一種基于四維混沌神經(jīng)網(wǎng)絡(luò)的通信數(shù)據(jù)加密算法

王妍芬，楊風(fēng)暴,李偉偉

(中北大學(xué)，太原030051)

0 引言

混沌神經(jīng)網(wǎng)絡(luò)模型最早是根據(jù)生物神經(jīng)元的混沌特性于20世紀(jì)90年代由K.Aihara，T.Takabe和M.Toyoda等人首次提出來的[1-2]，它具有非常豐富和復(fù)雜的非線性動力學(xué)特性，特別是其混沌動力學(xué)特性，不僅能產(chǎn)生無法預(yù)測的偽隨機(jī)序列軌跡，與傳統(tǒng)Lorenz系統(tǒng)映射加密算法相比，安全性更高。本文提出了一種四維混沌神經(jīng)網(wǎng)絡(luò)產(chǎn)生的隨機(jī)加密數(shù)據(jù)信息的方法，該方法用隨機(jī)產(chǎn)生的混沌神經(jīng)網(wǎng)絡(luò)序列加密用戶數(shù)據(jù)信息，并用MATLAB 7.0語言實現(xiàn)了加密通信系統(tǒng)的字節(jié)流加密模型，對于以字節(jié)形式輸入到緩沖區(qū)的數(shù)據(jù)進(jìn)行端到端的加密傳輸。實驗結(jié)果表明，這種基于混沌神經(jīng)網(wǎng)絡(luò)序列產(chǎn)生的序列密碼具有隨機(jī)性好、實現(xiàn)容易、周期長、密鑰空間大等優(yōu)點，用于網(wǎng)絡(luò)通信和數(shù)據(jù)加密效果很顯著。

1 細(xì)胞神經(jīng)網(wǎng)絡(luò)和Qi映射

細(xì)胞神經(jīng)網(wǎng)絡(luò)（CNN）理論及其應(yīng)用是由Chua等于1988年首次提出的，其規(guī)則的結(jié)構(gòu)和局部的連接性質(zhì)使其易于實現(xiàn)TCP/IP協(xié)議下網(wǎng)絡(luò)加密，故CNN具有廣泛的應(yīng)用前景，目前CNN作為一種靈活而有效的神經(jīng)網(wǎng)絡(luò)模型在保密通信、圖像處理和物理學(xué)等領(lǐng)域的應(yīng)用受到了很多學(xué)者的關(guān)注[3-4]。CNN的應(yīng)用在很大程度上取決于動力學(xué)行為，往往需要網(wǎng)絡(luò)收斂于穩(wěn)定的平衡點，在保密通信和物理學(xué)的應(yīng)用中往往需要網(wǎng)絡(luò)具有混沌吸引子[5]。

1.1 CNN動態(tài)模式

下面介紹下CNN動態(tài)模式：

其中xj是狀態(tài)變量，yj是相應(yīng)的輸出，滿足如下公式：

只要調(diào)節(jié)非線性繞動參數(shù)a1、s11、s12和s32，系統(tǒng)的運動軌跡就會顯示變?yōu)椴煌幕煦缥覽6]。

1.2 四維混沌系統(tǒng)

Qi等人[7]提出的四維混沌系統(tǒng)（簡稱為Qi混沌系統(tǒng)）的動力方程描述為：

式中，它的每個方程中含有三次非線性交叉乘積項。在很寬的范圍內(nèi)系統(tǒng)產(chǎn)生復(fù)雜的動力學(xué)特性[8-9]，包括混沌、兩個共存雙翼吸引子、hopf分叉、倍周期等。其中a,b,c,d為系統(tǒng)參數(shù),系統(tǒng)軌跡能從上半?yún)^(qū)域或者下半?yún)^(qū)域自由地穿過界面x=0而進(jìn)入對面，如圖1所示。

該四維混沌系統(tǒng)對初值影響很敏感。下面我們將對這一混沌系統(tǒng)的初始值敏感性進(jìn)行分析。分析結(jié)果如圖2所示，圖中為[x1,x2,x3,x4]選用的初值分別為[1.2,7,80,3.2]和[1.2,7,80.000001,3.2]，從結(jié)果中可以看出當(dāng)?shù)螖?shù)大于12次以上時，結(jié)果波形出現(xiàn)明顯的分歧，由此可以證明該混沌系統(tǒng)的初值敏感性很高。

