智能家居物联网多图像超混沌压缩感知加密算法：安全与效率的协同优化

（编辑推荐）本文针对智能家居物联网(SH-IoT)中的图像安全难题，创新性地提出融合3D离散超混沌映射(3D hyperchaotic map)与压缩感知(CS)的多图像加密方案。通过跨平面置换(cross-plane permutation)和环形链扩散(ring chain diffusion)机制，在0.5压缩比下实现2481 kb/s加密速度及99.6% NPCR安全指标，为资源受限设备提供安全-效率-质量三重保障。

　　

亮点

• 新型3D离散超混沌映射增强动力学特性：通过三角扩展和交叉耦合克服传统低维混沌模型遍历性不足等缺陷，产生连续混沌区间、复杂分岔结构和更强正李雅普诺夫指数(Lyapunov exponent)。

• 非对称分离法构建加密单元：通过精细化设计实现安全性与计算效率的协同平衡，为后续置乱-扩散操作奠定基础。

• 多图像跨平面置换与环形链扩散机制：将单图像二维加密扩展到多图像三维空间，确保攻击者即使截获部分数据也无法重构有效信息。

• 真实场景性能测试：采用家具物联网设备采集的实际照片进行验证（区别于公开数据集），探究算法在真实应用场景中的表现。

压缩与加密

本节详解基于SH-IoT的多图像加密方法，分四阶段实施：

1. 密钥生成：加密密钥作为混沌映射初始值，生成用于构建测量矩阵（压缩感知）和随机矩阵（置乱-扩散）的序列；

2. 图像压缩：各图像块通过测量矩阵降维处理；

3. 三维置乱：利用超混沌序列对多图像进行跨平面像素重组；

4. 环形扩散：采用链式扩散结构实现像素值非线性变换，增强雪崩效应。

性能分析

从安全分析、统计特性、SH-IoT场景测试等多维度评估算法：

• 安全测试：包含密钥空间分析(>2²⁵⁶)、差分攻击抵抗性(NPCR 99.6%)、信息熵(>7.999)等；

• 实时性验证：在树莓派4B硬件平台实现0.2ms/帧处理速度；

• 场景适应性：针对监控视频、用户行为记录等异构数据保持稳定性能。

结论与讨论

本文提出的超混沌映射模型(公式1)具有优异随机性和遍历性：相图显示极少周期窗口，三个正LE值。算法针对SH-IoT设备算力限制，采用压缩感知技术实现动态压缩比调节(0.1-0.9)，在Xilinx Zynq-7000 FPGA上资源占用率仅18.7%。未来将探索量子混沌系统在轻量级加密中的应用。