摘要： 為改進基于低維系統(tǒng)設(shè)計的加密算法存在密鑰空間小等缺陷，構(gòu)造了一個新的五維復(fù)混沌系統(tǒng)，利用相圖、平衡點、參數(shù)的影響、Lyapunov指數(shù)譜、分岔圖以及譜熵復(fù)雜度探究了其混沌動力學(xué)性質(zhì)。研究發(fā)現(xiàn)復(fù)系統(tǒng)動力學(xué)行為豐富，較低維系統(tǒng)更適合應(yīng)用于圖像加密算法。進而，基于此系統(tǒng)，提出了一個新的加密方案。該方案包括三次擴散及一次置亂，可以很好地增加圖像傳輸中的安全性。最后，通過計算密鑰空間、信息熵、相鄰像素相關(guān)性等對此加密方案進行性能分析。分析結(jié)果表明，所設(shè)計的加密方案具有較大的密鑰空間，擁有良好的加密效果和抵擋外部攻擊的能力。

關(guān)鍵詞： 復(fù)混沌系統(tǒng)；Zigzag變換；有限域理論；圖像加密

中圖分類號： TP309.7; O415.5文獻標識碼： A

Image Encryption Algorithm Based on a Complex Chaotic System

WANG Yue， AN Xinlei， SHI Qianqian， LIU Siyang

（School of Mathematics and Physics， Lanzhou Jiaotong University， Lanzhou 730070， China）

Abstract：In order to improve the small key space of the encryption algorithm based on low-dimensional system design， a new five-dimensional complex chaotic system is constructed， and its chaotic dynamics properties are studied by using phase diagram， equilibrium point， Lyapunov exponential spectrum， bifurcation diagram and spectral entropy complexity. It is found that the dynamic behavior of this system is rich， and it is more suitable for image encryption algorithm than low-dimensional system. Furthermore， based on this system， a new encryption scheme is proposed in this paper. The scheme includes three diffusion and one scrambling， which can increase the security of image transmission. Finally， the performance of the encryption scheme is analyzed by calculating key space， information entropy， correlation of adjacent pixels and so on. The analysis results show that the encryption scheme designed in this paper has a large key space， good encryption effect and the ability to resist external attacks.

Keywords： complex chaotic system; Zigzag transform; finite field theory; image encryption

0 引言

隨著信息技術(shù)的發(fā)展，越來越多的圖像進入網(wǎng)絡(luò)，威脅著人們的隱私與安全。與同為信息載體的文字不同，圖像具有數(shù)據(jù)量大、圖像信息相關(guān)性強等固有特性。因此，傳統(tǒng)的加密方法（如數(shù)據(jù)加密標準（DES）等）并不適用于圖像加密。而混沌理論的蓬勃發(fā)展，混沌映射與混沌系統(tǒng)因其初值敏感性以及不可預(yù)測性等特點逐漸進入大眾視野［1］。自Matthews R［2］首次將混沌理論與圖像加密算法相結(jié)合以來，混沌密碼學(xué)進入了快速發(fā)展時期，越來越多基于混沌系統(tǒng)的圖像加密算法被提出［37］。例如，文獻［6］將一個4維超混沌Lorenz系統(tǒng)結(jié)合傳統(tǒng)的RSA加密算法，從測試數(shù)據(jù)表明該算法可以有效提高密文的抗攻擊能力。文獻［7］將超Chen系統(tǒng)與有限域理論相結(jié)合，利用一次置亂和兩次擴散對明文圖像進行加密，實驗結(jié)果表明該算法具有較大的密鑰空間。

