说起来你可能不信光学图像加密、随机相位加密、深度学习这三个词放在一起乍看像是实验室里搭满透镜和激光器才会碰到的高冷课题。但等我真把整套流程跑完之后最大的感受是它本质上是一门“用一个光学映射把图像藏起来再让神经网络想办法把它找回来”的工程手艺离日常代码并没有那么远。如果你正在做信息安全、图像隐私保护或者准备拿光学加密方向做毕设/课程设计下面这些内容应该能帮你省掉不少弯路。这里说的“深度学习随机相位加密光学图像加密方法”并不是要求你真的把4f光学平台搬进机房。它的核心思路是用数值仿真模拟经典的双随机相位编码过程把明文图像调制成一幅像噪声一样看不出内容的密文再用深度神经网络替代传统解析逆系统从密文里恢复明文。整个源码的核心就三块随机相位掩码生成、加密仿真、解密网络。链路跑通后你得到的密文是一团毫无结构的噪声图而恢复出来的明文在视觉细节上依然能保持很高的相似度。1. 这套方法到底在解决什么问题1.1 先看清经典双随机相位加密的全貌传统光学图像加密的代表实现叫双随机相位编码英文简称DRPE。它的思路很优雅在4f系统的物面放一块随机相位掩码让明文图像的相位被打乱在频谱面再放第二块随机相位掩码把频域信息也涂上随机相位。光经过两次调制之后最终输出的是一幅平稳的、统计特性接近白噪声的复值密文。稍微量化一点加密过程可以写成c(x,y) IFT{ FT{ I(x,y) * M1(x,y) } * M2(u,v) }其中 I(x,y) 是明文M1 和 M2 是两个独立生成的随机相位掩码FT 和 IFT 表示光学傅里叶变换。解密时要用两块掩码的共轭按相反顺序做两次傅里叶变换I_est(x,y) IFT{ FT{ c(x,y) * M2*(u,v) } * M1*(x,y) }这里的关键在于只有精确知道 M1、M2才能还原明文否则恢复出来的结果就是噪声。因为每个相位掩码的每个像素都可以在 0 到 2π 之间连续取值密钥空间的规模是天文数字。举个直观例子64x64 尺寸的灰度图两块掩码合计 8192 个像素就算每个像素相位只量化到 256 级密钥空间也有 256^8192 量级暴力搜索完全不现实。但经典 DRPE 有个工程痛点它依赖光学系统精确对准掩码相位值会受器件加工误差、温度、振动影响密文是复数普通相机只能记录强度要记录完整的复振幅还得上相移干涉或者全息装置。这些偏差累积下来传统逆解法的重建质量会明显下降。这也是后来大家想让深度学习介入的直接契机能不能让网络在一个存在噪声和误差的真实环境下依然学到可用的逆映射。1.2 深度学习在这里究竟扮演什么角色我把相关思路和实际代码跑下来发现深度学习在这个问题里可以有三个角色最容易落地的是解密端。第一个角色是替代码里的“数字逆系统”。输入密文的幅度和相位或者实部虚部输出明文。传统逆解法是由掩码共轭精确反推深度学习则是用一种可学习的非线性映射去逼近这个逆过程。好处是即使掩码有一点点不匹配、密文里混入噪声网络仍然可以恢复出大致轮廓这在鲁棒性上明显优于纯解析反演。第二个角色是安全性验证工具。研究者经常故意训练一个“不带密钥”的模型让它从密文直接猜明文用恢复质量来评估系统抵抗统计攻击和已知密文攻击的能力。注意这不是鼓励任何人去干非法的事而是在自己的系统上做安全测试属于安全工程的常规动作。第三个角色是端到端联合设计。把两块相位掩码当成可学习参数让网络同时优化加密器和解密器。这样得到的“学习型光学加密”在某些场景下比纯随机掩码更容易在真实器件上落地。不过它偏离了“随机相位”的原意更像自动设计掩码实现复杂度也更高。本博文侧重第一个场景固定光学仿真链路加深度学习解密。这也是最好复现、最适合入门的路线。2. 核心原理与参数不搞清楚后面全白干2.1 随机相位掩码与光学坐标约定随机相位掩码最简单的数学形式是两个独立生成的相位函数M1(x,y) exp(j * θ1(x,y)) M2(u,v) exp(j * θ2(u,v))其中 θ1、θ2 都在 [0, 2π) 上均匀随机采样。注意 M2 是在频域坐标上采样尺寸必须与频谱一模一样不要和空域混着用。