[发明专利]一种基于深度学习的通用加密算法

说明书

本发明涉及一种基于深度学习的通用加密算法，所述算法包括以下步骤：步骤1)合成训练集的构建；步骤2)模型训练与参数表的构建；步骤3)时变密码本的构建；步骤4)信息的加密与解密。本发明基于深度学习的上述特性，利用深度学习结果的难解释性和训练时间长的特点来辅助加密，这是首次利用通用的深度学习模型辅助加密；并且提出了时变密码本的概念和构造方法，来解决密钥更新的问题；且该方法的两阶段结构——通信准备阶段和通信过程，使得暴力破解的所需时间和正常加解密的时间解耦合，实现了效率和安全的兼顾。

技术领域

本发明涉及一种加密算法，具体涉及一种基于深度学习的通用加密算法，属于人工智能与密码学交叉技术领域。

背景技术

密码学是保障信息安全的核心技术，越来越多重要的数据需要被安全的加密算法来保障安全。这些加密算法包括经典的加密算法（比如3DES,AED,RSA），还有一些十分新颖的算法（比如DNA算法，混沌映射算法）等。特别地，AES作为对称加密算法的代表而被广泛地使用，它具有较快地速度以及低空间消耗。此外，还存在一种安全的，牢不可破的对称加密算法——一次性密码本。

然而，这些算法都面临着一定的问题。首先，大多数加密算法都依赖于密钥的长度，当密钥的长度变短时，安全性也会降低。一种解决方法时增加加密算法的时间复杂度。这样的话，对于同样规模的密钥空间，攻击者需要更多的时间来进行暴力攻击，但是这样也会损失加密解密的效率，因为通信双方需要更多的时间去加密和解密。此外，对于一次性密码本，其使用有很大的不便性，其原因在于：

一、用以加密的文本，也就是一次性密码本，必须确实是随机产生的。

二、它至少必须和被加密的文件等长。

三、用以加密的文本只能用一次，且必须对非关系人小心保密，不再使用时，用以加密的文本应当要销毁，以防重复使用。若密码本被使用多次，很容易通过多组明文/密文对破解密钥。

当大量的信息需要被传输时，它遭受着密钥更新的困难，而这种困难使得一次性密码本的真正应用领域很窄。因此，密码专家们思考各种各样的方法去接近一次性密码本，并同时考虑设计的方法的可用性。

深度学习是近年来人工智能的热点研究领域，可自动地学习到从海量数据的表示（representation）到数据的标记（label）的映射，而这种映射关系是由深度学习模型中的超参数所控制的，由深度学习模型产生的超大规模的参数（权重）所捕捉到的。目前尚无理论可对这些参数进行合理的解释，即这些参数具有不可解释性。当模型的超参数是未知的或者被改变后，或者训练数据被改变后，所训练出的参数将发生变化。因此，深度学习模型实质蕴涵了加密的特性。而且，深度学习的训练时间耗时极长，每调一个超参数就意味着大量时间的流逝。因此，能否利用深度学习的这两个特点来辅助加密是值得研究的。

发明内容

本发明正是针对现有技术中存在的问题，提供一种基于深度学习的通用加密算法，本发明基于深度学习的上述特性，利用深度学习结果的难解释性和训练时间长的特点来辅助加密，这是首次利用通用的深度学习模型辅助加密；并且提出了时变密码本的概念和构造方法，来解决密钥更新的问题；且该方法的两阶段结构——通信准备阶段和通信过程，使得暴力破解的所需时间和正常加解密的时间解耦合，实现了效率和安全的兼顾。

为了实现上述目的，本发明的技术方案如下，一种基于深度学习的通用加密算法，其特征在于，所述算法包括以下步骤：

步骤1）合成训练集的构建；

步骤2）模型训练与参数表的构建；

步骤3）时变密码本的构建；

步骤4）信息的加密与解密。