混沌系統(tǒng)的復(fù)雜性與加密算法的安全性息息相關(guān)，一般來說，系統(tǒng)越復(fù)雜，將其運用在圖像加密中的效果越好。因此，許多學(xué)者針對混沌系統(tǒng)做出了創(chuàng)新［812］。比如，劉等［8］提出一種基于量子隨機行走并涉及Lorenz和Rssler多維混沌的三維圖像加密算法，有效提高了圖像在傳輸過程中的安全性。安等［9］設(shè)計了一種電磁感應(yīng)效應(yīng)下的混合神經(jīng)元模型，發(fā)現(xiàn)其具有復(fù)雜的模型結(jié)構(gòu)和高非線性特點，進而應(yīng)用于圖像加密使加密算法的復(fù)雜性顯著提高。Yang等［10］介紹了一個分數(shù)階混沌系統(tǒng)，經(jīng)過數(shù)值仿真發(fā)現(xiàn)其動力學(xué)行為豐富，運用在圖像加密中可以有效增加算法的安全性。提高系統(tǒng)的維數(shù)是提高混沌系統(tǒng)復(fù)雜性的方法之一。目前許多研究均基于低維系統(tǒng)［1314］，其往往具有密鑰空間小等缺陷。而復(fù)混沌系統(tǒng)的復(fù)變量包括實部和虛部，是實系統(tǒng)變量的兩倍，進而增加了系統(tǒng)的復(fù)雜性，應(yīng)用在圖像加密算法中效果更好［15］。

本文構(gòu)造了一個新的五維超混沌系統(tǒng)，通過相圖等探究了這個系統(tǒng)的動力學(xué)行為，探究發(fā)現(xiàn)其具有復(fù)雜的動力學(xué)行為，應(yīng)用在加密算法中效果較好?；诖税l(fā)現(xiàn)，設(shè)計了一個圖像加密方案，此方案主要過程為“擴散—擴散—置亂—擴散”，然后獲得密文圖像。最后通過計算密鑰空間、像素直方圖等對此方案進行測試，測試結(jié)果表明：本文設(shè)計的加密方案可以有效隱藏明文圖像信息，并且具有良好的抵抗統(tǒng)計攻擊的能力。

1 復(fù)混沌系統(tǒng)

文獻［1］基于經(jīng)典Lorenz系統(tǒng)設(shè)計了一個新的三維模型：

=－ax+6.7y+yz=－0.5xz+rx－by=0.8xy－cz+0.5yz（1）

其中，a，b，c，r為系統(tǒng)參數(shù)，當a=12.5，b=0.125，c=1.72，r=45時，系統(tǒng)（1）為混沌系統(tǒng)。

本文在系統(tǒng)（1）的基礎(chǔ)上得到一個新的系統(tǒng)，具體形式為

=－ax+6.7y+yz=－0.5xz+rx－by=0.4（y+x）－cz+0.5yz（2）

其中，x=u1+u2i，y=u3+u4i為復(fù)變量，z=u5為實變量。將系統(tǒng)（2）的實部和虛部分離，可得到其實數(shù)形式：

1=－au1+6.7u3+u3u52=－au2+6.7u4+u4u53=－0.5u1u5+ru1－bu34=－0.5u2u5+ru2－bu45=0.8u1u3+0.8u2u4－cu5+0.6u3u5（3）

其中，u u2，u3，u4，u5為狀態(tài)變量，a，b，c，r為系統(tǒng)參數(shù)。當a=14，b=0. c=3.7，r=45時，系統(tǒng)（3）是混沌的。取初值為（ 1），經(jīng)MATLAB仿真得到系統(tǒng)（3）的混沌吸引子，如圖1所示。此外，依據(jù)Wolf算法可以得到系統(tǒng)（3）在參數(shù)為a=14，b=0. c=3.7，r=45，初值為（ 1）下的Lyapunov指數(shù)分別為LE1=3.071 LE2=0.025 2，LE3=0.001 2，LE4=－10.086 LE5=－14.090 9。系統(tǒng)（3）有3個正Lyapunov指數(shù)，故系統(tǒng)為超混沌系統(tǒng)。超混沌系統(tǒng)的非線性動力學(xué)特性較普通系統(tǒng)的動力學(xué)特性復(fù)雜，運動軌跡多變，混沌序列的隨機性更強。進而，將系統(tǒng)（3）應(yīng)用到圖像加密中，能夠有效提高加密算法安全性和圖像信息的保密性。

