[发明专利]基于FCN的图像信息加密方法及装置

说明书

本发明公开了一种基于FCN的图像信息加密方法及装置，涉及加密端和解密端，方法包括：通过加密端获取待加密图像M_a；采用预设图像压缩参数对待加密图像M_a进行图像压缩，生成压缩图像M_b；将压缩图像M_b输入到目标全卷积神经网络模型的编码网络部分，生成加密图像M_c；采用加密图像M_c、预设图像压缩参数和预设图像还原参数，构建加密数据并发送到解密端；通过解密端接收加密数据并采用目标全卷积神经网络模型的解码网络部分进行解码，生成解密图像M_d；采用预设图像还原参数对解密图像M_d进行图像还原，生成目标图像M_e。该方法解决了现有技术中由于密钥加密程度较低，导致信息传输的安全性较低的技术问题，提高信息传输的安全性。

技术领域

本发明涉及信息安全技术领域，尤其涉及一种基于FCN的图像信息加密方法及装置。

背景技术

随着互联网技术的成熟和广泛使用，人们的信息交流方式同样变得越发便捷。随着用户数据在网络上的不停传输和交互，在信息交流便捷化的同时也带来了隐私信息泄露的安全隐患。

而加密是防止信息传输过程中信息泄露所采取的主要安全保密措施，是最常用的安全保密手段。加密的基本思想是利用诸如算法等一些技术方法把重要的数据变为乱码以进行加密传送，到达目的地后再用相同或不同的手段进行还原解密。

传统的信息传输方法通常是通过密钥进行加解密的方式进行信息传输，加密程度较低，如果密钥被攻击者获取的话，加密信息就很容易被攻击者所窃取，安全性较低。

发明内容

本发明提供了一种基于FCN的图像信息加密方法、系统、设备和存储介质，解决了现有技术中由于密钥加密程度较低，导致信息传输的安全性较低的技术问题。

本发明提供的一种基于FCN的图像信息加密方法，涉及加密端和解密端，所述方法包括：

通过所述加密端获取待加密图像M_a；

通过所述加密端采用预设图像压缩参数对所述待加密图像M_a进行图像压缩，生成压缩图像M_b；

通过所述加密端将所述压缩图像M_b输入到目标全卷积神经网络模型的编码网络部分，生成加密图像M_c；

通过所述加密端采用所述加密图像M_c、所述预设图像压缩参数和预设图像还原参数，构建加密数据并发送到所述解密端；

通过所述解密端接收所述加密数据并采用所述目标全卷积神经网络模型的解码网络部分进行解码，生成所述解密图像M_d；

通过所述解密端采用所述预设图像还原参数对所述解密图像M_d进行图像还原，生成目标图像M_e；

其中，所述目标全卷积神经网络模型通过预置的模型训练过程生成。

可选地，所述模型训练过程包括：

采用预置卷积模块构建预置的初始全卷积神经网络模型的编码网络部分，采用预置反卷积模块构建所述初始全卷积神经网络模型的解码网络部分，并采用高斯分布随机数初始化所述初始全卷积神经网络模型的所有模型参数；

以均匀分布随机方式创建多个尺寸为的灰度图作为训练样本并进行标定，生成多个已标定训练样本；其中，N_en和m均为整数，0≤m≤255；

采用多个已标定训练样本分别组成训练集和测试集；

采用所述训练集训练所述初始全卷积神经网络模型，得到目标全卷积神经网络模型。