一种基于混沌神经网络的加密算法.pdfVIP

中国电子学会电路与系统学会第十九届年会论文集 一种基于混沌神经网络的加密算法 张源安 昊楚 万娟 (信息工程大学信息工程学院 郑州450002】 摘要：本文根据瞬时混沌神经网络(TCNN)的特点提出了一种新的分组加密算法。该算法利用分段函数来逼 近TCNN的输出函数，并对网络的参数进行数字化，从而产生长周期的伪混沌序列来进行加密。理论分析和仿 真表明该算法有较好的保密他．能快速高效的实现加密，且该算法利于用硬件来实现。 关键词：瞬时混沌神经网络分组加密 一、前言 混沌神经网络(CNN)模型，使得人工神经网络不仅具有混沌行为，而且更加接近实际的人脑结 构。而后LuonanChen和K．Aihara等人i21对该网络进行了改进，提出了一种能解决全局组合 优化问题的瞬时混沌神经硒络(TCNN)。该网络其有更复杂和丰富的动力学特性，在网络通信、 组合优化、人工智能和保密通信方面都具有广泛的应用前景。 LuonanChen等人从理论上证明了在TCNN中当参数满足一定条件时，该网络中存在着混 沌吸引子刚。我们可以根据它的这一特性来对TCNN进行数字化，以此来产生用于加密的混沌 序列。文14】提出将TCNN的输出函数简化为二进制阶跃函数来进行加密，但此时TCNN产生的 序列周期很小，且只能产生与神经元数目等大小的比特位密文，效率很低。本文提出用分段 函数来逼近TCNN的输出函数，并对该网络进行了数字化。数字化后的TcNN能产生较长周期 的伪混沌序列，且产生的密文数量大，加密效率比较高。 二、数字化TCNN TCNN的模型如下所示： 量 y，(f+1)=眵i(f)+∑Ⅵ名工j(f)+口，一Ⅵ名o)d群 j=l 删=i南 (2) wii(t+1)=(1一∥)K(f)，(i=l，2，·一，H) (3) 其中X10)为第i个神经元t时刻的输出、Yi【f)为第i个神经元t时刻的内部状态、％为第 j个神经元到第i个神经元的权值、a。为第i个神经元的输入偏置、k为不应性衰减系数、F 为输出函数的梯度参数po)、H名为自反馈连接权值，且％p)=w0、口of为第i个神经元 中国电子学会电路与系统学会第十九届年会论文集 的自偏置。为了分析的方便，取卢=0，且Wii=w，(i=1,2，…，n)a 对(1)式，我们可以用矩阵形式表示为 (3) r(t+1)=，(yO))=kY(t)+wx(t)+1一wIo 其 中 F(Jr(f))=【■(y，O))，…，^(y。(f))]7 x(f)=ix。(吩一，x。(f)n，=[Ⅱ】，…，d。]7，，。=[口叭，…，a。。]7 W W12…w1“ W21 W…W2” W= 当0d。f1，且1wl取较大的值时，文献…证明了当满足下列三个条件时，TCNN中存在 着混沌吸引子： 1)wo，k?0L l一以of 2)wo，lj}生堕 aoi 3)k-I，w0 对该TCNN数字化时，为了便于计算，我们将(2)式用下面的函数进行近似 1 盟2 S 工．O)=三r业1+三—2盟盟≤2 (4)