2 動力學(xué)分析

2.1 平衡點及其穩(wěn)定性

令1=2=3=4=5=0，即

－au1+6.7u3+u3u5=0－au2+6.7u4+u4u5=0－0.5u1u5+ru1－bu3=0－0.5u2u5+ru2－bu4=00.8u1u3+0.8u2u4－cu5+0.6u3u5=0

取a=14，b=0. c=3.7，r=45，解得平衡點分別為S0=（0，0，0，0，0），S1=（0.015 4，0，7.427 4，0，－6.671 0），S2=（4.154 0，0，7.427 4，0，－6.671 0），S3=（－88.645 4，0，－12.837 7，0，89.971 0），S4=（32.413 5，0，4.694 2，0，89.971 0）。下面討論S0的穩(wěn)定性。

在S0處將系統(tǒng)（3）線性化，得到Jacobian矩陣為

J（S0）=－a06.7000－a06.70r0－b000r0－b00000－c=－1406.7000－1406.70450－0.1000450－0.100000－3.7

則其特征方程為det（λI－J（S0））=（λ+3.7）（λ+14）（λ+0.1）－301.52=0。解得特征值分別為λ1=－3.700 0，λ2、3bLdMf35vCcd9zhma9bzYsA===11.653 0，λ4、5=－25.753 0。由λ2、3為正實數(shù)，λ λ4、5為負實數(shù)，得平衡點S0是一個不穩(wěn)定的鞍點。同理可求得S S3，S4是不穩(wěn)定的鞍焦點，S2是不穩(wěn)定的鞍點［1］。

2.2 參數(shù)的影響

本節(jié)將運用數(shù)值方法探究參數(shù)b對系統(tǒng)（3）的影響。在固定參數(shù)a=14，c=3.7，r=45不變的前提下，分別令b=－8，b=－5，b=0.1，得到了1周期吸引子、２周期吸引子、混沌吸引子，如圖2所示，對應(yīng)的時間序列圖如圖3所示［16］。從圖2與圖3中可以看出系統(tǒng)（3）既有周期態(tài)也有混沌狀態(tài)，具有豐富的動力學(xué)行為，應(yīng)用在圖像加密算法中可以取得較好的加密效果。

2.3 分岔圖與Lyapunov指數(shù)譜

為進一步研究系統(tǒng)（3）的動力學(xué)行為，這一節(jié)將利用分岔圖與Lyapunov指數(shù)譜分析在參數(shù)不斷變化下，系統(tǒng)（3）的運動狀態(tài)。設(shè)置系統(tǒng)的初始條件不變，其它3個參數(shù)值固定，讓其中一個參數(shù)變化，得到相應(yīng)的分岔圖和Lyapunov指數(shù)譜分別如圖4和圖5所示［3］。需要注意圖5a中兩個指數(shù)與圖5b～d中3個指數(shù)恒小于0故未展示。對比發(fā)現(xiàn)，分岔圖和Lyapunov指數(shù)譜的變化是一致的。從圖4與圖5中也可以看出系統(tǒng)（3）具有豐富的動力學(xué)行為。

2.4 譜熵復(fù)雜度

系統(tǒng)生成的序列與隨機序列的近似程度稱為復(fù)雜度，復(fù)雜度是評價非線性系統(tǒng)動態(tài)性能的重要手段。一般地，系統(tǒng)復(fù)雜度越大，生成的序列越接近隨機序列，意味著該系統(tǒng)應(yīng)用在圖像加密中越安全。本文將分別以譜熵（Spectral Entropy， SE）、Lempl-Ziv（LZ）行為復(fù)雜度以及C0結(jié)構(gòu)復(fù)雜度對系統(tǒng)（3）的復(fù)雜度進行分析。分別令a∈［0，300］，b∈［－8，8］，c=3.7，r=45、

