Para expandir os métodos de decodificação de imagens criptografadas por holografia computacional, visando sistemas de criptografia híbrida simétrica-assimétrica com alta dificuldade contra ataques ilegais, foi proposta uma solução utilizando redes neurais para restaurar imagens criptografadas por holografia computacional com máscara de fase íris caótica. A imagem em texto simples é criptografada para gerar a imagem cifrada de holografia computacional, criando um grande conjunto de dados de pares de imagens cifradas e em texto simples. Através da construção de uma rede neural e treinamento e teste contínuos, a rede neural treinada pode aproximar o mapeamento da imagem cifrada para a imagem em texto simples, e na decodificação não são mais usadas chaves públicas e privadas para decodificar a imagem cifrada. Os resultados experimentais mostram: as imagens recuperadas pela rede neural, em comparação com as imagens em texto simples, possuem coeficiente médio de correlação cruzada de 0,984, relação sinal-ruído de pico média de 61,0 dB e similaridade estrutural média de 0,77; mesmo quando as imagens cifradas são contaminadas por ruído, ainda podem ser recuperadas imagens de alta qualidade, alcançando o objetivo da decodificação por rede neural das imagens cifradas, a solução é viável e apresenta boa robustez.

holografia computacional;criptografia óptica;aprendizado profundo;biometria;caos;redes residuais