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
|
8天前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
8天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
104 68
|
17天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
16天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
18天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
1月前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
174 80
|
19天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
19天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。
|
24天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
27天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。