a∈［0，300］，b=0. c∈［0，15］，r=45、a∈［0，300］，b=0. c=3.7，r∈［10，100］得到系統(tǒng)（3）的復(fù)雜度分別如圖6、圖7、圖8所示?；煦鐖D的顏色程度代表了參數(shù)范圍內(nèi)混沌系統(tǒng)的復(fù)雜程度。深色意味著系統(tǒng)具有較高的復(fù)雜度值，并且隨機性能良好。相反，淺色意味著隨機性能較差。當混沌系統(tǒng)用于安全通信時，系統(tǒng)參數(shù)的選擇應(yīng)避開淺色區(qū)域。

3 基于超混沌系統(tǒng)的加密與解密算法

3.1 改進的Zigzag變換

Zigzag變換是一種掃描置亂算法，標準的Zigzag變換過程是從矩陣的左上角數(shù)字開始，通過Z字型路徑依次取其他數(shù)字，將連續(xù)掃描得到的數(shù)字按某種方式重新組合成一個二維矩陣［3］。本文采用改進的Zigzag變換，從（3，3）位置處開始進行掃描，具體過程如圖9所示。

3.2 有限域理論

有限域GF（p）是整數(shù)的有限集合（p為素數(shù)），其基本的數(shù)學(xué)運算為模運算。本文使用有限域GF（257）={0， …，256}，其中257為素數(shù)。GF（257）的算術(shù)運算以257為模，此集合共包含257個元素。在乘法運算時，剔除元素0以減少因其造成的信息損失，這時集合中元素的個數(shù)為256，正好與圖像像素點灰度值的取值范圍對應(yīng)。

將二維明文圖像矩陣按行或列展開為一維向量P，令C和S為密文向量，則i從1到MN的正向擴散算法為Ci=Ci－1×Si×Pi，其逆運算為Pi=Ci÷Ci－1÷Si，其中M為矩陣中的行數(shù)，N為矩陣中的列數(shù)。i從MN到1的逆向擴散算法為Ci=Ci+1×Si×Pi，其逆運算為Pi=Ci÷Ci+1÷Si。

3.3 加密算法

本文提出的基于復(fù)混沌系統(tǒng)的加密算法流程如圖10所示，具體步驟如下：

第1步：輸入明文圖像P（M×N），其中M為圖像的長度，N為圖像的高度。

第2步：設(shè)置算法的密鑰，即系統(tǒng)的參數(shù)和初值，讓系統(tǒng)（1）先迭代800次跳過過渡態(tài)，再迭代3MN次，生成4個長度為3MN的偽隨機序列x，y，z，w，結(jié)合式（9）得到4個長度為MN的偽隨機向量S S2，X X2：

S=mod（floor（x×pow2（16）），256）Q=mod（floor（y×pow2（16）），256）X=mod（floor（z（MN+1：3MN）×pow2（16）），256）Y=mod（floor（w（MN+1：3MN）×pow2（16）），256）S1=S（MN+1：2MN）S2=Q（MN+1：2MN）X1=X（MN+1：2MN）X2=Y（MN+1：2MN）（4）

