随着信息技术的高速发展,信息与数据的安全问题日益严峻。基于光学理论和方法的光学密码学,作为一种新型的信息保护技术,具有并行数据处理、安全性能高等优势,吸引了越来越多的学者投身其中,各种光学密码技术陆续被提出。然而,对于任何一种光学密码技术在投入使用之前都必须经过严格地安全性分析。因此,对一些典型的光学密码系统进行安全性分析,不仅可以有效避免由于安全漏洞带来的损失,同时也可以促进光学密码编码技术的发展。本论文首先总结了光学密码学与光学密码分析学的发展近况,介绍了密码学概念和光学信息处理技术基本理论。针对于基于随机相位编码的光学密码系统,本论文提出了基于遗传算法和深度学习的两种新型光学密码分析方法。论文的核心内容以及创新点可以概括为以下两个方面:(1)提出了一种基于遗传算法的选择明文攻击方法。所提出的方法针对于双随机相位编码系统,通过采用遗传算法对频域的光场相位进行反馈式优化调制,进而获取密码系统的“等效密钥”,使得系统中随机相位密钥的混淆和扩散作用成功被移除。通过这个“等效密钥”,攻击者可以从任意截获的密文直接破译出明文信息。相比于已有的选择明文攻击方法,该方法无需记录任何复振幅分布,对噪声的鲁棒性较高。(2)提出了一种基于深度学习的光学密码分析方法。设计了一种适用于光学密码分析的深度神经网络,通过利用多对“密文-明文”图像进行网络训练,训练完成的网络即可视为密码系统的“等效密钥”,可用于破译后续截获的密文。该方法不仅适用于传统的双随机相位编码系统,同样适用于更高安全强度的三随机相位编码系统。实际的光学实验结果也进一步验证了方法的可行性和实用性。所提出的方法作为深度学习在光学密码分析中的应用探索,为光学密码系统安全性分析提供了一种新的思路。