基于量子长短期记忆网络的量子图像混沌加密方案

近年来,图像信息的传输安全性已经成为互联网领域的重要研究方向.本文提出了一种基于量子长短期记忆(quantum long-short term memory,QLSTM)网络的量子图像混沌加密方案.结果发现,因为QLSTM网络具有复杂的结构和较多的参数,应用QLSTM网络对Lorenz混沌序列进行改进,其最大Lyapunov指数比原序列提高2.5465％,比经典长短期记忆(long-short term memory,LSTM)网络改进的序列提高0.2844％,同时在0-1测试中结果更接近1且更稳定,因此QLSTM网络改进的序列具备更优异的混沌性能,更难以被预测,提高了单一混沌系统加密的安全性.运用 NCQI(novel quantum representation of color digital images)量子图像表示模型,将原始图像存储为量子态形式,利用QLSTM网络改进的序列分别控制三级径向扩散、量子广义Arnold变换和量子W变换,改变量子图像的灰度值与像素位置,生成最终的加密图像.本文提出的加密方案在统计学特性测试中,实现了 RGB三通道平均信息熵均大于7.999,像素数改变率的平均值达99.6047％,统一平均变化强度的平均值为33.4613％,平均相关性为0.0038等,比其他一些传统方法具有更高的安全性,能够抵抗常见的攻击方式.