A new image encryption scheme based on logistic map and discrete fractional angular transform has been proposed. In the proposed scheme, the original image is encrypted with the random sequence generated by the logistic map, and the encrypted image is subsequently processed by the discrete fractional angular transform, which produces the ciphertext after double encryptions. The parameters of the logistic map and the order of the discrete fractional angular transform serve as the main keys of the image encryption algorithm. Simulation results show that the proposed image encryption algorithm can effectively resist the attacks of statistical analysis, and has acceptable encryption effect and security.
Odwzorowanie logistyczne jest dyskretną funkcją w zapisie rekurencyjnym, która jest podstawową funkcją przedstawiającą zjawisko chaosu deterministycznego oraz zjawisko tzw. bifurkacji. W artykule przedstawiono zjawisko chaosu dla funkcji pierwszego rzędu oraz dla funkcji ułamkowego rzędu.
EN
Logistic map is a discrete function with recursive notation, which is the basic function of showing the phenomenon of deterministic chaos and the bifurcation. The article presents the phenomenon of chaos for the function of the first order and fractional function.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
In this paper the results of parallelizing the block encryption algorithm based on logistic map are presented. The data dependence analysis of loops was applied in order to parallelize this algorithm. The OpenMP standard is used for presenting the parallelism of the algorithm. The efficiency measurement for a parallel program is shown.
PL
W artykule zaprezentowano wyniki zrównoleglenia blokowego algorytmu szyfrowania opartego na odwzorowaniu logistycznym. W celu zrównoleglenia algorytmu zastosowano analizę zależności danych. Celem przedstawienia równoległości algorytmu użyto standardu OpenMP. Pokazano wyniki pomiarów efektywności programu równoległego.
The results of experimental comparison between several neural architectures for short-term chaotic time series prediction problem are presented. Selected feed-forward architectures (Multi-layer Perceptrons) are compared with the most popular recurrent ones (Elman, extended Elman, and Jordan) on the basis prediction accuracy, training time requirements and stability. The application domain is logistic map series - the well known chaotic time series predition benchmark problem. Simulation results suggest that in terms of prediction accuracy feed-forward networks with two hidden layers are superior to other tested architectures. On the other hand feed-forward architectures are, in general, more demanding in terms of training time requirements. Results also indicate that with a careful choice of learning parameters all tested architectures tend to generate stable (repeatable) results.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.