第3步：利用向量S S2與式（5）將明文圖像P進行兩次加取模擴散得到圖像A。

Ai=（Ai－1+S1i+Pi）mod256Ai=（Ai+1+S2i+Pi）mod256（5）

其中，Ai，S1i，S2i，Pi分別代表A，S S2，P中的元素，i=，…，MN。

第4步：利用改進的Zigzag變換對擴散后的矩陣A進行置亂，得到圖像矩陣B。

第5步：利用向量X X2與式（6）對圖像B進行有限域擴散得密文圖像C。

Ci=Ci－1×X1i×BiCi=Ci+1×X2i×Bi（6）

其中，Ci，X1i，X2i，Bi均代表C，X X2，B中的元素，i=，…，MN。

解密過程為加密過程的逆過程，在此不再展示。

3.4 實驗結(jié)果

本次實驗采用尺寸為256×256的Camera、Lena圖像按照上述加密算法進行加密，實驗平臺為Inter（R）Core（TM）i57Y54CPU@1.20GHz，內(nèi)存為8GB，操作系統(tǒng)為Windows 10，編程環(huán)境為MATLAB 2018b。設(shè)定算法的密鑰，其中參數(shù)設(shè)為a=14，b=0. c=3.7，r=45，初始值為（ 1）。經(jīng)數(shù)值仿真得到Camera與boat的加密圖像與解密圖像，如圖11所示。顯然，加密后的圖像是類噪聲圖像，說明了本文設(shè)計的加密算法可以有效隱藏原始圖像信息。從解密結(jié)果來看，解密后的圖像與明文圖像并無差別，表明了解密算法的可行性。

4 性能分析

4.1 密鑰空間

一般來說，更大的密鑰空間，代表著算法有更好的安全性。本文設(shè)計的加密系統(tǒng)中的密鑰主要包括系統(tǒng)參數(shù)a，b，c，r和初值（u10，u20，u30，u40，u50）。其中初值與系統(tǒng)參數(shù)a，c的計算精度均為1015，b的計算精度為1017，r的計算精度為1014。因此，密鑰空間大小為1015×7+17+14≈2452。此值遠大于密碼學(xué)中密鑰空間的理論值2100，因此本文設(shè)計的加密算法可以有效抵抗窮舉暴力攻擊。表1展示了本文與參考文獻［6，7，10，14］設(shè)計的加密算法的比較結(jié)果。顯然，本文設(shè)計的加密算法的密鑰空間稍大于其他算法，這表明本文設(shè)計的算法具有極強的抗擊窮舉攻擊的能力。

4.2 密鑰敏感性分析

一個好的加密算法應(yīng)該有較高的密鑰敏感性。本節(jié)采用Camera圖像進行測試，首先設(shè)置算法的密鑰a=14，b=0. c=3.7，r=45，u10=u20=u30=u40=u50=1。當使用正確密鑰時得到的解密圖像如圖12a所示。然后固定系統(tǒng)的初始值，對參數(shù)a，b，c，r分別施加10-15，10-17，10-15，10-14的微小擾動，得到解密后的Camera圖像如圖12b～e所示。顯然，密鑰產(chǎn)生微小改變后的解密圖像與使用正確密鑰解密后的圖像之間存在巨大差別，這說明本文設(shè)計的算法對密鑰極其敏感，能有效抵抗暴力攻擊。

4.3 信息熵

信息熵是反映圖像信息不確定性的重要參考。一般來說，隨著信息熵的增加，圖像信息也具有更大的不確定性和更少的可見性。對于像素值為256的圖像來說，信息熵的理論值為8。越接近理論值8，密文圖像的像素值分布的越均勻，安全性也越高。

本節(jié)計算了明文圖像Camera、Lena、Boat、Finger及其對應(yīng)的加密圖像的信息熵，結(jié)果見表2?？梢钥闯?，密文的信息熵均接近于理論值8，這表明本文所設(shè)計的加密算法使明文圖像的像素值分布均勻，很好地隱藏了明文圖像的信息，具有較強的抵抗外部攻擊的能力。此外，將本文的Lena圖像的信息熵值與參考文獻［4，6，8，10，14］進行對比，結(jié)果如表3所示。從表3中可以看出，用本文所設(shè)計算法得到的密文圖像的信息熵較多數(shù)算法更接近于理論值，從而說明本文算法對于提高圖像加密的安全性更加有效。

4.4 直方圖

直方圖能直觀地反映圖像像素值的分布情況，常用于評價圖像抵抗統(tǒng)計攻擊的能力。密文圖像的像素值應(yīng)呈均勻分布，且與明文圖像有明顯差異。本節(jié)采用Camera、Lena圖像進行測試，其中圖13a～c為Camera圖像測試結(jié)果，圖13d～f為Lena圖像測試結(jié)果。顯然，加密圖像的像素值分布均勻，而明文圖像的像素值分布波動較大。這說明，密文圖像抵御統(tǒng)計攻擊的能力較明文圖像更強，安全性更高。

