一句话总结扩散模型本质：如何把“纯噪声”一步一步还原成“有结构的数据”它先定义一个“破坏数据”的过程：把真实样本一点点加噪，最后变成近似高斯白噪声。然后训练一个神经网络去学它的逆过程：从噪声开始，一步步去噪，最后生成样本。正向扩散：把图像/轨迹/语音慢慢“弄坏”反向去噪：学会怎么把它“修回来”传统生成模型常常想“一次性”生成结果。先从随机噪声开始第一步去掉一点无意义噪声再去掉一点再修正一点结构最后

1 将明文将输入的明文按字节分组为一个4 x 4的矩阵。同时，初始化密钥扩展，根据输入的密钥生成一系列轮密钥，用于后续的轮函数。2 轮函数：对每一轮进行处理，包括字节替代、行移位、列混淆和轮密钥加。3最后一轮：去除列混淆操作，只进行字节替代、行移位和轮密钥加。4 输出密文：将最后一轮处理的矩阵按列输出为密文。