离散实现时可以直接用 PyTorch 生成import torch import numpy as np def random_phase_mask(shape, seedNone): if seed is not None: torch.manual_seed(seed) theta 2 * np.pi * torch.rand(shape, dtypetorch.float32) return torch.exp(1j * theta)这里有一个容易踩的坑离散 FFT 和光学傅里叶变换的坐标约定不一致。用torch.fft.fft2算完之后零频位于左上角而光学透镜在频谱面上默认中心是零频。所以仿真中的频谱一般要配合torch.fft.fftshift使用而且加密和解密全程要保持完全一致的约定。如果你偷懒得过且过有些情况下居然也能还原——那多半是共轭操作把某种不一致抵消了。但一旦引入噪声、裁剪或掩码失配问题就会立刻爆发恢复结果直接从清晰图像变成雪花屏。2.2 复数密文怎么喂给神经网络CNN 没法直接吃复数张量。密文在代码里是一个 complex64 张量常见有三种输入组织方式振幅相位取.abs()和.angle()拼接成两个通道。实部虚部取.real和.imag两个通道。四通道把振幅、相位、实部、虚部都放进去。我的实测结论是在同样的网络结构和训练轮数下振幅相位的效果最稳。幅度刻画整体强度相位携带高频细节这两种特征符合图像先验实虚部虽然在数学上完备但看过去就是两幅没有太多语义特征的二维场网络收敛慢很多。同时输入前要做归一化。相位的范围是 [-π, π]直接除以 π 缩放到 [-1,1] 就好。振幅分布通常跨度很大直接用原始值会让损失被大值样本主导。建议先统计训练集振幅的 99% 分位数把振幅截断到 [0, max_amp] 再除以 max_amp或者用torch.log1p(amplitude)做压缩。这一步不做后面训练大概率卡在 loss 不降的困境里。还有另一种极端情况有些研究者为了模拟实际 CCD 记录只保留密文的强度而丢掉相位。这种情况下信息损失是本质性的解密难度会高好几个台阶。如果刚开始复现建议先做包含完整复振幅的仿真版本跑通后再往强度域挑战。2.3 解密网络与损失函数怎么定网络结构我用了一个轻量 UNet不需要在这里贴全部代码结构就是编码器-瓶颈-解码器。输入通道是 2振幅相位输出通道是 1对应灰度明文。如果你要处理彩色图像可以把明文换成 3 通道但加密仿真要对每个通道分别做 FFT计算量直接翻三倍一般不划算。损失函数用了 L1 SSIM 的组合loss alpha * L1(pred, target) (1 - alpha) * (1 - SSIM(pred, target))alpha 取 0.3 左右。纯 L2 会让边缘发糊纯 SSIM 在高频上容易不稳定。L1 对细节恢复更好SSIM 负责约束整体结构。我对比过三四种组合L1SSIM 是效果和稳定性最平衡的。评价指标除了 PSNR、SSIM最好附上相关系数 CC。这是老文献里常见的参数便于与 DRPE 原文对比。CC 的计算很简单就是两个图像矩阵的 Pearson 相关系数很多图像质量评估库都自带。给论文或课程报告准备结果时PSNR/SSIM/CC 三件套一起放比较完整。3. 源码实现与实操全流程3.1 环境准备与数据集构建环境方面我用的是 Python 3.9 PyTorch 2.0OpenCV 读图显存 4GB 以上就够跑 64x64 的小图训练。如果显存只有 2GB把 batch size 降到 8 并开混合精度也能离线训练只是速度慢一些。数据集就用公开图像库里的自然图像子集取一个小的就行。预处理流程转灰度图。resize 到 64x64 或 128x128。像素归一化到 [0,1]。保存为 npy 或 h5方便后面缓存密文。这里有一个非常关键的设计决策固定掩码还是动态掩码。如果你想复现“固定密钥”场景必须在准备数据的时候就确定掩码种子并固定否则每个 step 重新生成掩码模型面对的是一个不断变化的映射目标很难收敛。如果目标是“任意随机密钥”那模型需要额外接收掩码信息作为条件输入难度更大建议放在后面对比实验里再上。