图像加解密方法、装置、存储介质及电子设备与流程

本发明涉及信息安全，具体而言，涉及一种图像加解密方法、装置、存储介质及电子设备。

背景技术：

1、目前，金融机构为了更好地服务客户，在办理业务过程中通常需要采集客户的个人信息，例如，对客户的身份信息和账单信息拍照，以进行身份验证和信息留存。为了避免客户个人隐私信息的泄露，需要对采集到的信息图像进行加密存储与传输，并且，需要保证其清晰度，避免图像不清晰导致客户认证失败，影响业务办理效率。

2、然而，在图像加解密的过程中，不仅需要将图像进行有效地隐藏和加密，还需要对图像进行几乎无细节损失或扭曲的还原。相关技术中，为了减少图像的失真，通常使用复杂的加密算法，增加了解密过程中的计算复杂度，大大降低了解密效率，并且失真现象还是存在。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种图像加解密方法、装置、存储介质及电子设备，以至少解决现有技术中在图像的加解密过程中存在图像失真的技术问题。

2、根据本发明实施例的一个方面，提供了一种图像加解密方法，包括：获取第一图像和第二图像，其中，第一图像和第二图像的内容相同，第一图像的分辨率高于第二图像的分辨率；将第一图像和第二图像输入目标卷积神经网络，输出图像映射关系，其中，目标卷积神经网络是通过样本图像训练得到的，图像映射关系表征由第二图像转换为第一图像的对应关系；对第一图像和图像映射关系进行加密处理，得到加密结果；在图像使用方获取到加密结果之后，对加密结果进行解密处理，得到解密后的图像和图像映射关系；基于图像映射关系，恢复解密后的图像中的高频分量，得到目标图像。

3、进一步地，通过以下步骤生成目标卷积神经网络：获取样本图像，其中，样本图像包含多个第三图像和多个第四图像，第三图像和第四图像的内容相同，第三图像的分辨率高于第四图像的分辨率；在每个第三图像中提取多个第三图像块，在每个第四图像中提取多个第四图像块，其中，第三图像块和第四图像块是一一对应的；通过多个第三图像块和多个第四图像块训练卷积神经网络，得到目标卷积神经网络。

4、进一步地，图像加解密方法还包括：通过卷积神经网络对多个第三图像块和多个第四图像块进行特征学习，得到每个第三图像块和每个第四图像块之间的特征；对每个第三图像块和每个第四图像块之间的特征进行拼接处理，得到第三图像和第四图像之间的特征；根据第三图像和第四图像之间的特征，对第四图像进行图像上采样处理，得到第五图像，其中，第五图像为恢复第四图像中的高频分量后的图像；通过卷积神经网络对第三图像和第五图像进行特征提取，得到第三图像的特征和第五图像的特征；根据第三图像的特征和第五图像的特征，构建损失函数，并以最小化第三图像的特征和第五图像的特征之间的差异为目标，实现最小化损失函数，得到目标卷积神经网络。

5、进一步地，图像加解密方法还包括：通过第一密码算法的对称密钥，对第一图像的多段目标图像数据进行对称加密，得到每段目标图像数据对应的加密图像数据，其中，目标图像数据为压缩后的图像数据；通过对称密钥，对图像映射关系进行对称加密，得到加密后的图像映射关系；通过第二密码算法的公钥，对对称密钥进行非对称加密，得到对称密钥加密密文；根据每段目标图像数据对应的加密图像数据、加密后的图像映射关系以及对称密钥加密密文，生成加密结果。

6、进一步地，图像加解密方法还包括：通过第二密码算法的私钥，对对称密钥加密密文进行解密，得到对称密钥；通过对称密钥，对每段目标图像数据对应的加密图像数据进行解密，得到解密后的每段图像数据；基于解密后的每段图像数据，生成解密后的图像；通过对称密钥，对加密后的图像映射关系进行解密，得到图像映射关系。

7、进一步地，图像加解密方法还包括：在通过第一密码算法的对称密钥，对第一图像的多段目标图像数据进行对称加密，得到每段目标图像数据对应的加密图像数据之前，对第一图像进行编码处理，得到编码后的图像数据；对编码后的图像数据进行分割处理，得到多段目标图像数据。

