元学习压缩重建网络

抗攻击且容有损

新设计的基于元学习压缩感知的压缩重建网络，配合超混沌加密和新型嵌入分离网络，在抵抗高斯和散斑噪声攻击上优于同类方法，并独有支持JPEG有损压缩后仍高质量解密的能力。

Wei, Chen · Ji, Wenjiang · Wang, Yichuan · 任炬 · Sheng, Guanglei · Hei, Xinghong

Expert Systems with Applications 2025

技术优势

抗噪声更强

实验表明，该方法对高斯和散斑噪声攻击的抵抗能力优于其他方法。

容有损压缩

将无损密文转为 JPEG 有损格式后仍能高质量解密，降低被攻击者注意的风险，并提升存储和传输效率。

应用场景

• 图像加密：为需要抗噪声与有损压缩的图像加密系统提供更稳健的方案。
• 安全通信：生成的密文可经有损信道传输且解密质量高，适合安全通信。
• 视觉安全图像存储：以视觉安全密文形式存储，并支持 JPEG 压缩以节省空间。