Empirical Study of Tree Parity Machine and Its Applicationon Key Management for Wireless Sensor Networks

In this paper,a model with two mutual learning neural networks named Tree Parity Machine(TPM) is firstly introduced,as well as its cryptographic property of weight synchronization with that of chaos cryptography is comparatively discussed. A full empirical study on the stability and security of the TPM weight synchronization is conducted in detail. Then two improvement methods for the weight synchronization are proposed. Experiment results show that the improved TPM synchronization model can be efficiently against the third party attack. At last,a lightweight TPM-based key management scheme is proposed for TinySec on wireless sensor networks,which is full implemented on the Mica2 node and the performance test result is acceptable.

基于改进型树型奇偶机的密钥交换研究

提出了一种基于改进型树型奇偶机的密钥交换方法。利用伪随机数产生器为通信双方产生共同的输入向量,降低网络同步所需的数据量;使用基于滑动窗口的学习规则来动态改变学习率,降低同步次数;并且进一步提出基于背包算法和深度优先搜索遍历算法的高效输入序列生成方法,增大正向学习概率加快同步速度。仿真实验结果表明,改进模型的通信数据量下降了60%以上,同步时间显著下降。

TinyTCSec:一种新的轻量级无线传感器网络链路加密协议

由于WSN节点的计算和存储资源非常有限,研究非传统的新型轻量级密码协议对W SN安全具有现实意义,在链路层设计实现高效的密码协议可大大减轻WSN应用程序在通信安全的处理开销。目前,W SN混沌密码已开始受到业界关注,且出现了多种加密方案,但面临一个最大的问题是缺乏有效的混沌密钥更新方法而使W SN混沌加密无法实用。在考虑引入混沌密钥更新机制的基础上,提出并实现一种基于树型奇偶机模型的全新链路层混沌加密协议TinyTCSec。TinyOS平台上的仿真测试表明TinyTCsec较TinySec在节点内存和能耗方面相当,但具有密钥安全性高、协议数据包简单等优势,更适用于WSN数据链路安全通信。

基于DTMP和快速学习规则的神经密码算法

针对神经密码中如何以较短的同步时间获得较高的安全性这一密钥交换问题,提出了一种基于"不要相信我的伙伴"(DTMP)和快速学习规则的联合算法。该算法可以通过在公共信道上以一定的概率发送错误比特来干扰攻击者对交互信息的窃听,以达到降低被动攻击成功率的目的,同时通过估计通信双方神经网络输出不相等的概率来判断通信双方的同步程度;然后根据通信双方的同步程度来确定权值的修改幅度,从而加快同步进程。仿真实验表明,联合算法所需同步时间比原DTMP算法少,且当通信双方不同时发送错误信息时,联合算法的安全性略高于DTMP原算法;而与反馈算法相比,联合算法在同步时间和安全性方面优势明显。实验结果表明联合算法能以较短的同步时间获得较高的安全性。

神经密码协议模型研究

利用离散的神经网络模型构建密码协议是信息安全领域一项新的研究内容.首先介绍了一个基于神经网络的树型奇偶机模型,在综述基于树型奇偶机的神经密码协议研究基础上,分析了神经密码协议的权值同步方案存在模型稳定性和同步判定安全性问题,分别提出在激活函数中增加阈值和利用hash函数判定同步权值的改进方法,并利用方差分析和统计实验给出仿真结果,证实了神经密码协议的可行性,最后讨论了协议模型的安全攻击问题.

一种轻量级动态密钥建立算法研究

解决射频识别(RFID)和低运算能力设备安全的理想方法就是实现一种动态密钥建立算法,但是经典的动态密钥建立算法都不适用于RFID。旨在研究一种为RFID标签和低运算能力设备提供动态密钥建立的算法。基于TPM的密钥建立算法为轻量级的动态密钥建立提供了方法,KKK算法就是其中一种算法。研究了KKK算法的原理以及KKK算法的发展现状,建立了KKK算法仿真环境,并且实现了已经提出的大部分KKK类算法;提出了一种具有更强攻击效果的攻击算法——改进的遗传攻击算法,实验结果表明该算法优于目前提出的其他攻击算法。

KKK算法研究及改进

研究一种为RFID标签和低运算能力设备建立动态密钥的算法——KKK算法,探讨算法的原理及发展现状。建立KKK算法仿真环境,在此基础上对各类KKK类算法进行比较。提出一种新的KKK类算法——KKK干扰算法,该算法与目前安全性较高的KKK-询问算法相比,性能效率更高。

