[发明专利]一种融合神经网络与混沌映射的流密码密钥控制方法

权利要求书

1.一种融合神经网络和混沌映射的流密码密钥控制方法，其特征在于：设置发送方和接收方拥有相同参数的神经网络权值同步模型和三个分别拥有相同初值的混沌映射函数，设定发送方和接收方拥有相同的混沌函数初始值，所述流密码密钥控制方法包括以下步骤：

(1)确定基于3个混沌映射的混合密钥流发生器：

将三个混沌映射产生的随机位进行异或操作得到最终的随机序列，即：

混合混沌映射序列＝(混沌映射1序列)XOR(混沌映射2序列)XOR(混沌映射3序列)；

其中，混沌映射1序列、混沌映射2序列、混沌映射3序列的初值分别由发送方和接收方双方共同拥有的初始值决定；

(2)、基于神经网络权值同步的混沌函数初值更新过程：

发送方和接收方同时执行基于输出位的神经网络权值同步交互学习，所述的混沌映射1序列、混沌映射2序列、混沌映射3序列产生的随机序列作为神经网络模型3个内部感知器的输入，用于权值更新，并实现双方的权值同步，将同步的权值映射为混沌函数初值，完成混沌函数初值的更新，得到混合混沌密钥流；

当系统发起下一次会话时，将采用新的初值作为3个混沌映射序列的初始参数，各自产生新的随机序列，得到新的混合混沌密钥流。

2.如权利要求1所述的一种融合神经网络和混沌映射的流密码密钥控制方法，其特征在于：所述步骤(2)中，通过发送方和接收方交互次数的设置，确保在每一次流加密会话结束时实现神经网络权值的同步。

3.如权利要求1或2所述的一种融合神经网络和混沌映射的流密码密钥控制方法，其特征在于：所述神经网络权值同步模型由两个具备相同离散参数的特殊神经网络构成，每个神经网络由K个具有离散输入和权值的感知器组成；定义每个感知器的输出值计算公式为：

σi=sign(Σj=1NWijXij),]]>

其中x_ij(i＝1，2，...K；j＝1，2，...，N)为第i个感知器的N维输入向量，w_ij(i＝1，2，...K；j＝1，2，...，N)为第i个感知器的N维权值向量，x_ij取值为+1或-1，w_ij取值为区间[-L，+L]内的整数，L为模型选定的正整数；

符号函数定义为：

Sign(X)=+1X≥0-1X<0]]>

定义神经网络的最终输出值计算公式为：

τ=sign(Πi=1Kσi),]]>i＝1，2，...，K

参数初始化操作：记权值同步模型的两个神经网络为P^C，P^S，相应的权值向量、输入向量、最终输出值分别记为：W^C、X^C、σ^C、τ^C和W^S、X^S、σ^S、τ^S；

初始化参数如下：

W^C＝W^S，X^C＝X^S；

其中，X^C(t)＝X^S(t)，这里的时间参数t指每一步权值同步互学习后，两方的权值向量保持同步；

权值更新操作：给定一个权值同步的学习步数值n，双方的权值向量按如下更新公式执行n次更新操作；

对满足和的所有权值分量W^S，计算：

WijC=WijC-XijCσiC,]]>WijS=WijS-XijSσiS]]>

记n次更新操作后的权值向量为：W^C′、W^S′；

结论：W^C′＝W^S′。