2 算法設(shè)計與實現(xiàn)

從理論上講，對任意給定細(xì)胞神經(jīng)網(wǎng)絡(luò)（3）和四維混沌系統(tǒng)（4）式的初始值，通過迭代會分別產(chǎn)生一個非周期的無窮數(shù)值序列，從而對應(yīng)一個無窮隨機(jī)序列。該隨機(jī)序列也是非周期和類隨機(jī)的，但是計算機(jī)精度有限使得實際產(chǎn)生的序列必然具有周期性，事實上，我們無法消除周期性，而只能設(shè)法延長序列的周期。為此我們提出一種思想，用三階細(xì)胞混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)和四維混沌系統(tǒng)來產(chǎn)生的偽隨機(jī)序列進(jìn)行通信加密，序列產(chǎn)生方法如圖3所示，基于該四維混沌神經(jīng)網(wǎng)絡(luò)序列保密通信系統(tǒng)如圖4所示。

在混沌神經(jīng)序列密碼系統(tǒng)中，以系統(tǒng)（3）式和系統(tǒng)（4）式的初值作為序列密碼系統(tǒng)的密鑰，為獲得較好的隨機(jī)效果，混沌系統(tǒng)的暫態(tài)過程即初始N0次迭代不予使用。加密過程如下：

（a）輸入：細(xì)胞神經(jīng)網(wǎng)絡(luò)（3）式的非線性擾動參數(shù)a1、s11、s12、和s32; 四維混沌系統(tǒng)(4)式的初值x0；

（b）第i次迭代，神經(jīng)細(xì)胞網(wǎng)絡(luò)（3）式產(chǎn)生的值為x1(i),四維混沌系統(tǒng)(4)式產(chǎn)生的值為x2(i)；

（c）若x1(i)

（d）輸出：混合混沌序列{ki|i=1,2,…}。

（e）加密：得到的序列{ki| i=1,2,…}與明文{pi|i=1,2,…}進(jìn)行異或運算得{ci| i=1,2,…}，即：ci=ki⊕ pi。

（f）經(jīng)過混沌細(xì)胞神經(jīng)系統(tǒng)產(chǎn)生的混沌信號K(i)作為混沌信號，用于在接收端利用同步的混沌信息進(jìn)行遮掩[10-13]，混沌信號的信號強(qiáng)度需大于被加密信號的信號強(qiáng)度是保證實現(xiàn)混沌同步的必要條件之一，圖4是基于此四維混沌神經(jīng)網(wǎng)絡(luò)序列的保密通信系統(tǒng)框圖，其中，解密過程和加密相同。

3 性能測試與分析

任何一個好的密碼系統(tǒng)應(yīng)該對密鑰充分敏感，即密鑰的任何一個微小的變化將會產(chǎn)生截然不同的密文。此外，用于加密的信號應(yīng)該均勻分布于整個序列，應(yīng)該具有良好的隨機(jī)性，在通信的過程中，如果用戶數(shù)據(jù)被截獲或者被竊取，那么數(shù)據(jù)的安全取決于密鑰的安全， 密鑰空間大、初值敏感度高，下面我們分別對四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)、Arnold混沌系統(tǒng)、Henon混沌系統(tǒng)和Chens混沌系統(tǒng)產(chǎn)生的序列性能進(jìn)行比較分析。

由表1可以看出二值化得到的序列中0和1的個數(shù)，00、01、10、11出現(xiàn)的次數(shù)雖然有些偏差但是基本相等。表2可以看出系統(tǒng)產(chǎn)生的0和1的出現(xiàn)個數(shù)由于Arnold系統(tǒng)，頻數(shù)檢驗和序列檢驗完全通過。表3為Chens混沌系統(tǒng)產(chǎn)生的二值序列隨機(jī)性分析，序列中0和1的個數(shù)，00、01、10、11出現(xiàn)的次數(shù)比前兩種系統(tǒng)產(chǎn)生的序列更加均衡，同時增大了系統(tǒng)的維數(shù)，從而增大了密鑰空間。表4為四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)的實驗結(jié)果。四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的二值序列產(chǎn)生0和1的個數(shù)幾乎完全相等，且明顯優(yōu)于其他3個系統(tǒng)，系統(tǒng)產(chǎn)生的二值序列完全通過頻數(shù)檢驗和序列檢驗。四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的二值序列相對于其他3個系統(tǒng)具有更均勻的序列中0和1的個數(shù)，00、01、10、11出現(xiàn)的次數(shù)。

