标题： 基于CNN的自编码器的图像加密与压缩视觉化 显示英文标题

标题： Visually Image Encryption and Compression Using a CNN-Based Auto Encoder

摘要： 本文提出了一种视觉加密方法，以确保数字图像的机密性。 所使用的模型基于一个自动编码器，该自动编码器使用卷积神经网络（CNN），以确保在发送方（加密过程）和接收方（解密过程）的对称模式下保护用户数据。 为了训练和测试模型，我们使用了MNIST和CIFAR-10数据集。 我们的重点在于通过将原始数据集与随机掩码结合来生成加密数据集。 然后将在掩码数据集中设计和训练一个卷积自动编码器，以在降维的潜在空间中学习图像的基本特征，并从该空间重构图像。 所使用的掩码可以被视为标准加密算法中的秘密密钥，这允许接收掩码数据的用户恢复明文数据。 该提议加密模型的实现显示了在保持数据保密性和完整性的同时减少维度的有效性（例如，对于CIFAR-10图像，我们从3072字节减少到1024字节）。 实验结果表明，所使用的CNN在MNIST数据集上表现出高效的加密和解密过程，在CIFAR-10数据集上表现出高效的加密和可接受的解密过程。 显示英文摘要

摘要： This paper proposes a visual encryption method to ensure the confidentiality of digital images. The model used is based on an autoencoder using aConvolutional Neural Network (CNN) to ensure the protection of the user data on both the sender side (encryption process) and the receiver side(decryption process)in a symmetric mode. To train and test the model, we used the MNIST and CIFAR-10 datasets. Our focus lies in generating an encrypted dataset by combining the original dataset with a random mask. Then, a convolutional autoencoder in the masked dataset will be designed and trained to learn essential image features in a reduced-dimensional latent space and reconstruct the image from this space. The used mask can be considered as a secret key known in standard cryptographic algorithms which allows the receiver of the masked data to recover the plain data. The implementation of this proposed encryption model demonstrates efficacy in preserving data confidentiality and integrity while reducing the dimensionality (for example we pass from 3072 Bytes to 1024 Bytes for CIFAR-10 images). Experimental results show that the used CNN exhibits a proficient encryption and decryption process on the MNIST dataset, and a proficient encryption and acceptable decryption process on the CIFAR-10 dataset.