基于DNA序列的图像加解密算法仿真

本文涉及的产品
密钥管理服务KMS,1000个密钥,100个凭据,1个月
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
|
1天前
|
算法 安全
分别使用OVP-UVP和OFP-UFP算法以及AFD检测算法实现反孤岛检测simulink建模与仿真
本课题通过Simulink建模与仿真,实现OVP-UVP、OFP-UFP算法及AFD检测算法的反孤岛检测。OVP-UVP基于电压幅值变化,OFP-UFP基于频率变化,而AFD则通过注入频率偏移信号来检测孤岛效应,确保电力系统安全稳定运行。系统使用MATLAB 2013b进行建模与仿真验证。
|
1天前
|
传感器 算法 C语言
基于无线传感器网络的节点分簇算法matlab仿真
该程序对传感器网络进行分簇,考虑节点能量状态、拓扑位置及孤立节点等因素。相较于LEACH算法,本程序评估网络持续时间、节点死亡趋势及能量消耗。使用MATLAB 2022a版本运行,展示了节点能量管理优化及网络生命周期延长的效果。通过簇头管理和数据融合,实现了能量高效和网络可扩展性。
|
13天前
|
算法
基于ACO蚁群优化的UAV最优巡检路线规划算法matlab仿真
该程序基于蚁群优化算法(ACO)为无人机(UAV)规划最优巡检路线,将无人机视作“蚂蚁”,巡检点作为“食物源”,目标是最小化总距离、能耗或时间。使用MATLAB 2022a版本实现,通过迭代更新信息素浓度来优化路径。算法包括初始化信息素矩阵、蚂蚁移动与信息素更新,并在满足终止条件前不断迭代,最终输出最短路径及其长度。
|
16天前
|
机器学习/深度学习 算法
基于心电信号时空特征的QRS波检测算法matlab仿真
本课题旨在通过提取ECG信号的时空特征并应用QRS波检测算法识别心电信号中的峰值。使用MATLAB 2022a版本实现系统仿真,涵盖信号预处理、特征提取、特征选择、阈值设定及QRS波检测等关键步骤,以提高心脏疾病诊断准确性。预处理阶段采用滤波技术去除噪声,检测算法则结合了一阶导数和二阶导数计算确定QRS波峰值。
|
16天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的GroupCNN分组卷积网络时间序列预测算法matlab仿真
本项目展示了一种结合粒子群优化(PSO)与分组卷积神经网络(GroupCNN)的时间序列预测算法。该算法通过PSO寻找最优网络结构和超参数,提高预测准确性与效率。软件基于MATLAB 2022a,提供完整代码及详细中文注释,并附带操作步骤视频。分组卷积有效降低了计算成本,而PSO则智能调整网络参数。此方法特别适用于金融市场预测和天气预报等场景。
|
20天前
|
算法
基于极大似然算法的系统参数辨识matlab仿真
本程序基于极大似然算法实现系统参数辨识,对参数a1、b1、a2、b2进行估计,并计算估计误差及收敛曲线,对比不同信噪比下的误差表现。在MATLAB2022a版本中运行,展示了参数估计值及其误差曲线。极大似然估计方法通过最大化观测数据的似然函数来估计未知参数,适用于多种系统模型。
|
22天前
|
机器学习/深度学习 算法
基于小波神经网络的数据分类算法matlab仿真
该程序基于小波神经网络实现数据分类,输入为5个特征值,输出为“是”或“否”。使用MATLAB 2022a版本,50组数据训练,30组数据验证。通过小波函数捕捉数据局部特征,提高分类性能。训练误差和识别结果通过图表展示。
|
28天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
|
28天前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
|
2月前
|
算法
基于模糊控制算法的倒立摆控制系统matlab仿真
本项目构建了一个基于模糊控制算法的倒立摆控制系统,利用MATLAB 2022a实现了从不稳定到稳定状态的转变,并输出了相应的动画和收敛过程。模糊控制器通过对小车位置与摆的角度误差及其变化量进行模糊化处理,依据预设的模糊规则库进行模糊推理并最终去模糊化为精确的控制量,成功地使倒立摆维持在直立位置。该方法无需精确数学模型,适用于处理系统的非线性和不确定性。
基于模糊控制算法的倒立摆控制系统matlab仿真
下一篇
无影云桌面