利用支持向量机（SVM）的机器学习驱动图像加密技术，以提高安全性和计算效率

《Scientific Reports》：Machine learning-driven image encryption using SVM for enhanced security and computational efficiency

　　

摘要

在图像加密中，平衡安全性和计算效率是一个关键目标。传统方法需要大量的计算才能实现足够的抗攻击性，但这使得它们难以在实时环境中使用。本研究通过结合机器学习（ML）方法来提高加密的空间效率，同时保持安全性，从而提供了一种新的解决方案。所提出的方法使用支持向量机（SVM）将图像像素块分为三类：低信息量、中等信息量和高信息量。编码过程仅涉及高信息量和中等信息量的块；低信息量的块保持不变。使用这种选择性加密技术可以显著降低处理开销。为了评估该技术的安全性，采用了相关性、PSNR、MSE、熵和对比度等指标。评估结果显示，该技术的准确率为97.4%，熵为7.999，相关性为0.0001，能量为0.0153。这项工作表明，在机器学习驱动的选择性加密领域取得了显著进展。该方法独特、可重复且高效，能够为当今复杂的数据传输过程中的安全通信提供解决方案。