混沌系统在图像加密中的应用（基于量子混沌映射的伪随机数发生器）

前言

量子混沌映射是量子力学中一种重要的现象，它起源于经典混沌理论的研究。经典混沌理论研究的是非线性动力学系统，发现了许多看似随机的现象。然而，量子力学中的数学结构与经典力学存在很大不同，导致经典混沌理论在量子力学中不适用。因此，量子混沌理论的研究成为了量子力学中的一个热门话题。

量子混沌理论的研究不仅在理论物理中有广泛应用，还在量子信息、量子计算、量子物理化学等领域中得到了实际应用。量子混沌映射是量子混沌理论中研究的重点之一，其本质是一种量子系统的动力学演化。量子混沌映射 和 经典混沌映射 的不同之处在于，量子混沌映射考虑了测量和量子干涉等量子效应。

一、伪随机数发生器

伪随机数生成器（PRNG）是一种算法，通过使用确定性算法生成看似随机的数字序列。它基于某个起始数字（种子）和一些算法来生成数字序列。因此，如果我们使用相同的种子和算法，它将生成相同的数字序列。因此，PRNG生成的序列虽然看起来随机，但实际上是可预测的，不是真正的随机数序列。

真随机数生成器（TRNG）是一种硬件设备，它基于真正的物理过程来生成随机数。例如，通过利用热噪声、光子发射或辐射源等不可预测的物理事件，TRNG生成完全随机的数字序列。TRNG生成的序列不受任何算法的影响，因此不可预测和不可重复。

但是许多真随机数生成器相对较慢。一个显而易见的解决方案是使用更安全的PRNG。量子混沌理论似乎是一个可以用来提高伪随机数生成器质量的工具。

二、量子混沌映射

量子 logistic 映射由Goggin等人于1990年提出。在他们大量的工作中，导出了一个耦合到一组振荡器和具有极低阶量子修正的 logistic 映射的踢量子系统。这个混沌映射由以下方程控制：

整个方程组只有两个参数，β 和 r 。

三、python代码仿真

按照公式（1）的差分方程组，我们选取 β=4.5，r=3.8，x0=0.1，y0=0，z0=0。迭代100次，可以看出 x 的时序图符合随机分布。

固定 r ，观察 β-x 的分岔图，可以看出 β > 3 左右就已经让系统进入混沌状态了，代码放下面了。

import matplotlib.pyplot as plt
import matplotlib.pylab