在付出了惨痛代价之后，人们才发现承载在互联网上的多媒体数据的内容保护问题刻不容缓。互联网为多媒体信息交流及交易提供了平台，却没有有效解决安全保障问题。与文本数据不同，多媒体信息的数据量非常大，传统的链式结构的消息认证算法不仅耗时多，且占用大量的计算资源。随着分布式技术的发展以及云概念的普及，一种并行、高效的认证算法将倍受青睐。数字图像是多媒体的一种，其加密方法易推广到其它的多媒体形式中。基于这些特点的考虑，本文利用细胞神经网络的实时、高效等特点设计出一种并行、安全、高效的数字图像认证算法。本文的工作主要涉及了以下几个方面：　　①介绍了细胞神经网络的理论基础知识和发展背景，简要分析了CNN的发展现状以及本课题研究的意义。　　②简要介绍细胞神经网络的基础，包括细胞神经网络的数理模型、状态方程，给出了对细胞神经网络的结构及状态方程的稳定性分析，就分析结果得出细胞神经网络的反馈模板设计与其稳定性有着密切的联系。同时，重点介绍了 CNN用于数字图像处理的基本思想，其中包括 CNN输入与输出的量化方法及模板设计思想。　　③分析和总结现有的图像认证算法的特点，指出其优点与不足，以及不足之处的根源。　　④根据CNN思想的特点，将其与图像认证相结合，提出基于CNN的图像认证算法。论文给出了详细算法设计及改进过程，并通过仿真实验证明了 CNN的图像认证算法在敏感性、随机性和安全性方面具有良好的性能。　　最后对全文进行总结，提出了论文的不足以及进一步改进的方向。