取不同混沌系統(tǒng)產(chǎn)生的二值序列的自相關(guān)性和互相關(guān)性，隨機(jī)抽取的子序列自相關(guān)和互相關(guān)函數(shù)，截取相關(guān)間隔為0～3200。表5為各系統(tǒng)的自相關(guān)旁瓣最大值和互相關(guān)函數(shù)最大值的比較。四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)自相關(guān)旁瓣最大值為0.0136，互相關(guān)函數(shù)最大值為0.0076，系統(tǒng)的自相關(guān)旁瓣最大值明顯小于其他3個系統(tǒng)，且互相關(guān)函數(shù)最大值更趨于0。通過將不同的系統(tǒng)敏感度、產(chǎn)生的二值偽隨機(jī)序列進(jìn)行隨機(jī)性分析比較，四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)敏感度、隨機(jī)性和相關(guān)性優(yōu)勢明顯，密鑰空間進(jìn)一步擴(kuò)大。

表1 Arnold混沌系統(tǒng)產(chǎn)生的二值序列隨機(jī)性能分析

表2 Henon混沌系統(tǒng)產(chǎn)生的二值序列隨機(jī)性能分析

表3 Chens混沌系統(tǒng)產(chǎn)生的二值序列隨機(jī)性能分析

表4 四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的二值序列隨機(jī)性能分析

表5 四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)特性比較

4 結(jié)論

本文提出了一種四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生序列方法，實驗表明該序列產(chǎn)生方法具有良好的偽隨機(jī)性能、初值敏感性，同時增大了密鑰空間。在通信數(shù)據(jù)加密算法中，將載波與四維混沌神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的二值序列進(jìn)行異或處理，來增加數(shù)據(jù)傳輸?shù)陌踩浴?/p>

[1]Michacl R G,Nils J N.Logical Foundation of Artificial Intelligence[M].Morgan Kaufmken Pblishers,Inc,1987.

[2]Nguyend T,Vindrow B.Nearal networks for Self-Learning Control System[J].IEEE CSM 1990,10(3):18-23.

[3]談文蓉，楊憲澤.MIS的智能處理的近似評判法及其算法研究[J].計算機(jī)科學(xué)，2005,32(3):226-228.

[4]曹娟，周經(jīng)野.一種計算漢字串之間相關(guān)程度的新方法[J].中文信息學(xué)報，2005,18(4):55-59.

[5]孫茂松，黃昌寧.利用漢字二元語法關(guān)系解決漢語自動分詞中的交集型歧義[J].計算機(jī)研究與發(fā)展，1997,34(5):332-339.

[6]Chung Y W,Chiu H C.A learnable cellular neural network structure with ratio memory for image processing[J].Fun- damental Theory andPlications,2002,49(12):1713-1716.

[7]Qi GY,Chen GR.Analysis and circuit implementation of a new 4D chaotic system[J].Physics Letter A,2006,352(6)：386-397.

[7]Raymond B.Wolfgang, Edward H.Delp.A watermark for digital images[J].In: Proceedins of IEEE, 1996.219-222.

[8]Peeora L M,Carroll T L.Synchronization of chaotic systems[J].Physical Review Letters, 1990:64(8):821-830.

[9]Chua L O,Roska T.The CNN paradigm[J].IEEE Trans.CAS-I,1993,40:47-156.

[10]Civalleri P P,Gilli M.On Dynamic behaviour of two-cell cellular neural networks[J].Int.J.Circ.Th.Appl,1993,21:451-471.

[11]何振亞，張毅鋒，盧宏濤.細(xì)胞神經(jīng)網(wǎng)絡(luò)動態(tài)特性及其在保密.通信中的應(yīng)用[J].通信學(xué)報，1999，20（3）：59-67.

[12]金連文,韋崗.現(xiàn)代數(shù)字信號處理簡明教程[M].北京：清華大學(xué)出版社,2003：8-11.

[13]Tohur K,Akio T.Pseudonoise sequence by chaotic nonlinear and their correlation properties[J].IEICE Trans commun, 1993,E97-B(8):855-862.