对应于8种DNA编码方案,也存在8种DNA加法运算和8种DNA减法运算。如表2—3所示,从中可看出任何一个基因在每行或列中是唯一的,即加法运算和减法运算的结果有且只有一个。

3.MATLAB核心程序

 
    t  = length(img);
    a1 = bitand(img,192)/64;
    a2 = bitand(img,48)/16;
    a3 = bitand(img,12)/4;
    a4 = bitand(img,3);
    A  =[a1,a2,a3,a4];    
    %rule_pointer
    if rule==1
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='A';
                elseif A(i,j)==1
                    dna_code(i,j)='C';
                elseif A(i,j)==2
                    dna_code(i,j)='G';
                else
                    dna_code(i,j)='T';
                end
            end
        end
    end
    if rule==2
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='A';
                elseif A(i,j)==1
                    dna_code(i,j)='G';
                elseif A(i,j)==2
                    dna_code(i,j)='C';
                else
                    dna_code(i,j)='T';
                end
            end
        end
    end
 
    if rule==3
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='T';
                elseif A(i,j)==1
                    dna_code(i,j)='C';
                elseif A(i,j)==2
                    dna_code(i,j)='G';
                else
                    dna_code(i,j)='A';
                end
            end
        end
    end
    if rule==4
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='T';
                elseif A(i,j)==1
                    dna_code(i,j)='G';
                elseif A(i,j)==2
                    dna_code(i,j)='C';
                else
                    dna_code(i,j)='A';
                end
            end
        end
    end
    if rule==5
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='G';
                elseif A(i,j)==1
                    dna_code(i,j)='A';
                elseif A(i,j)==2
                    dna_code(i,j)='T';
                else
                    dna_code(i,j)='C';
                end
            end
        end
    end
    if rule==6
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='G';
                elseif A(i,j)==1
                    dna_code(i,j)='T';
                elseif A(i,j)==2
                    dna_code(i,j)='A';
                else
                    dna_code(i,j)='C';
                end
            end
        end
    end
    if rule==7
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='C';
                elseif A(i,j)==1
                    dna_code(i,j)='A';
                elseif A(i,j)==2
                    dna_code(i,j)='T';
                else
                    dna_code(i,j)='G';
                end
            end
        end
    end
    if rule==8
        for i=1:t
            for j=1:4*t
                if  A(i,j)==0
                    dna_code(i,j)='C';
                elseif A(i,j)==1
                    dna_code(i,j)='T';
                elseif A(i,j)==2
                    dna_code(i,j)='A';
                else
                    dna_code(i,j)='G';
                end
            end
        end
    end
else
[m,n]=size(img);
if rule==1
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=0;
            elseif img(i,j)=='T'
                A(i,j)=3;
            elseif img(i,j)=='G'
                A(i,j)=2;
            else
                A(i,j)=1;
            end
        end
    end
end
if rule==2
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=0;
            elseif img(i,j)=='T'
                A(i,j)=3;
            elseif img(i,j)=='G'
                A(i,j)=1;
            else
                A(i,j)=2;
            end
        end
    end
end
if rule==3
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=3;
            elseif img(i,j)=='T'
                A(i,j)=0;
            elseif img(i,j)=='G'
                A(i,j)=2;
            else
                A(i,j)=1;
            end
        end
    end
end
if rule==4
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=3;
            elseif img(i,j)=='T'
                A(i,j)=0;
            elseif img(i,j)=='G'
                A(i,j)=1;
            else
                A(i,j)=2;
            end
        end
    end
end
if rule==5
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=1;
            elseif img(i,j)=='T'
                A(i,j)=2;
            elseif img(i,j)=='G'
                A(i,j)=0;
            else
                A(i,j)=3;
            end
        end
    end
end
if rule==6
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=2;
            elseif img(i,j)=='T'
                A(i,j)=1;
            elseif img(i,j)=='G'
                A(i,j)=0;
            else
                A(i,j)=3;
            end
        end
    end
end
if rule==7
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=1;
            elseif img(i,j)=='T'
                A(i,j)=2;
            elseif img(i,j)=='G'
                A(i,j)=3;
            else
                A(i,j)=0;
            end
        end
    end
end
if rule==8
    for i=1:m
        for j=1:n
            if img(i,j)=='A'
                A(i,j)=2;
            elseif img(i,j)=='T'
                A(i,j)=1;
            elseif img(i,j)=='G'
                A(i,j)=3;
            else
                A(i,j)=0;
            end
        end
    end
end
A1=A(:,1:m);
A2=A(:,m+1:2*m);
A3=A(:,2*m+1:3*m);
A4=A(:,3*m+1:4*m);
dna_code=A1*64+A2*16+A3*4+A4;
end
相关文章
|
13天前
|
算法
基于MPPT算法的光伏并网发电系统simulink建模与仿真
本课题基于MATLAB/Simulink搭建光伏并网发电系统模型,集成PV模块、MPPT算法、PWM控制与并网电路,实现最大功率跟踪与电能高效并网。通过仿真验证系统在不同环境下的动态响应与稳定性,采用SVPWM与电流闭环控制,确保输出电流与电网同频同相,满足并网电能质量要求。
|
13天前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
13天前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
25天前
|
算法 数据建模 调度
【INC-MPPT】增量导纳算法追踪光伏的最大功率点用于光伏的并网接入研究(Simulink仿真实现)
【INC-MPPT】增量导纳算法追踪光伏的最大功率点用于光伏的并网接入研究(Simulink仿真实现)
|
19天前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
130 3
|
23天前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
|
25天前
|
传感器 机器学习/深度学习 算法
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
【UASNs、AUV】无人机自主水下传感网络中遗传算法的路径规划问题研究(Matlab代码实现)
|
23天前
|
机器学习/深度学习 传感器 算法
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
【高创新】基于优化的自适应差分导纳算法的改进最大功率点跟踪研究(Matlab代码实现)
140 14
|
19天前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
|
19天前
|
canal 算法 vr&ar
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)
【图像处理】基于电磁学优化算法的多阈值分割算法研究(Matlab代码实现)

热门文章

最新文章