我习惯的代码结构是这样drpe_denoise/ ├── config.py # 超参数含图像尺寸、掩码种子、训练轮数 ├── dataset.py # 明文 dataset 与密文缓存构建 ├── drpe.py # 随机相位掩码生成 DRPE 加密仿真 ├── model.py # 解密UNet ├── train.py # 训练循环 └── evaluate.py # PSNR/SSIM/CC 评估与可视化3.2 加密与解密核心代码加密函数的核心逻辑def drpe_encrypt(image, mask1, mask2): # image: (B,1,H,W) float tensor值域 [0,1] field image * mask1 spectrum torch.fft.fftshift(torch.fft.fft2(field), dim(-2, -1)) field_masked spectrum * mask2 cipher torch.fft.ifft2(torch.fft.ifftshift(field_masked, dim(-2, -1))) return cipher传统逆解密用于对照实验def drpe_decrypt(cipher, mask1, mask2): spec torch.fft.fftshift(torch.fft.fft2(cipher), dim(-2, -1)) field spec * torch.conj(mask2) field torch.fft.ifft2(torch.fft.ifftshift(field, dim(-2, -1))) out field * torch.conj(mask1) return out.abs()这里有一个小细节mask2 在加密时是在频域直接乘上去的所以解密时先回到频谱面乘共轭再逆变换回物面最后去掉 mask1 的相位。很多初学者会把顺序搞反导致输出仍然是一团噪声。训练时如果模型要学固定密钥下的解密网络输入就是密文的幅度相位输出归一化后的明文。如果用动态密钥建议把两个掩码的幅度相位也拼到输入里或者通过一个小分支把掩码编码成条件向量否则模型面对的是多解问题很难收敛。3.3 训练策略与时长控制固定密钥小数据集是最容易跑通的起点。以 64x64 分辨率、500 张训练图、UNet 参数量几百万级别为例单卡训练 200 个 epoch20 分钟左右就能看到一个能用的结果前提是开启 AMP 混合精度和数据增强。动态密钥模式更难每个 batch 的密钥都不同模型需要额外理解“掩码输入”才能学到跨密钥泛化。建议采用课程学习前 50 个 epoch 用固定掩码让网络先学会基本图像重建后 150 个 epoch 再切换为随机掩码并把掩码拼进输入。这个技巧能明显降低一开始就上动态密钥带来的发散风险。训练循环里还有两个常被忽略的配置梯度裁剪和 EMA。梯度裁剪我一般 clamp 到 5.0光学图像重建任务里梯度偶尔会出现尖峰裁剪之后稳定很多。EMA 是每轮把模型参数做指数滑动平均虽然代码多几行但能白嫖提升 0.2~0.5dB 的 PSNR。很多开源实现不会主动提这一点实际用下来收益很实在。4. 实验效果与安全性权衡4.1 几组关键对照实验跑实验时有两类对比必须做否则结论站不住脚。一类是理想条件下的传统逆 DRPE 解密用来确认加密仿真代码正确另一类是带扰动条件下的对比用来体现深度模型的鲁棒性。下面是我在类似数据规模和参数下跑出来的参考区间场景方法PSNR参考SSIM参考说明理想密钥传统DRPE逆解600.9999近似精确重建纯数值仿真掩码失配1%传统DRPE逆解18~250.7~0.85对误差非常敏感固定密钥深度学习解密30~350.92~0.96需要训练固定掩码集合动态密钥深度学习条件输入28~320.90~0.94能泛化到同分布新密钥无密钥盲恢复深度学习直接猜14~180.4~0.6只能恢复出模糊轮廓这些区间会随数据集和网络结构浮动但趋势很明确只要已知密钥约束深度模型不输传统逆解一旦出现扰动深度模型更抗造。传统逆解在掩码失配 1% 时的退化很夸张原因是 DRPE 把信息均匀摊到了整个频域任何一个相位像素错误都会扩散到全图。