یک روش درهم سازی تصویر مبتنی بر هم افزایی شبکه های عصبی خودرمزنگار و کانولوشنال

با گسترش شبکه های ارتباطی و توسعه روز افزون حجم اطلاعات تصویری ابزارهای مختلفی برای دستکاری و ویرایش مجاز یا غیر مجاز تصاویر تولید شده اند مقوله امنیت اطلاعات تصویری به موضوعی بسیار مهمتر از قبل تبدیل شده است. در کنار روشهای رمزنگاری اطلاعات روشهای درهم سازی به ابزاری موثر برای پنهان سازی محتویات مفهومی تصاویر مبدل شده اند که علاوه بر کمک به تامین امنیت، به سیستم های بازیابی یا جستجوی اطلاعات تصویری نیز کمک شایانی میکنند به خاطر حساسیت روشهای سنتی درهم سازی به تغییرات تصویر اصلی و یا حملات پردازشی طی سالهای اخیر روشهای مبتنی بر یادگیری و به خصوص یادگیری عمیق مورد توجه قرار گرفته اند ابزارهایی نظیر شبکه های خود رمزنگار و شبکه های کانولوشنال به واسطه کاربرد گسترده خود در حوزه پردازش تصویر میتوانند در حوزه درهم سازی نیز موثر واقع شوند. در این پایان نامه روشی جدید مبتنی بر ترکیب شبکه های خودرمزنگار و شبکه های کانولوشنال برای بهبود در هم سازی تصاویر ارائه میشود ساختار مدل پیشنهادی با استفاده از نرم افزار Matlab پیاده سازی شده و روی مجموعه داده تصویری 10-CIFAR ، متشکل از 60 هزار تصویر رنگی با ابعاد 3 × 32 × 32 آموزش داده میشود نتایج آزمایشات نشان میدهد که روش پیشنهادی بهبود قابل توجهی در کاهش افت کیفیت و دقت بازیابی تصویر از نظر معیارهای NPCR ،UACI ،SSIM ،PSNR ،MSE و همبستگی تصویر و همچنین مقاومت بهتری در برابر حملات رمزشکنی ارائه میکند.

کلیدواژه ها:

یادگیری عمیق ، شبکه های عصبی ، درهم سازی ، شبکه های عصبی کانولوشنال ، شبکه های عصبی خودرمزگذار