遗传算法在信息安全领域中的应用初探.pdfVIP

·2s6· 第二十一次全国计算机安全学术交流套论文 搜索解空间内的多个区域，并相互交换信息。使用这 力、最佳或最短路由的选择等问题。使用遗传算法可 种搜索方式，虽然每次只执行与种群规模n成比例 以对总体进行优化设计，具体过程如下。 的计算，但实际上已进行了大约O(n3)次有效搜索， (1)个体编码形式。网络拓扑可以用节点间连接 这就使遗传算法能以较少的计算获得较大的收益。 边的集合来定义，更直接的就是用邻接矩阵表示。一 (3)通用性。遗传算法只须利用目标的取值信个的布尔矩阵中，如果节点x到节点Y之间有边连接 息，无须其它额外信息，因而适用于任何大规模、高 则值为l，否则为0。在假定链路是双连接的情况下，这 度非线性的不连续多峰函数的优化以及无解析表达 是一个对称矩阵，只需n(n一1)／2个二进制值就可表 式的目标函数的优化，具有很强的通用性。 示这个矩阵。容量、费用等参数也可以使用二维邻接 (4)全局优化性和稳健性。遗传算法择优机制是 矩阵表示，在这个矩阵中的因子值就足连接之间的相 一种“随机选择”，强调概率转换原则，而不是确定的 应参数值。一个的矩阵中，如果节点X到节点Y之间 转换原则，加上其良好的并行性，使它具有良好的全 有边连接则对应参数值为C，否则为0，其中C就是这 局优化性和稳健性。 ， 个相应的参数值。在假定链路是双连接的情况下，这 (5)可操作性与简单性。遗传算法操作的可行解 个矩阵也是对称矩阵，只需要n(n一1)／2个二进制值就 集是经过编码的(通常采用二进制编码)，目标函数 可以表示这个矩阵。进一步，代表网络的拓扑、容量或 解释为编码化个体的适应值，因而具有良好的可操 者费用等参数的染色体基因可以用一个长度为n(n一 作性与简单性。 1)／2位的二进制串来表示，这样选择、交叉、突变以及 遗传算法的特性决定了其广阔的应用前景，如 其他的遗传算法常规分析动作就可以分别运用到运 机器学习、模式识别、图像处理、神经网络、工业优化 算中来。通过网络中两节点问的路由矩阵和网络的费 控制和社会科学等方面。特别是在解决旅行商问韪、 用矩阵，就可以得出两节点之间的路由总费用。在实 煤气管道的最优控制、铁路运输计划优化、喷气式飞 际的网络优化设计中，染色体的编码往往采取域的概 机涡轮机的设计、VLSI版面设计、键盘排列优化等问念，就是将某些相关的节点或者链路等基因因子结合 题上遗传算法都取得了很大的成功。下面我们重点 在一起作为一个整体参加运算，在运算中采取一定的 介绍遗传算法在网络优化、密码体制分析与设计、密 运算规则，使得这个域中的基因因子同时发生符合某 码芯片设计等信息安全领域中的应用。 种规则的变化，这样可以大大简化和方便遗传算法的 运算。 三、遗传算法在网络优化中的应用 (2)终止条件。网络设计中遗传算法的终止条件 可以结合宽带网络设计的相关参数条件来采用某种 在通信需求量飞速增长的今天，对网络的通信 判定准则。当判定出染色体集群已经进化成熟且不再 能力的要求也与日俱增。近年来，对网络优化的研究 有进化趋势时就可以终止算法的运行。常用判定准则 也在不断的深入。网络的总体优化过程一般可分为 有：连续几代个体平均适应度的差异小于某一个极小 拓扑优化、路由优化和容量优化等多种优化处理过 的阈值；或者群体中所有个体适应度的方差小于某一 程。这些优化问题的目标函数或约束条件大都是非 个极小的阈值。当优