13、混沌图像加密与信息论密码学：现状、生态系统与量子启发AI的前景

混沌图像加密与信息论密码学：现状、生态系统与量子启发AI的前景

1. 混沌图像加密中的神经网络应用

在混沌图像加密领域，神经网络（NNs）的应用十分广泛。

1.1 神经网络同步

关于神经网络同步的研究非常丰富。研究技术包括周期性自触发脉冲（PSTI）控制、神经激活函数和无界延迟。涉及同步研究的神经网络类型也多种多样，比如耦合跳跃延迟神经网络阵列、具有混合延迟的反应扩散神经网络以及混沌忆阻多向联想记忆神经网络（MAMNNs）。

1.2 混沌加密中的神经网络

Thoms等人提出了一种使用密钥控制神经网络的加密算法，其密钥生成基于混沌洛伦兹系统。该算法专为数字流量加密设计，密码分析表明其性能与现有算法相当或更优。

1.3 混沌图像加密中的神经网络

在混沌图像加密中，神经网络的常见用途是生成密钥流。例如，Han等人提出使用从逻辑映射训练的HCNN，Fang等人也有相关提议。此外，Qingmei和Guodong利用CeNNs的超混沌特性实现混沌图像加密，MATLAB模拟结果显示出强大的密码学特性。

1.4 类神经图像加密

Zhang等人提出了一种使用类神经元方案的图像加密算法，利用图像信息调整神经元权重以实现有效的像素扩散，模拟结果证明了其强大的密码学特性。

1.5 组合优化问题

许多计算中的重要问题，如最短路径问题、旅行商问题（TSP）、蜂窝信道分配（CeCA）以及更普遍的排序和资源分配问题，使用穷举搜索的效率极低。为找到最优解，神经网络得到了应用：
- Shiyu和Jianying使用CNN优化最短