保障数据安全、完整的信息安全技术,在当今计算机网络技术飞速发展、信息高速传播的时代,具有举足轻重的地位,被各行各业广泛地关注着。而光学信息安全技术由于光学变换的高并行性、高处理速度、多维度大容量等优点,在光学图像加密、认证领域有着得天独厚的优势。自从光学加密方案在1995年被首次提出以来,在最近三十年的时间里,又得到了充分的研究和发展,成为了现代信息安全技术不可分割的一部分。其中,计算鬼成像技术在2010年被第一次应用到光学图像加密当中。相较于传统的光学加密方案,因其实验装置简单、密文空间小传输更为便捷等优点,广泛地吸引着研究者们的注意,大大扩展了传统光学信息安全技术的思路。而随着计算机科学、软件算法和硬件技术在近几十年间的蓬勃发展,人工智能、机器学习、深度学习等成为了当前各个研究领域的热点词汇。深度学习神经网络因其优越的性能突破了不同领域中的传统局限,解决了用传统方法难解决的问题,掀起了各行业与深度学习神经网络充分结合、学科交叉的热潮。深度学习在光学信息安全中也得到了广泛的应用,包括神经网络参与的图片隐写及加密系统、图像加密过程中的基于深度学习优化的压缩和解压过程、通过神经网络提高图像加密对噪声的鲁棒性和基于神经网络的对光学加密方案的密码分析等,为光学信息安全技术开启了新篇章。本文以计算鬼成像光学加密技术为脉络,第一章系统地介绍了信息安全和光学信息安全的基本理论,包括密码学的基础理论知识和常见的光学加密技术。第二章则对计算鬼成像的起源包括传统纠缠鬼成像和赝热光源鬼成像的实验装置及相应的成像原理做了完整的阐述,并引入了本文主线即计算鬼成像及其光学加密方案,之后的工作都将在其基础上展开。第三章,基于奇异值分解鬼成像技术和（t,n）门限秘密共享算法,提出了一种多级图像认证方案:将密钥分割成n个子密钥分发给n个用户共享该图像认证系统,大于等于t个用户一同授权可以实现认证系统的强认证,获得系统的高级权限;而少于t个比如单个用户,则只能获得较低的系统权限,通过系统的弱认证。系统当中采用奇异值分解鬼成像技术实现了认证图像的快速、高质量恢复重构,与认证中心的标准图像的相关系数可以达到完美的1.0（仿真实验中）。仿真实验和光学实验都成功验证了该认证系统的可行性,此外,还对该认证系统的密钥敏感度和安全性做了分析和测试。该多级认证方案的提出希望能给光学图像认证提供新的思路,带来新的灵感。第四章,针对计算鬼成像加密方案,提出了一种基于物理先验条件对抗生成网络的深度学习方法的已知明文密码攻击系统。采用的神经网络由鉴别器和生成器组成,在鉴别器和生成器的博弈中完成对攻击网络的训练,实现向密码攻击系统输入密文图像,就能实时得到高质量的预测明文图像。相较于以往的光学密码攻击方案,本文中用了更大尺寸的（128 × 128）、对细节要求更高的人脸图像作为攻击目标,难度更高,对细节的还原度要求也更高。同时将当前热门的一些经典神经网络框架,包括卷积神经网络、循环神经网络和U型网络结构作为密码攻击系统的网络模型,将它们的已知明文攻击效果与我们提出的模型做横向对比,展现出我们的网络框架在解密复杂攻击目标上的优越性。文中仿真实验和光学实验都验证了该已知明文攻击方案的可行性。最后,对全文包括关键点和创新点进行了总结,对论文中的不足之处进行了分析讨论。