[发明专利]一种基于神经网络混沌吸引子的公钥密码加密和解密方法

说明书

技术领域

本发明涉及一种信息加密技术，尤其是涉及一种基于神经网络混沌吸引子的混合公钥密码加密和解密方法。

背景技术

社会信息化的快速发展对网络通信的安全性和速度提出了更高的要求，现代网络通信的安全性主要基于密码学。自1976年Diffie.W和Hellman.M提出公钥密码系统的思想以来，由于其密码管理方便和密钥数量少等优点，成为了密码学研究的热点，并且在网络安全及信息安全方面发挥了巨大的作用。迄今为止的所有公钥密码体系中，RSA系统是最著名、使用最广泛的一种。但RSA公钥密码算法的安全性依赖于大数的因子分解，速度较慢，且随着大数分解技术的发展，算法只能依靠提高密钥的长度来提高计算安全性，这就增加了密钥管理的难度，进一步降低加密与解密的速度，同时密钥空间急剧缩小，运算代价变高，也不利于数据格式的标准化。而近来研究比较多的椭圆曲线公钥密码算法，虽然密钥相对变短，但是仍存在计算量大、数据的加解密速度都比较慢的问题。

神经网络固有复杂的非线性特点与密码学的计算复杂特性要求非常吻合，这使得神经网络特别是反馈型离散Hopfild神经网络在密码学中的应用研究成为现代密码学领域一个新研究方向。反馈型Hopfiled神经网络的动力学特性，特别其混沌动力学特性，被认为是一种非常复杂而难以预测的非线性问题，即可视为复杂难解的NP问题，它既能产生无法预测的序列轨迹，也可以实现不规则的混沌吸引子分类，还可以实现不同系统间的工作同步。此外，离散Hopfiled神经网络也是一种可实现高速并行运算的网络，能够适合用FPGA或CMOS数字集成电路来直接兑现它的并行运算，以实现实时高速加密通信。

为了满足下一代互联网多媒体实时性安全通信的要求，既需要选用复杂性高的加密算法，以增强信息的安全性，又希望所选用的加密算法能以并行方式实现快速运算，以缩短加密和解密的时间来保证实时通信。其中，既能实现快速并行运算，又有混沌动力学复杂行为的人工神经网络，一直被认为是用来设计下一代互联网通信所需的加密算法的最佳选择之一。

虽然公钥加密有很多优点，但是公钥加密速度慢又有消息扩展，不宜用于长消息的加密，而单钥密码较之有效得多，所以两种概念的组合，即混合加密在实际应用中非常流行，已成为设计公钥加密的一种重要方法，同时也是使低安全水平的公钥加密达到IND-CCA2(适应性选择密文攻击的不可区分性)安全的一种方法。

中国专利CN1980374公开一种基于生物特征的信息加密与解密方法，将从生物特征身份识别系统获得的图像特征值数据作为密钥，构成一密钥图像，将密钥图像和被加密图像分别进行傅立叶变换获得图像频谱值，再将两个频谱值中的相位相加，构成新的相位值来置换被加密图像的频谱的相位值并保持模不变；进行傅立叶逆变换即为加密图像，发送给用户；解密时由实时采集授权者的生物特征值获取密钥信息，然后进行加密过程的逆过程实现解密。该发明通过在线实时采集授权者的生物特征值，密钥信息无须保存和记忆，由于不保存密钥信息，则密钥信息无法复制，信息的解密必须由授权者本人亲自到场解密，非授权者无法获取正确的密钥，有效确保了加密信息的安全。

发明内容

本发明的目的在于提供一种安全性高、加密速度快的基于神经网络混沌吸引子的公钥密码加密和解密方法。

本发明所述基于神经网络混沌吸引子的公钥密码加密方法，其步骤如下：

1)密钥的输入：信息的发送方首先从输入设备向加密器输入自己的私有密钥Hs和接受方经认证过的合法的公钥Tr，在加密器中计算出新的共享密钥

2)密钥序列的生成：密钥序列产生器选用2ⁿ个LFSR作为序列密码的驱动源，将离散Hopfield神经网络作为非线性函数部分进行选择控制输出，各LFSR的的初始值由公开密钥T的矩阵中随机选取确定，且通信双方必须一致；然后把2ⁿ个LFSR的输出值当作神经网络的输入值，在加密器中计算出吸引子，并对吸引子进行编号，再根据吸引子编号对2ⁿ个LFSR的输出值进行多选一操作，由此产生随机密钥序列；

3)密文的生成：随机密钥序列与明文逐位进行异或运算，生成密文，直至明文全部被加密为止。

所述密钥的产生步骤：