用于图像加密与解密的浅编码器深解码器（SEDD）网络
机器学习
2020-05-19 v2 密码学与安全
机器学习
摘要
本文探索了一种使用简单浅编码器神经网络E进行加密、复杂深解码器神经网络D进行解密的有损图像加密与解密新框架。E保持简单，以便编码可在低功耗便携设备上完成，并且原则上可以是输出编码向量的任意非线性函数。D使用从E获得的图像-编码向量对数据集进行训练以解码编码，且独立于E进行。由于编码来自E，而E虽为简单神经网络，仍具有数千个随机参数，因此若无D，编码在实践中将几乎不可能被破解。该方法不同于自编码器，因为D完全独立于E训练，尽管结构可能看似相似。因此，本文还实证探索了深度神经网络能否以任何有用形式重建原始数据，给定神经网络或任何其他非线性函数的输出，这在密码分析中有非常有用的应用。实验通过对D解码图像的定性与定量评估以及一些局限性，展示了该框架的潜力。
引用
@article{arxiv.2001.03017,
title = {Shallow Encoder Deep Decoder (SEDD) Networks for Image Encryption and Decryption},
author = {Chirag Gupta},
journal= {arXiv preprint arXiv:2001.03017},
year = {2020}
}
备注
8 pages, 3 figures, preprint manuscript