[发明专利]一种基于多个时滞储备池计算串联的保密通信实现方法

说明书

一种基于多个时滞储备池串联计算的保密通信实现方法，利用多个时滞储备池计算串联的方法制作出来的接收方同步解密系统，解决了传统接收端同步解密系统受发送端加密系统限制的弊端，增强了解密系统的灵活性。训练后的储备池计算模块通过一个标量信号的传输就可以模拟并同步加密系统，实现了一维时滞储备池计算对三维加密系统混沌信号的学习和稳定预测，解决三维数据输入端口问题。通过异维学习，针对加密系统携带真实信息的维度实现混沌同步，从而解密。时滞储备池计算串联仅需要4个真实节点，总计48个虚拟节点，解决了常规储备池数据量大，难以通过硬件实现的问题。最后通过混沌掩盖的技术实现了图像的保密传输，并能正确有效地恢复出原有信息。

技术领域

本发明涉及机器学习和混沌保密通信交叉领域，特别是针对混沌系统同步，具体涉及一种基于多个时滞储备池计算串联的保密通信实现方法。

背景技术

机器学习—储备池计算(reservoir computing)可用于混沌保密通信中的接收端，能有效解除传统接收端解密系统设置上的限制。然而，传统的储备池计算需要运用大量的实际节点，为硬件实现带来了一定困难。时滞储备池计算(Time-delay based reservoircomputing)，通过利用非线性动力学系统产生一个时滞反馈圈，形成虚拟节点，可以有效解决传统硬件实现难的问题。因此，利用时滞储备池计算实现保密通信更加具有现实意义。但需要指出的是，时滞储备池计算在实际保密通信实现过程中也存在问题。例如，实际保密通信中，加密系统往往采用三维混沌系统，真实信息被隐藏在某一个维度，如果时滞储备池计算由一维动力学系统设计实现，就会出现端口数量不匹配的问题，无法完成训练和预测。

发明内容

针对上述问题，本发明提出一种基于多个时滞储备池串联计算的保密通信实现方法，基于该方法可以实现一维时滞储备池计算对三维加密系统混沌信号的学习和稳定预测，解决上述端口问题，并通过系统内异维学习，针对加密系统携带真实信息的维度实现混沌同步，从而解密。

一种基于多个时滞储备池计算串联的保密通信实现方法，包括如下步骤：

步骤1，将混沌加密信号U(t)分成两个部分，为包含三个维度U_1x(t)、U_1y(t)和U_1z(t)的训练集U₁(t)，和包含三个维度U_2x(t)、U_2y(t)和U_2z(t)的加密集U₂(t)；

步骤2，在发送端，拟发送h(t)经过由三维时滞混沌系统生成的混沌加密信号U(t)的加密集U₂(t)中的某一维度加密后，生成加密信号S(t)；

步骤3，接收端首先接收训练集U₁(t)，在接收端中的时滞储备池组成的串联网络中进行学习训练，并根据时滞储备池在训练过程中的演化状态计算得到输出权重矩阵W_out；

步骤4，在预测阶段，发送端将加密集U₂(t)中的某一维度作为一个标量信号输入给接收端，接收端串联网络利用W_out生成信号G(t)，并且G(t)和U₂(t)中在步骤1用于加密的维度实现同步；

步骤5，利用信号G(t)将加密信号S(t)的加密信息去除，从而得到拟发送信号h(t)。

进一步地，步骤2中，选取加密集U₂(t)的z维度进行加密，即加密方程为S(t)＝K₁U_2z(t)+K₂h(t)，其中K₁和K₂为密钥。

进一步地，步骤3中，所述时滞储备池包括掩模，一个具有12个虚拟节点的时滞储备池网络和输出层。