[发明专利]基于深度学习的模糊密钥通信系统及对抗网络系统

说明书

本发明公开了一种基于深度学习的模糊密钥通信系统及对抗网络系统，包括通信方Alice与通信方Bob；通信方Alice包括加密模型；所述加密模型由第一神经网络模型深度学习后得到；通信方Bob包括解密模型，解密模型由第二神经网络模型深度学习后得到，用于输入密钥和密文，并且根据模糊密钥针对输入的密文进行解密，得到明文信息；第二神经网络模型从输入至输出包括第二全连接层、第三全连接层和多层卷积层；通信方Bob的解密模型输入的密钥为模糊密钥。本发明对抗网络系统由本发明通信系统加入Eve模型后进行深入学习后得到。本发明系统能够加强网络在模糊密钥通信环境下的通信性能，在模糊密钥环境下实现准确通信。

技术领域

本发明属于计算机技术以及信息安全通信技术领域，特别涉及一种基于深度学习的模糊密钥通信系统及对抗网络系统。

背景技术

随着深度学习技术的发展，也开始尝试使用在各个领域。一般的加密算法是通过人们自行设计的，但是现在可以利用深度学习中的生成对抗网络来制作加密算法。其中对抗网络Google Brain由两个神经网络进行对抗，其中一个神经网络Eve负责破解通信的密文，另一个神经网络由两个部分组成Alice和Bob；Alice与Bob之间加密通信，Eve负责破解通信内容；上述两个神经网络开展破解密文和保护密文之间的网络对抗；神经网络通过不断对抗来增强各自的能力，最后抽取生成对抗性网络中的Alice与Bob的网络作为加密神经网络算法模型。利用该训练得出的模型可以进行加密通信。在现有技术中，Alice与Bob公用一个密钥K，Bob通过密钥K解开密文C，Eve自己对密文C进行解密。Alice和Bob为同一方，均未学过任何的加密知识，而是单纯依靠二者之间的共识(一段共享的密钥K)，去自己“琢磨”，设计出一个加密的方法，例如研究者给出一段16个字节的原文本P，Alice按照自己设计出的方法对P进行加密并输出一段密文C。Bob再用密钥K配合Alice发来的密文C，自己设计出解密的方法，解密出一个答案。而Eve则扮演“敌方”的监听者的角色，能够窃听到密文C，在没有密钥K的前提下，同样是自己设计解密方法，去猜测原文本是什么。现有技术中，Alice与Bob一般共用一个密钥K，密钥K出现泄漏时，Alice与Bob通信的密文就容易被攻破；但如果给到Bob的密钥相比密钥K存在差异时，即Alice和Bob的密钥相似当不相同时，Bob将很难从密文中准确解密出明文。另外，通常情况下，当Alice和Bob想要进行安全的沟通时，Eve都就想窃听他们的沟通。因此，所需的安全属性是保密性，对手是“被动攻击者”。而Eve可以拦截通信，但它不能启动会话，注入消息，或修改消息。然而这种模式下并不是绝对安全的，Eve是可以解密掉Alice和Bob的加密密钥K的。

目前可以通过Google Brain的对抗网络来学习信息保护加密算法，该模型在Bob获取到的密钥出现少量损失或差异时，还能够实现加密通信，但当通信过程存在一定量的信息损失，Bob则无法保证明文能够还原。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提供一种基于深度学习的模糊密钥通信系统，该系统能够加强网络在模糊密钥通信环境下的通信性能，在模糊密钥环境下实现准确通信。

本发明的第二目的在于提供一种对抗网络系统。

本发明的第一目的通过下述技术方案实现：一种基于深度学习的模糊密钥通信系统，包括通信方Alice与通信方Bob；

所述通信方Alice包括加密模型；所述加密模型由第一神经网络模型深度学习后得到，用于输入明文以及密钥，并且采用输入的明文以及密钥形成密文；所述第一神经网络模型从输入至输出包括第一全连接层和多层卷积层；

所述通信方Bob包括解密模型；所述解密模型由第二神经网络模型深度学习后得到，用于输入密钥和密文，并且根据输入密钥针对输入的密文进行解密，得到明文信息；所述第二神经网络模型从输入至输出包括第二全连接层和多层卷积层；