4.5 相關(guān)性

相關(guān)性是指圖像相鄰像素之間的關(guān)聯(lián)性，相關(guān)性越高，越容易被統(tǒng)計攻擊破解。因此，加密算法應(yīng)有效降低明文圖像像素之間的相關(guān)性。本次測試分別對Camera、Lena、Boat和Finger的明文圖像與密文圖像在水平、垂直和對角方向各隨機選擇2 000對鄰域像素進行計算，結(jié)果如表4所示。選擇Lena明文圖像和Lena密文圖像的像素點集進行分析，得到兩幅圖像相鄰像素的相關(guān)系數(shù)如圖14所示。顯然，明文圖像的相鄰像素的灰度值在每個方向上均大致沿y=x分布。而密文圖像的相鄰像素的灰度值則是隨機分布在0到255之間。結(jié)果表明，本文設(shè)計的加密算法能有效降低相鄰像素的相關(guān)性。另外，表5中展示了本文與參考文獻［6，7，10，14］中Lena圖像的相關(guān)系數(shù)比較的結(jié)果。顯然，運用本文所設(shè)計的算法得到密文圖像的相鄰像素間的相關(guān)系數(shù)略低于其他算法，這說明本文設(shè)計的算法具有良好的抗統(tǒng)計攻擊能力。

5 總結(jié)

本文主要介紹了一個基于復(fù)混沌系統(tǒng)的圖像加密方案，方案利用了改進的Zigzag置亂、加取模擴散以及有限域擴散。首先對提出的系統(tǒng)進行基本的動力學(xué)分析，分析結(jié)果表明該系統(tǒng)是一個具有復(fù)雜動力學(xué)行為的超混沌系統(tǒng)。進而將其應(yīng)用到設(shè)計的加密方案中，發(fā)現(xiàn)加密效果良好。接下來進行了安全性分析，利用密鑰空間、密鑰敏感性、信息熵、直方圖、相關(guān)性驗證了本文設(shè)計的加密方案具有很高的安全性，可以抵擋外部攻擊。未來的研究會繼續(xù)尋找動力學(xué)行為豐富的混沌系統(tǒng)并將其應(yīng)用在圖像加密中。

參考文獻：

［1］王珠林， 閔富紅， 彭光婭， 等. 一個新三維混沌系統(tǒng)及其電路實現(xiàn)［J］. 南京師范大學(xué)學(xué)報（工程技術(shù)版）， 2016， 16（1）： 18.

WANG Z L， MIN F H， PENG G Y， et al. A three dimension chaotic system and its circuit realization［J］. Journal of Nanjing Normal University （Engineering and Technology Edition）， 2016， 16（1）： 18.

［2］MATTHEWS R. On the derivation of a “Chaotic” encryption algorithm［J］. Cryptologia， 1989， 13（1）： 2942.

［3］楊飛飛. 基于混沌序列的圖像加密算法研究［D］. 大連：大連工業(yè)大學(xué)， 2020.

YANG F F. Research on image encryption algorithm based on chaotic sequence［D］. Dalin： Dalian Polytechnic University， 2022.

［4］YOUSIF B， KHALIFA F， MAKRAM A， et al. A novel image encryption/decryption scheme based on integrating multiple chaotic maps［J］. AIP Advances， 2020， 10（7）： 19.

［5］SHI Q Q， AN X L， XIONG L， et al. Dynamic analysis of a fractional-order hyperchaotic system and its application in image encryption［J］. Physica Scripta， 2022， 97（4）： 045201.

［6］LIN R G， LI S. An image encryption scheme based on Lorenz hyperchaotic system and RSA algorithm［J］. Security and Communication Networks， 202 5： 118.