就算只有 1% 的掩码像素出错输出也基本看不到原图轮廓。而深度模型因为见过大量“退化到正常”的样本反而学会了在这种局部误差下提取可用信息。4.2 聊聊模型即密钥的风险固定掩码模式下训练好的解密模型本质上是把那组随机掩码的逆过程压缩进了网络权重。也就是说模型文件本身已经成为一枚“隐式密钥”。如果只把密文和模型公开而掩码种子不公开等于攻击者拿到了一个可用的解密器。所以这里要明确安全边界源码仓库里只提供训练流程和示例掩码实际部署时掩码种子与模型分开保管。不要把掩码种子直接写在配置文件里随模型一起分发。如果要分享 demo用随机生成的临时掩码而不是正式密钥。我特意做过一个极端实验固定密钥模式训练好的网络换到另一组随机密钥下评估PSNR 直接掉到 15 以下。这说明网络确实“记住”了某个密钥空间的逆映射而不是凭空学会了任意解密。所以“模型即密钥”不是危言耸听是设计系统时必须留意的边界。5. 常见问题与排查技巧实录5.1 现象速查表实际操作中我把遇到过的典型问题整理成了表方便你对照排查现象可能原因处理办法训练loss不下降振幅输入未归一化损失被大值样本主导按99%分位数截断或log压缩输出全灰/全黑网络输出范围与标签不一致确认输出层没有不恰当的激活函数标签范围一致加密后还原出现偏移fftshift/ifftshift使用不一致统一加解密约定的shift顺序固定掩码训练却无法收敛数据加载时每次重新生成掩码在数据集初始化时生成一次并固定种子动态密钥训练效果差模型没收到掩码条件信息将掩码幅度/相位拼接到输入使用条件解密网络显存不足输入尺寸或batch偏大改小输入尺寸、batch降到8开混合精度图像隐约倒置傅里叶变换与光学坐标对应关系反了检查前向/逆向的镜像关系必要时翻转掩码5.2 几个影响结果质量的细节第一密文的振幅分布一定要先看直方图再做归一化。我第一版直接除以最大值结果大部分像素被压到 0 附近网络学到的是“输出一个平均值”PSNR 只有 12。后来改成 99% 分位数截断效果立刻起来。这个操作看似简单却是整个实验从“跑得动”到“跑得好”的分水岭。第二如果密文需要保存到磁盘建议不要只存幅值图。只用幅值会让相位信息永久丢失解密任务就从“复值逆变换”变成更难的“相位恢复”问题。正确做法是把复数实虚部分开用 float16 双通道存储或者直接存 npy 复数数组。第三不要迷信网络结构。光学的随机相位加密与解密本质上是一个线性变换加随机相位调制只要输入预处理靠谱一个简单的 UNet 就够用。我试过更大的 Transformer 类模型结果提升不到 1dB训练成本却翻了几倍。在这个问题上数据组织的收益通常远大于模型结构的收益。第四评估时除了单张可视化最好计算整个测试集上的 PSNR 均值。单张图选得好不代表模型整体稳健。安全评测报告里一定要看分布不要只贴一张效果最好的图。5.3 建议的执行路线如果从零开始复现我会按这个顺序走先写 drpe.py用同一张图、同一组掩码加密再解密验证逆解代码没 bug。用固定种子构造 50 张图的迷你训练集跑一个极小的 UNet确认 loss 能下降。观察生成的图像如果隐约出现明文轮廓说明输入特征有效。再把数据集放大到 500 张训练 200 个 epoch得到可发布的结果。最后上动态密钥条件输入面向“任意随机相位掩码”的泛化场景。这个路线能避免一上来就被各种高级问题劝退尤其是动态密钥和对抗攻击等到基础链路稳定之后再碰会顺手很多。我个人在实际操作中最受益的一个改动是把加密后的密文一次性全部预计算并缓存到磁盘而不是每个 epoch 重新跑 FFT。这样一来训练轮数增加的成本只是 GPU 读数据几乎零额外开销。我甚至会把密文的幅度和相位分别存成两个单通道文件配合标准数据加载器直接读取。这个“离线密文缓存”看起来不起眼却让整个实验迭代速度快了好几倍。踩过几次坑之后我现在的体会是先把逆解闭环跑通再谈模型泛化最后才谈攻击与防御这条路线对新手最友好。深度学习随机相位加密看起来神秘实际上就是“用数据驱动的逆映射替代解析逆系统”的一次漂亮实践值得花时间把每个环节都吃透。 
