随着计算机网络和信息技术的快速发展,多媒体数据得到了越来越广泛的应用,它可以在网络上方便、快捷的传输。然而由于网络的全球性以及开放性,任何人都可以自由接入,这给信息安全带来了巨大隐患。视频数据是一种特殊的多媒体信息,它具有形象、直观和生动的优点,在视频编码克服了因数据量大而带来的存储和传输的问题后,视频信息已经成为信息表达的主流。因此,视频数据的安全问题成为人们关注的焦点,视频加密技术已成为一个全球性的研究课题。现有的的视频加密算法多数都是基于H.26X和MPEG.X的基础上,这些算法都可以在一定程度上满足视频加密技术的要求。为了提高算法的各项性能,还需要探索视频加密的新方法。本文深入地研究了基于神经网络的视频加密与压缩技术,主要研究工作如下:在已有加密算法的基础上,系统地提出了视频序列加密与压缩一体化的算法。BP神经网络的网络结构非常适合用于数据压缩,而且具有良好的非线性映射特性,因此本文提出运用BP神经网络来实现视频数据压缩与加密一体化的算法。为了满足视频数据传输的实时性,本文又提出了离线学习与在线学习相结合的算法,这样可以降低神经网络的训练次数。实验表明,该算法具有较高的安全性,压缩比不变性,同时又能提高视频数据的处理速度。在已有的基于熵编码基础上的视频加密技术上,本文提出一种矢量量化和混沌系统相结合的方法来进行视频序列的压缩与加密,实现了基于SOM神经网络的视频序列的压缩,同时又利用Logistic混沌系统产生密码流,对压缩数据进行加密。这种加密和解密算法简单,并不会影响视频数据传输的实时性。经过实验分析表明,该算法在未知密钥的情况下可以抵抗各种攻击,具有极高的安全性。