Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 辽宁工程技术大学满振龙获国家专利权

辽宁工程技术大学满振龙获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉辽宁工程技术大学申请的专利基于神经网络和半张量积的云端医学图像加密方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115834021B

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211397973.4,技术领域涉及:H04L9/00;该发明授权基于神经网络和半张量积的云端医学图像加密方法是由满振龙;周莹设计研发完成,并于2022-11-09向国家知识产权局提交的专利申请。

基于神经网络和半张量积的云端医学图像加密方法在说明书摘要公布了:本发明公开了一种基于神经网络和半张量积的云端医学图像加密方法,设定相同的用户加密密钥与解密密钥,用户加密密钥或解密密钥均包括5‑D超混沌系统初值、参数、迭代次数,用户控制参数,改进了现有的神经网络模型,实现外部密钥与混沌初值的多对一映射,设计出一套安全可靠的密钥分发方法,该方法适用于多种环境。本发明还提出了一种智能边缘像素替换方案以及明文相关的M‑半张量积操作,来提高加密算法的安全性及抗选择明文攻击能力,具有更大的密钥空间,更强的敏感性,抵抗各种安全攻击的能力更强,具有更稳定的混沌特性。

本发明授权基于神经网络和半张量积的云端医学图像加密方法在权利要求书中公布了:1.基于神经网络和半张量积的云端医学图像加密方法,其特征在于,包括如下步骤: S1、设置神经网络训练集为0-t组成的随机数,每组e位数,共N组数据; S2、通过神经网络模型训练得到每组随机数y与混沌初值的多对一的映射关系; S3、设计基于云端的密钥分发框架; S4、将大小为M×N的四幅医疗图像作为原始图像Med1、Med2、Med3和Med4; S5、以用户加密密钥中的x10,x20,x30,x40,x50为5-D超混沌系统初值,迭代5-D超混沌系统d0次,获得五个长度为M×N+d00的混沌序列X1,X2,X3,X4,X5; S6、舍弃混沌序列前d00次迭代结果,经矩阵变换获得长度为M×N的伪随机序列X11,X22,X33,X44,X55; S7、在图像加密之前对像素点进行随机数替换; S8、对步骤S7中插入随机数后的图像P进行动态索引置乱; S9、对伪随机序列X11,X22,X33进行分块,获得半张量积所需的乘积矩阵块; S10、对明文医学图像进行矩阵的索尔分解,获得明文相关的酉矩阵; S11、对酉矩阵UMed进行归一化处理后,对置乱后图像PMed进一步扩散得到DifP; S12、对DifP进行半张量积运算,获得最终的扩散图像SDifPi; S13、将混沌系统的初始参数x110,x220,x330,x440,x550,a,b,c,d,e,f,g,h作为用户解密密钥,以步骤S6的方法得到解密伪随机序列X11′,X22′,X33′,X44′,X55′; S14、对步骤S13中的X11′,X22′,X33′进行分块,获得半张量积所需的乘积矩阵块; S15、利用用户参数,对步骤S12中的获得的扩散图像SDifPi进行半张量积计算; S16、对酉矩阵UMed进行归一化处理后,对步骤S15中的DDifP进行逆扩散。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人辽宁工程技术大学,其通讯地址为:123000 辽宁省阜新市细河区中华路47号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。