长河君 · 2026/10/19 6:34:15 · 阅读 1.2k 基于深度学习的随机相位光学图像加密方法解析与实践
说起来你可能不信光学图像加密、随机相位加密、深度学习这三个词放在一起乍看像是实验室里搭满透镜和激光器才会碰到的高冷课题。但等我真把整套流程跑完之后最大的感受是它本质上是一门“用一个光学映射把图像藏起来再让神经网络想办法把它找回来”的工程手艺离日常代码并没有那么远。如果你正在做信息安全、图像隐私保护或者准备拿光学加密方向做毕设/课程设计下面这些内容应该能帮你省掉不少弯路。这里说的“深度学习随机相位加密光学图像加密方法”并不是要求你真的把4f光学平台搬进机房。它的核心思路是用数值仿真模拟经典的双随机相位编码过程把明文图像调制成一幅像噪声一样看不出内容的密文再用深度神经网络替代传统解析逆系统从密文里恢复明文。整个源码的核心就三块随机相位掩码生成、加密仿真、解密网络。链路跑通后你得到的密文是一团毫无结构的噪声图而恢复出来的明文在视觉细节上依然能保持很高的相似度。1. 这套方法到底在解决什么问题1.1 先看清经典双随机相位加密的全貌传统光学图像加密的代表实现叫双随机相位编码英文简称DRPE。它的思路很优雅在4f系统的物面放一块随机相位掩码让明文图像的相位被打乱在频谱面再放第二块随机相位掩码把频域信息也涂上随机相位。光经过两次调制之后最终输出的是一幅平稳的、统计特性接近白噪声的复值密文。稍微量化一点加密过程可以写成c(x,y) IFT{ FT{ I(x,y) * M1(x,y) } * M2(u,v) }其中 I(x,y) 是明文M1 和 M2 是两个独立生成的随机相位掩码FT 和 IFT 表示光学傅里叶变换。解密时要用两块掩码的共轭按相反顺序做两次傅里叶变换I_est(x,y) IFT{ FT{ c(x,y) * M2*(u,v) } * M1*(x,y) }这里的关键在于只有精确知道 M1、M2才能还原明文否则恢复出来的结果就是噪声。因为每个相位掩码的每个像素都可以在 0 到 2π 之间连续取值密钥空间的规模是天文数字。举个直观例子64x64 尺寸的灰度图两块掩码合计 8192 个像素就算每个像素相位只量化到 256 级密钥空间也有 256^8192 量级暴力搜索完全不现实。但经典 DRPE 有个工程痛点它依赖光学系统精确对准掩码相位值会受器件加工误差、温度、振动影响密文是复数普通相机只能记录强度要记录完整的复振幅还得上相移干涉或者全息装置。这些偏差累积下来传统逆解法的重建质量会明显下降。这也是后来大家想让深度学习介入的直接契机能不能让网络在一个存在噪声和误差的真实环境下依然学到可用的逆映射。1.2 深度学习在这里究竟扮演什么角色我把相关思路和实际代码跑下来发现深度学习在这个问题里可以有三个角色最容易落地的是解密端。第一个角色是替代码里的“数字逆系统”。输入密文的幅度和相位或者实部虚部输出明文。传统逆解法是由掩码共轭精确反推深度学习则是用一种可学习的非线性映射去逼近这个逆过程。好处是即使掩码有一点点不匹配、密文里混入噪声网络仍然可以恢复出大致轮廓这在鲁棒性上明显优于纯解析反演。第二个角色是安全性验证工具。研究者经常故意训练一个“不带密钥”的模型让它从密文直接猜明文用恢复质量来评估系统抵抗统计攻击和已知密文攻击的能力。注意这不是鼓励任何人去干非法的事而是在自己的系统上做安全测试属于安全工程的常规动作。第三个角色是端到端联合设计。把两块相位掩码当成可学习参数让网络同时优化加密器和解密器。这样得到的“学习型光学加密”在某些场景下比纯随机掩码更容易在真实器件上落地。不过它偏离了“随机相位”的原意更像自动设计掩码实现复杂度也更高。本博文侧重第一个场景固定光学仿真链路加深度学习解密。这也是最好复现、最适合入门的路线。2. 核心原理与参数不搞清楚后面全白干2.1 随机相位掩码与光学坐标约定随机相位掩码最简单的数学形式是两个独立生成的相位函数M1(x,y) exp(j * θ1(x,y)) M2(u,v) exp(j * θ2(u,v))其中 θ1、θ2 都在 [0, 2π) 上均匀随机采样。注意 M2 是在频域坐标上采样尺寸必须与频谱一模一样不要和空域混着用。