［7］徐昌彪， 孫義龍. 基于超混沌系統(tǒng)和有限域理論的圖像加密算法［J］. 信息通信， 2018， 7： 2123.

XU C B， SUN Y L. Image encryption algorithm based on hyper-chaotic system and finite field theory［J］. Information & Communications， 2018， 7： 2123.

［8］劉瀚揚， 華南， 王一諾， 等. 基于量子隨機行走和多維混沌的三維圖像加密算法［J］. 物理學(xué)報， 2022， 71（17）： 140155.

LIU H Y， HUA N， WANG Y N， et al. Three dimensional image encryption algorithm based on quantum random walk and multidimensional chaos［J］. Acta Physica Sinica， 2022， 71（17）： 140155.

［9］安新磊， 熊麗， 喬帥. 電磁驅(qū)動下一類混合神經(jīng)元模型的動力學(xué)響應(yīng)與圖像加密應(yīng)用［J］. 電子與信息學(xué)報， 2023， 45（3）： 929940.

AN X L， XIONG L， QIAO S. Dynamic response of a class of hybrid neuron model by electromagnetic induction and application of image encryption［J］. Journal of Electronics & Information Technology， 2023， 45（3）： 929940.

［10］ YANG F F， MOU J， LIU J， et al. Characteristic analysis of the fractional-order hyperchaotic complex system and its image encryption application［J］. Signal Processing， 2020， 169： 107373.

［11］ 劉思聰， 李春彪， 李泳新. 基于指數(shù)余弦離散混沌映射的圖像加密算法研究［J］. 電子與信息學(xué)報， 2022， 44（5）： 17541762.

LIU S C， LI C B， LI Y X. A novel image encryption algorithm based on exponent-cosine chaotic mapping［J］. Journal of Electronics & Information Technology， 2022， 44（5）： 17541762.

［12］ 劉公致， 吳瓊， 王光義， 等. 改進型Logistic混沌映射及其在圖像加密與隱藏中的應(yīng)用［J］. 電子與信息學(xué)報， 2022， 44（10）： 18.

LIU G Z， WU Q， WANG G Y， et al. A improved logistic chaotic map and its application in image encryption and hiding［J］. Journal of Electronics & Information Technology， 2022， 44（10）： 18.

［13］ 張文宇， 幸榮盈， 李國東. 基于改進Clifford混沌系統(tǒng)的圖像加密算法［J］. 電子技術(shù)應(yīng)用， 2022， 48（6）： 7378.

ZHANG W Y， XING R Y， LI G D. Image encryption algorithm based on improved Clifford chaotic system［J］. Computer Technology and Its Application， 2022， 48（6）： 7378.

［14］ 葉瑞松， 習(xí)玉婷， 陳錦彬. 基于混沌映射和交換置換的自適應(yīng)圖像加密算法［J］. 徐州工程學(xué)院學(xué)報（自然科學(xué)版）. 2022， 37（2）： 110.

YE R S， XI Y T， CHEN J B. A self-adaptive image encryption scheme based on chaotic map and swapping confusion approach［J］. Journal of Xuzhou Institute of Technology （Natural Sciences Edition）， 2022， 37（2）： 110.

［15］ 王樂元. 基于復(fù)混沌的彩色圖像加密算法研究與軟件實現(xiàn)［D］. 泰安： 山東農(nóng)業(yè)大學(xué)， 2016.

WANG L Y. Algorithm of color image encryption and its software implementation based on complex chaotic systems［D］. Taian： Shandong Agricultural University College， 2016.

［16］ 王文靜， 安新磊， 于歡歡. 具有隱藏吸引子的混沌系統(tǒng)的動力學(xué)分析［J］. 寧夏大學(xué)學(xué)報（自然科學(xué)版）， 2019， 40（3）： 224228.

WANG W J， AN X L， YU H H. Dynamic analysis of chaotic systems with hidden attractors［J］. Journal of Ningxia University （Natural Science Edition）， 2019， 40（3）： 224228.

（責(zé)任編輯 耿金花）