基于奇偶树型交互学习机与遗传算法的密文优化系统

为使图像加密系统具备优化功能,并解决当前遗传算法无法实现全局最优、收敛速率慢等问题,提出奇偶树型交互学习机耦合全局离散遗传算法的密文优化系统。定义权值更新机制,耦合混沌映射,构造奇偶树型交互学习机及其互扰模型。将切断型轮盘赌择取机制引入均匀交叉算子中,以图像分块的相邻像素相关系数和密文信息熵为目标,根据权重理论设计加权适应度函数,提出一种全局离散遗传算法,最终形成"初始加密-密文优化"的加密结构。实验结果表明,与超混沌算法、离散遗传算法、元胞自动机相比,该系统的加密质量较好,并且具备全局优化功能,可优化所有迭代结果,使最终输出密文的信息熵最大,相关系数最小。

基于树形奇偶机的密钥交换优化方案

树形奇偶机(TPM)之间的相互同步学习能够用于实现密钥交换方案,方案的安全性取决于树形奇偶机的结构参数。为了得到使得密钥交换方案安全性高且计算量小的参数,该文提出基于树形奇偶机的密钥交换优化方案。首先,定义向量化的学习规则,提高树形奇偶机同步学习的时间效率。其次,改进针对树形奇偶机同步学习的合作攻击算法,使其能够自适应参数的变化。最后,通过仿真实验对方案进行了效率和安全性测试。实验结果表明,树形奇偶机的向量化能使同步时间减少约90%,但不会减少同步所需的步数,即不影响方案的安全性。在可用于生成512 bit固定长度密钥的结构参数中,(14,14,2)被合作攻击攻破的概率为0%,所需同步时间较少。因此,所提密钥交换优化方案是安全高效的。

基于树形奇偶机的神经网络同步新学习规则

针对神经密码同步速度慢的问题,基于树形奇偶机(TPM),提出修改权值的新规则,在同步过程中设置队列用来记录每次通信的结果,实时估计两个互相通信的树形奇偶机的同步程度,并根据估计的结果决定权值修改幅度,在同步程度较低时适当增大权值修改量,在同步程度较高时适当减小权值修改量。仿真实验结果表明,应用新学习规则后同步效率提高了80%以上,同时与几种经典学习规则相比,计算开销更小,安全性得到进一步提高。

神经网络同步的判定及在神经密码中的应用

互学习的神经网络特别是树状奇偶模型的神经网络因能通过一定量的信息交换达到同步而被广泛地应用在密码学等领域。提出树状奇偶机同步模型的同步判定的必要性和解决同步判断的算法,即基于树状奇偶机隐藏单元输出值的HASH值的比较,该算法将原同步算法的安全性改变到HASH函数的安全性和原同步算法的安全性之上,而在时间开销上也不会增加或增加得很少。仿真实验也证明了该算法判断同步所需要的时间复杂度较低。

一个新的基于神经网络同步的公开密钥交换协议

首先介绍了在神经密码应用中的树型奇偶机模型,在综述神经密码协议研究的基础上,构建了一个使用含有衰减项的神经网络同步学习规则的新的密钥交换协议,并对其进行了理论分析。仿真实验结果表明,此协议可以使神经网络的同步性能提高4倍以上,对几种常见攻击的抵御表现良好,与传统的协议相比,新协议同步计算开销更小,安全性更高。

一种改进的基于树形奇偶机的神经网络同步方案

神经网络通过相互学习达到完全同步来构建密码协议,已经成为当今密码学的重要研究方向。针对神经密码同步过程中通信次数过多的问题,本文利用神经密码应用中的树形奇偶机,在综述神经密码协议研究的基础上,提出对神经网络单元初始权值的选取进行改进的解决方案。仿真实验结果表明,在保证安全性的情况下,本文方案大大加快了同步速度。

基于新队列和同步判定的复值神经密码体制

为提高现有复值树形奇偶机神经密码体制的同步效率并有效解决同步判定问题,提出复值新队列学习规则和复值神经同步判定算法。首先通过在传统复值学习规则的基础上调整权值修改幅度,建立复值新队列学习规则以提高同步效率。其次通过观察隐藏层状态并将其转化为HASH值作为同步判别指征,提出复值神经网络同步判定算法以提高同步判定成功率。最后通过同步成功率、平均迭代次数、简单攻击以及几何攻击等四组仿真与原复值树形奇偶机神经密码体制进行对比。实验表明所提方案在同步效率和安全性方面均有显著提高。

互学习神经网络集合的同步

互学习的神经网络特别是树状奇偶模型的神经网络因能通过一定量的信息交换达到同步而被广泛地应用在密码学等领域。为了扩展该同步模式的用途,提出一种由多个树状奇偶机组成的神经网络集合的同步方式,分布式同步方式(两两成对同步),并在此基础上讨论分布式同步与向中心学习的同步方式相关性能及比较结果。实验表明,分布式同步在时间复杂度和系统复杂程度上都具有一定的优势,是一种较好的多神经元同步模式,为密钥分发提供了一种新的理论与应用研究方向。