离散实现时可以直接用 PyTorch 生成import torch import numpy as np def random_phase_mask(shape, seedNone): if seed is not None: torch.manual_seed(seed) theta 2 * np.pi * torch.rand(shape, dtypetorch.float32) return torch.exp(1j * theta)这里有一个容易踩的坑离散 FFT 和光学傅里叶变换的坐标约定不一致。用torch.fft.fft2算完之后零频位于左上角而光学透镜在频谱面上默认中心是零频。所以仿真中的频谱一般要配合torch.fft.fftshift使用而且加密和解密全程要保持完全一致的约定。如果你偷懒得过且过有些情况下居然也能还原——那多半是共轭操作把某种不一致抵消了。但一旦引入噪声、裁剪或掩码失配问题就会立刻爆发恢复结果直接从清晰图像变成雪花屏。2.2 复数密文怎么喂给神经网络CNN 没法直接吃复数张量。密文在代码里是一个 complex64 张量常见有三种输入组织方式振幅相位取.abs()和.angle()拼接成两个通道。实部虚部取.real和.imag两个通道。四通道把振幅、相位、实部、虚部都放进去。我的实测结论是在同样的网络结构和训练轮数下振幅相位的效果最稳。幅度刻画整体强度相位携带高频细节这两种特征符合图像先验实虚部虽然在数学上完备但看过去就是两幅没有太多语义特征的二维场网络收敛慢很多。同时输入前要做归一化。相位的范围是 [-π, π]直接除以 π 缩放到 [-1,1] 就好。振幅分布通常跨度很大直接用原始值会让损失被大值样本主导。建议先统计训练集振幅的 99% 分位数把振幅截断到 [0, max_amp] 再除以 max_amp或者用torch.log1p(amplitude)做压缩。这一步不做后面训练大概率卡在 loss 不降的困境里。还有另一种极端情况有些研究者为了模拟实际 CCD 记录只保留密文的强度而丢掉相位。这种情况下信息损失是本质性的解密难度会高好几个台阶。如果刚开始复现建议先做包含完整复振幅的仿真版本跑通后再往强度域挑战。2.3 解密网络与损失函数怎么定网络结构我用了一个轻量 UNet不需要在这里贴全部代码结构就是编码器-瓶颈-解码器。输入通道是 2振幅相位输出通道是 1对应灰度明文。如果你要处理彩色图像可以把明文换成 3 通道但加密仿真要对每个通道分别做 FFT计算量直接翻三倍一般不划算。损失函数用了 L1 SSIM 的组合loss alpha * L1(pred, target) (1 - alpha) * (1 - SSIM(pred, target))alpha 取 0.3 左右。纯 L2 会让边缘发糊纯 SSIM 在高频上容易不稳定。L1 对细节恢复更好SSIM 负责约束整体结构。我对比过三四种组合L1SSIM 是效果和稳定性最平衡的。评价指标除了 PSNR、SSIM最好附上相关系数 CC。这是老文献里常见的参数便于与 DRPE 原文对比。CC 的计算很简单就是两个图像矩阵的 Pearson 相关系数很多图像质量评估库都自带。给论文或课程报告准备结果时PSNR/SSIM/CC 三件套一起放比较完整。3. 源码实现与实操全流程3.1 环境准备与数据集构建环境方面我用的是 Python 3.9 PyTorch 2.0OpenCV 读图显存 4GB 以上就够跑 64x64 的小图训练。如果显存只有 2GB把 batch size 降到 8 并开混合精度也能离线训练只是速度慢一些。数据集就用公开图像库里的自然图像子集取一个小的就行。预处理流程转灰度图。resize 到 64x64 或 128x128。像素归一化到 [0,1]。保存为 npy 或 h5方便后面缓存密文。这里有一个非常关键的设计决策固定掩码还是动态掩码。如果你想复现“固定密钥”场景必须在准备数据的时候就确定掩码种子并固定否则每个 step 重新生成掩码模型面对的是一个不断变化的映射目标很难收敛。如果目标是“任意随机密钥”那模型需要额外接收掩码信息作为条件输入难度更大建议放在后面对比实验里再上。