8、进一步地，图像加解密方法还包括：获取第一图像；对第一图像进行图像退化处理，得到第二图像，其中，图像退化处理包括以下至少之一：图像模糊处理、图像下采样处理、噪声退化处理。

9、根据本发明实施例的另一方面，还提供了一种图像加解密装置，包括：获取模块，用于获取第一图像和第二图像，其中，第一图像和第二图像的内容相同，第一图像的分辨率高于第二图像的分辨率；第一处理模块，用于将第一图像和第二图像输入目标卷积神经网络，输出图像映射关系，其中，目标卷积神经网络是通过样本图像训练得到的，图像映射关系表征由第二图像转换为第一图像的对应关系；第二处理模块，用于对第一图像和图像映射关系进行加密处理，得到加密结果；第三处理模块，用于在图像使用方获取到加密结果之后，对加密结果进行解密处理，得到解密后的图像和图像映射关系；第四处理模块，用于基于图像映射关系，恢复解密后的图像中的高频分量，得到目标图像。

10、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述的图像加解密方法。

11、根据本发明实施例的另一方面，还提供了一种电子设备，该电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现用于运行程序，其中，程序被设置为运行时执行上述的图像加解密方法。

12、在本发明实施例中，采用将深度学习技术与图像加解密技术相结合的方式，首先获取第一图像和第二图像，然后将第一图像和第二图像输入目标卷积神经网络，输出图像映射关系，然后对第一图像和图像映射关系进行加密处理，得到加密结果，然后在图像使用方获取到加密结果之后，对加密结果进行解密处理，得到解密后的图像和图像映射关系，然后基于图像映射关系，恢复解密后的图像中的高频分量，得到目标图像。其中，第一图像和第二图像的内容相同，第一图像的分辨率高于第二图像的分辨率，目标卷积神经网络是通过样本图像训练得到的，图像映射关系表征由第二图像转换为第一图像的对应关系。

13、在上述过程中，通过深度学习技术学习图像从低分辨率到高分辨率的映射关系，通过图像加解密技术将映射关系和图像一起进行加解密，并使用解密后的映射关系恢复解密后的图像中的高频分量，有效解决了图像失真的问题，从而解决了图像失真导致图像分辨率降低的问题，并且，有效避免了复杂的加密算法引起的加解密效率低的问题，提高了加解密效率，提高了图像传输的安全性。

14、由此可见，通过本发明的技术方案，达到了有效提高图像加解密效率并最大程度避免图像失真的目的，从而实现了提高加解密效率和图像传输的安全性的技术效果，进而解决了现有技术中在图像的加解密过程中存在图像失真的技术问题。

技术特征：

1.一种图像加解密方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，通过以下步骤生成所述目标卷积神经网络：

3.根据权利要求2所述的方法，其特征在于，通过多个所述第三图像块和多个所述第四图像块训练卷积神经网络，得到所述目标卷积神经网络，包括：

4.根据权利要求1所述的方法，其特征在于，对所述第一图像和所述图像映射关系进行加密处理，得到加密结果，包括：

5.根据权利要求4所述的方法，其特征在于，对所述加密结果进行解密处理，得到解密后的图像和所述图像映射关系，包括：

6.根据权利要求4所述的方法，其特征在于，在通过第一密码算法的对称密钥，对所述第一图像的多段目标图像数据进行对称加密，得到每段目标图像数据对应的加密图像数据之前，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，获取第一图像和第二图像，包括：

8.一种图像加解密装置，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的图像加解密方法。

10.一种电子设备，其特征在于，所述电子设备包括一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至7任一项中所述的图像加解密方法。

技术总结
本发明公开了一种图像加解密方法、装置、存储介质及电子设备，涉及信息安全技术领域。其中，该方法包括：获取第一图像和第二图像，其中，第一图像的分辨率高于第二图像的分辨率；将第一图像和第二图像输入目标卷积神经网络，输出图像映射关系，其中，图像映射关系表征由第二图像转换为第一图像的对应关系；对第一图像和图像映射关系进行加密处理，得到加密结果；在图像使用方获取到加密结果之后，对加密结果进行解密处理，得到解密后的图像和图像映射关系；基于图像映射关系，恢复解密后的图像中的高频分量，得到目标图像。本发明解决了现有技术中在图像的加解密过程中存在图像失真的技术问题。

技术研发人员：张国林
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：
技术公布日：2024/1/12