[发明专利]一种基于分数阶忆阻神经网络的物联网音频加解密方法在审

专利信息
申请号: 202210615441.7 申请日: 2022-06-01
公开(公告)号: CN115171708A 公开(公告)日: 2022-10-11
发明(设计)人: 余飞;余秋林;陈会锋;孔新新;蔡烁 申请(专利权)人: 长沙理工大学
主分类号: G10L19/018 分类号: G10L19/018;H04L9/00;G06N3/04;G06N3/08
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 王本晋
地址: 410114 湖南省*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 分数 阶忆阻 神经网络 联网 音频 解密 方法
【权利要求书】:

1.一种基于分数阶忆阻神经网络的物联网音频加解密方法,其特征在于,所述服务端包括:

通过INIT频道接收来自发送端的加密初始值,基于Caputo分数阶微积分和忆阻Hopfield神经网络构建分数阶忆阻Hopfield神经网络模型,并通过所述分数阶忆阻Hopfield神经网络模型对所述加密初始值进行运算,得到混沌密钥;

通过KEY频道将所述混沌密钥发送至所述发送端,以使所述发送端基于所述混沌密钥对原始音频进行加密,获得加密音频;

通过KEY频道将所述混沌密钥发送至接收端,以使所述接收端基于所述混沌密钥对通过AUDIO频道接收来自所述发送端的所述加密音频进行解密,得到原始音频。

2.根据权利要求1所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法,其特征在于,所述Caputo分数阶微积分定义表达为:

其中,Γ表示伽马函数,所述伽马函数表达式为t为积分上限,m表示整数,f(t)表示函数,f(m)(τ)表示m阶导数。

3.根据权利要求2所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法,其特征在于,通过如下方式获得所述忆阻Hopfield神经网络:

构建所述Hopfield神经网络的表达式为:

其中,x=[x1(t),x2(t),x3(t)]T表示状态变量,tanh(x)=[tanh(x1),tanh(x2),tanh(x3)]T表示神经元的非线性激活函数,W表示神经元之间的权重矩阵;

在所述Hopfield神经网络中使用多涡卷的新型忆阻器,所述多涡卷的新型忆阻器表达式为:

其中,

采用tanh函数代替所述新型忆阻器中的sgn函数,获得忆阻Hopfield神经网络,所述忆阻Hopfield神经网络的表达式为:

其中,x、y、z和w表示所述忆阻Hopfield神经网络的状态变量,a、b、c和d表示所述新型忆阻器的参数,k表示所述新型忆阻器的耦合强度,通过如下公式获得权重矩阵:

4.根据权利要求3所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法,其特征在于,通过如下方式构建分数阶忆阻Hopfield神经网络模型,包括:

根据所述Caputo分数阶微积分定义和所述忆阻Hopfield神经网络的表达式,获得所述分数阶忆阻Hopfield神经网络模型的表达式为:

其中,表示所述Caputo的微分算子,q表示所述分数阶忆阻Hopfield神经网络的阶数,t表示积分上限,t0表示积分下限。

5.根据权利要求1所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法,其特征在于,所述基于分数阶忆阻神经网络的物联网音频加解密方法,还包括步骤:

采用SHA256算法分别对INIT频道、KEY频道和AUDIO频道进行hash混淆处理。

6.一种基于分数阶忆阻神经网络的物联网音频加解密系统,其特征在于,包括:

服务端,通信连接发送端和接收端,所述服务端用于接收来自所述发送端的加密初始值,建立分数阶忆阻Hopfield神经网络模型,将所述加密初始值通过所述分数阶忆阻Hopfield神经网络模型进行运算,获得混沌密钥;所述服务端还用于将所述混沌密钥发送至所述发送端和所述接收端;

所述发送端,通信连接所述服务端和所述接收端,所述发送端用于获取原始音频和加密初始值,所述发送端用于发送所述加密初始值至所述服务端;获取来自所述服务端的所述混沌密钥,基于所述混沌密钥,将所述原始音频进行加密,获得加密音频;所述发送端将所述加密音频发送至所述接收端;

所述接收端,通信连接所述发送端和所述服务端,所述接收端用于接收来自所述服务端的所述混沌密钥;所述接收端还用于接收来自所述发送端的加密音频,并基于所述混沌密钥,将所述加密音频进行解密,获得原始音频。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长沙理工大学,未经长沙理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210615441.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top