我习惯的代码结构是这样drpe_denoise/ ├── config.py # 超参数含图像尺寸、掩码种子、训练轮数 ├── dataset.py # 明文 dataset 与密文缓存构建 ├── drpe.py # 随机相位掩码生成 DRPE 加密仿真 ├── model.py # 解密UNet ├── train.py # 训练循环 └── evaluate.py # PSNR/SSIM/CC 评估与可视化3.2 加密与解密核心代码加密函数的核心逻辑def drpe_encrypt(image, mask1, mask2): # image: (B,1,H,W) float tensor值域 [0,1] field image * mask1 spectrum torch.fft.fftshift(torch.fft.fft2(field), dim(-2, -1)) field_masked spectrum * mask2 cipher torch.fft.ifft2(torch.fft.ifftshift(field_masked, dim(-2, -1))) return cipher传统逆解密用于对照实验def drpe_decrypt(cipher, mask1, mask2): spec torch.fft.fftshift(torch.fft.fft2(cipher), dim(-2, -1)) field spec * torch.conj(mask2) field torch.fft.ifft2(torch.fft.ifftshift(field, dim(-2, -1))) out field * torch.conj(mask1) return out.abs()这里有一个小细节mask2 在加密时是在频域直接乘上去的所以解密时先回到频谱面乘共轭再逆变换回物面最后去掉 mask1 的相位。很多初学者会把顺序搞反导致输出仍然是一团噪声。训练时如果模型要学固定密钥下的解密网络输入就是密文的幅度相位输出归一化后的明文。如果用动态密钥建议把两个掩码的幅度相位也拼到输入里或者通过一个小分支把掩码编码成条件向量否则模型面对的是多解问题很难收敛。3.3 训练策略与时长控制固定密钥小数据集是最容易跑通的起点。以 64x64 分辨率、500 张训练图、UNet 参数量几百万级别为例单卡训练 200 个 epoch20 分钟左右就能看到一个能用的结果前提是开启 AMP 混合精度和数据增强。动态密钥模式更难每个 batch 的密钥都不同模型需要额外理解“掩码输入”才能学到跨密钥泛化。建议采用课程学习前 50 个 epoch 用固定掩码让网络先学会基本图像重建后 150 个 epoch 再切换为随机掩码并把掩码拼进输入。这个技巧能明显降低一开始就上动态密钥带来的发散风险。训练循环里还有两个常被忽略的配置梯度裁剪和 EMA。梯度裁剪我一般 clamp 到 5.0光学图像重建任务里梯度偶尔会出现尖峰裁剪之后稳定很多。EMA 是每轮把模型参数做指数滑动平均虽然代码多几行但能白嫖提升 0.2~0.5dB 的 PSNR。很多开源实现不会主动提这一点实际用下来收益很实在。4. 实验效果与安全性权衡4.1 几组关键对照实验跑实验时有两类对比必须做否则结论站不住脚。一类是理想条件下的传统逆 DRPE 解密用来确认加密仿真代码正确另一类是带扰动条件下的对比用来体现深度模型的鲁棒性。下面是我在类似数据规模和参数下跑出来的参考区间场景方法PSNR参考SSIM参考说明理想密钥传统DRPE逆解600.9999近似精确重建纯数值仿真掩码失配1%传统DRPE逆解18~250.7~0.85对误差非常敏感固定密钥深度学习解密30~350.92~0.96需要训练固定掩码集合动态密钥深度学习条件输入28~320.90~0.94能泛化到同分布新密钥无密钥盲恢复深度学习直接猜14~180.4~0.6只能恢复出模糊轮廓这些区间会随数据集和网络结构浮动但趋势很明确只要已知密钥约束深度模型不输传统逆解一旦出现扰动深度模型更抗造。