【图像加密】基于Halton 序列进行图像加密 有位置扰乱和像素扰乱附Matlab代码
✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。
🍎 往期回顾关注个人主页：Matlab科研工作室
👇 关注我领取海量matlab电子书和数学建模资料
🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。
🔥 内容介绍
一、背景
（一）图像加密的必要性
在当今数字化信息时代，图像作为信息传播的重要媒介，广泛应用于各个领域，如医疗、军事、金融、社交媒体等。这些图像可能包含敏感信息，如医疗图像中的患者隐私数据、军事图像中的战略情报等。随着网络技术的发展，图像在传输和存储过程中面临着诸多安全威胁，如被窃取、篡改、非法复制等。为了保护图像信息的安全性和保密性，图像加密技术应运而生，它通过对图像进行特定的变换，使得未经授权的用户无法获取图像的原始内容。
（二）传统图像加密方法的局限
传统的图像加密方法主要包括基于置换和扩散的方法。置换方法通过重新排列图像像素的位置来打乱图像的视觉结构，扩散方法则通过改变像素值，使图像的统计特性发生变化。然而，这些传统方法在面对日益强大的攻击手段时，逐渐暴露出一些局限性。例如，简单的置换和扩散操作容易受到统计分析攻击，攻击者可以通过分析加密图像的统计特性，如像素值的分布、相邻像素的相关性等，来破解加密算法。此外，传统方法的密钥空间有限，容易受到暴力破解攻击。
（三）Halton 序列在图像加密中的优势
Halton 序列是一种低差异序列，具有良好的均匀分布特性和伪随机性。将 Halton 序列应用于图像加密，可以为加密过程引入高度的不确定性和复杂性。其均匀分布特性能够确保图像的每个部分都能得到充分的加密处理，避免出现加密盲点；伪随机性则增加了攻击者破解加密算法的难度。通过利用 Halton 序列进行位置扰乱和像素扰乱，可以有效地提高图像加密的安全性和鲁棒性，克服传统图像加密方法的一些缺陷。
二、Halton 序列原理
（一）Halton 序列的生成
（二）Halton 序列的特性
均匀分布性：Halton 序列在单位区间 [0,1] 内具有良好的均匀分布特性。随着序列项数的增加，其点在单位区间内的分布越来越均匀，这意味着在图像加密中，基于 Halton 序列生成的变换参数能够均匀地作用于图像的各个部分，保证加密的一致性和全面性。
伪随机性：虽然 Halton 序列是确定性生成的，但它具有类似随机序列的性质，即相邻项之间没有明显的规律可循。这种伪随机性为加密过程带来了不确定性，使得攻击者难以预测加密变换的具体操作，增加了加密的安全性。
三、基于 Halton 序列的位置扰乱原理
（一）图像位置扰乱的目的
位置扰乱旨在通过改变图像像素的空间位置，打乱图像的原有视觉结构，使加密后的图像看起来杂乱无章。这样，即使攻击者获取了加密图像，也难以从图像的视觉信息中获取有用内容。
（二）基于 Halton 序列的位置扰乱实现
⛳️ 运行结果
📣 部分代码
%加密：将每个像素的二进制交换
for i=1:clos %列
seqClos=sequence((i-1)*8+1:i*8,1);
[~,sortOrder]=sort(seqClos);
[~,sortOrder]=sort(sortOrder); %序列
for j=1:rows %行
pixelValue=imgInput(j,i);
pixelBin=dec2bin(pixelValue,8); %8位的二进制
tempBin=pixelBin;
for k=1:8
tempBin(1,k)=pixelBin(1,sortOrder(k));
end
imgOutput(j,i)=bin2dec(tempBin);
end
end