本文简介：密码系统设计的一个基本准则是尽量引入非线性操作来增强系统的安全性，分数梅林变换是输入函数在对数一极坐标下的FrMT，其变换具有非线性。利用线性同余伪随机序列发生器参数的敏感性，生成实对称随机矩阵随机化离散FrMT的核矩阵。在保持FrMT非线性属性的基础上，与FrMT相比，随机FrMT的密钥灵敏度大幅改善，对于是指输入的图形，便于密文的存储与传输。图像加密算法分数梅林变换：二维函数f（x，y）的分数
密码系统设计的一个基本准则是尽量引入非线性操作来增强系统的安全性，分数梅林变换是输入函数在对数一极坐标下的FrMT，其变换具有非线性。利用线性同余伪随机序列发生器参数的敏感性，生成实对称随机矩阵随机化离散FrMT的核矩阵。在保持FrMT非线性属性的基础上，与FrMT相比，随机FrMT的密钥灵敏度大幅改善，对于是指输入的图形，便于密文的存储与传输。
图像加密算法
分数梅林变换：
二维函数f（x，y）的分数梅林变换定义为：
其中：C为常数，P1,P2分别为x，y方向的变换阶次。分数梅林变换的一种快速实现方法是将f（x，y）由笛卡尔坐标系转换到对数一级坐标中，再对转换结果实施FrMT，即
对数一级坐标变换定义如下：
对数一级坐标变换决定了分数梅林变换具有非线性属性。
数字图像加密过程
根据式（2）的类推，FrMT的实现可以在离散分数傅立叶变换的基础上得到。图像的加密和解密过程如图一所示。
待加密的二维数字图像A的FrMT的矩形形式为
其中：T表示矩阵转换，p是FrMT的分数阶。变换矩阵为
Hp=VDpVr（5）
其中V为本征向量矩阵，Dp为FrMT的本值的对角矩阵，引入LCG随机化本征向量V，即随机化了FrMT的核矩阵，LCG的递推关系为：
利用LCG生成的伪随机序列号，重构一个2维随机矩阵R，并通过计算得到一个实数对称矩阵S：
数值计算矩阵S的归一化本征向量，得到实数的本征向量矩阵V,S是对称的随机矩阵，由它计算得到的本征向量矩阵相互正交，且具有随机性。矩阵S与H满足乘积交换关系，他们具有相同的本质向量；随机话的V作为1的本征向量矩阵，也即随机化了FrMT的核矩阵，从而得到随机FrMT。随机FrMT 有FrMT良好的数学性质，且具有变换普能量均匀分布和半周几实数化的特点，则会对图像加密来说十分有益。
原始图像通过由对数一级坐标变换和随机FrMT构造的随机FrMT，完成图像素指和位置的双重加密。得到白噪声的密文。对于实值输入信号。随机分数傅立叶变换的输入结果是实值的，可节省密文的存储空间，减轻传输负担。密文的解密过程通过FrMT的逆转换完成。
立即下载试用基于动态信任的内生安全架构
动态信任是一种新型的信息安全架构，近年来随着物联网、云计算和移动化等技术的发展而逐渐受到关注。传统的信息安全架构往往是建立在固定的信任模型之上，而动态信任则更加灵活和自适应，可以根据实际情况动态调整信任度，从而提高整个系统的安全性。本文将从以下几个方面来探讨基于动态信任的内生安全架构，包括动态信任的概念、功能特点、应用场景、实现方法等。
一、动态信任的概念
动态信任是指基于多方交互和数据分析，根据实时风险评估结果自适应调整信任度的一种信任模型。它与传统的访问控制模型不同，传统模型是基于身份验证和访问授权来限制访问权限的，而动态信任则更加注重实时风险评估和动态调整信任度。动态信任由于其灵活性和自适应性被广泛应用于物联网、云计算和移动化等领域，成为一种新型的内生安全框架。
二、动态信任的功能特点
1、实时风险评估
动态信任的核心是实时风险评估，通过对多方交互数据的分析、模型预测和机器学习等方法，从而实现对用户、设备、应用以及网络等方面的风险评估。同时，动态信任支持多种评估方法，可以根据实际情况选择不同的评估方法来评估系统的安全性。
2、动态调整信任度
动态信任可以根据实时风险评估结果自适应调整信任度，从而提高整个系统的安全性。例如，对于一个新的设备或应用，由于缺少足够的信任度，系统可以限制其访问权限，等到其表现良好后再逐步增加信任度。另外，在不同的应用场景中，可以根据不同的容错需求设置不同的信任阈值，从而更加灵活地调整系统的安全性。
3、安全事件的自适应响应
基于动态信任的内生安全框架可以根据实时风险评估结果自适应响应安全事件，例如实时阻断异常访问或异常信任行为等，从而保护整个系统的安全。另外，动态信任还可以实现安全威胁预警和安全日志审计等功能，为后续的安全事件响应提供支持。
三、动态信任的应用场景
基于动态信任的内生安全框架适用于物联网、云计算和移动化等领域，可以提高系统的安全性和稳定性。具体应用场景如下：
1、物联网领域
对于物联网场景，动态信任可以实现对设备、应用、用户等的实时风险评估和动态信任管理，从而保护整个物联网系统的安全。例如，可以基于设备的行为、属性等数据进行风险评估，判断设备是否存在安全风险，并进行相应的防御措施。
2、云计算领域
对于云计算场景，动态信任可以实现对用户、应用、网络等的实时风险评估和自适应调整信任度，从而提高整个云计算系统的安全性和稳定性。例如，可以根据用户的访问情况和应用的行为数据等进行风险评估，判断用户和应用是否存在安全风险，并相应的限制其访问权限。
3、移动化场景
对于移动应用场景，动态信任可以实现对应用、用户等的实时风险评估和自适应调整信任度，从而保护整个移动应用系统的安全。例如，可以根据应用的行为数据、用户的位置信息等进行风险评估，判断应用和用户是否存在安全风险，并相应的限制其访问权限。
四、动态信任的实现方法
基于动态信任的内生安全框架的实现方法主要包括以下几个方面：
1、机器学习技术
机器学习技术可以实现对多方交互数据的分析和预测，进而实现实时风险评估和动态信任管理。例如，可以使用支持向量机、神经网络、朴素贝叶斯等算法对数据进行分类和预测，从而实现安全风险评估。
2、分布式计算技术
分布式计算技术可以实现对大规模数据的分析和处理，多种评估方法的实现和系统的扩展性等。例如，可以使用MapReduce等分布式计算技术来实现大规模数据的分析和处理，从而提高系统的效率和准确性。
3、安全日志管理技术
安全日志管理技术可以实现对安全事件的记录、分析和响应等功能，从而提高系统的安全性和稳定性。例如，可以使用SIEM技术来实现安全事件的实时监测、分析和响应，从而提供相应的安全保障。
总之，基于动态信任的内生安全框架是一种新型的信息安全架构，其具有灵活性和自适应性等特点，可以根据实际情况动态调整信任度，提高整个系统的安全性。在物联网、云计算和移动化等领域具有广泛的应用前景，同时也面临着各种技术挑战和安全威胁。因此，我们需要进一步探索动态信任技术的研究和应用，并积极探索基于动态信任的内生安全框架的实现方法和应用策略，从而实现网络信息安全的可靠保障。
本文为收集整理，文章部分观点不代表本站观点，如有侵权或其它问题请反馈客服。/cjwt/16478.html