传统逆解在掩码失配 1% 时的退化很夸张原因是 DRPE 把信息均匀摊到了整个频域任何一个相位像素错误都会扩散到全图。就算只有 1% 的掩码像素出错输出也基本看不到原图轮廓。而深度模型因为见过大量“退化到正常”的样本反而学会了在这种局部误差下提取可用信息。4.2 聊聊模型即密钥的风险固定掩码模式下训练好的解密模型本质上是把那组随机掩码的逆过程压缩进了网络权重。也就是说模型文件本身已经成为一枚“隐式密钥”。如果只把密文和模型公开而掩码种子不公开等于攻击者拿到了一个可用的解密器。所以这里要明确安全边界源码仓库里只提供训练流程和示例掩码实际部署时掩码种子与模型分开保管。不要把掩码种子直接写在配置文件里随模型一起分发。如果要分享 demo用随机生成的临时掩码而不是正式密钥。我特意做过一个极端实验固定密钥模式训练好的网络换到另一组随机密钥下评估PSNR 直接掉到 15 以下。这说明网络确实“记住”了某个密钥空间的逆映射而不是凭空学会了任意解密。所以“模型即密钥”不是危言耸听是设计系统时必须留意的边界。5. 常见问题与排查技巧实录5.1 现象速查表实际操作中我把遇到过的典型问题整理成了表方便你对照排查现象可能原因处理办法训练loss不下降振幅输入未归一化损失被大值样本主导按99%分位数截断或log压缩输出全灰/全黑网络输出范围与标签不一致确认输出层没有不恰当的激活函数标签范围一致加密后还原出现偏移fftshift/ifftshift使用不一致统一加解密约定的shift顺序固定掩码训练却无法收敛数据加载时每次重新生成掩码在数据集初始化时生成一次并固定种子动态密钥训练效果差模型没收到掩码条件信息将掩码幅度/相位拼接到输入使用条件解密网络显存不足输入尺寸或batch偏大改小输入尺寸、batch降到8开混合精度图像隐约倒置傅里叶变换与光学坐标对应关系反了检查前向/逆向的镜像关系必要时翻转掩码5.2 几个影响结果质量的细节第一密文的振幅分布一定要先看直方图再做归一化。我第一版直接除以最大值结果大部分像素被压到 0 附近网络学到的是“输出一个平均值”PSNR 只有 12。后来改成 99% 分位数截断效果立刻起来。这个操作看似简单却是整个实验从“跑得动”到“跑得好”的分水岭。第二如果密文需要保存到磁盘建议不要只存幅值图。只用幅值会让相位信息永久丢失解密任务就从“复值逆变换”变成更难的“相位恢复”问题。正确做法是把复数实虚部分开用 float16 双通道存储或者直接存 npy 复数数组。第三不要迷信网络结构。光学的随机相位加密与解密本质上是一个线性变换加随机相位调制只要输入预处理靠谱一个简单的 UNet 就够用。我试过更大的 Transformer 类模型结果提升不到 1dB训练成本却翻了几倍。在这个问题上数据组织的收益通常远大于模型结构的收益。第四评估时除了单张可视化最好计算整个测试集上的 PSNR 均值。单张图选得好不代表模型整体稳健。安全评测报告里一定要看分布不要只贴一张效果最好的图。5.3 建议的执行路线如果从零开始复现我会按这个顺序走先写 drpe.py用同一张图、同一组掩码加密再解密验证逆解代码没 bug。用固定种子构造 50 张图的迷你训练集跑一个极小的 UNet确认 loss 能下降。观察生成的图像如果隐约出现明文轮廓说明输入特征有效。再把数据集放大到 500 张训练 200 个 epoch得到可发布的结果。最后上动态密钥条件输入面向“任意随机相位掩码”的泛化场景。这个路线能避免一上来就被各种高级问题劝退尤其是动态密钥和对抗攻击等到基础链路稳定之后再碰会顺手很多。我个人在实际操作中最受益的一个改动是把加密后的密文一次性全部预计算并缓存到磁盘而不是每个 epoch 重新跑 FFT。这样一来训练轮数增加的成本只是 GPU 读数据几乎零额外开销。我甚至会把密文的幅度和相位分别存成两个单通道文件配合标准数据加载器直接读取。这个“离线密文缓存”看起来不起眼却让整个实验迭代速度快了好几倍。踩过几次坑之后我现在的体会是先把逆解闭环跑通再谈模型泛化最后才谈攻击与防御这条路线对新手最友好。深度学习随机相位加密看起来神秘实际上就是“用数据驱动的逆映射替代解析逆系统”的一次漂亮实践值得花时间把每个环节都吃透。