动态层簇式无线传感网络信息加密算法

与传统的无线网络基于某种确定的网络拓扑结构组织不同,动态层簇式无线传感网络(Dynamic Layer Clustered Wireless Sensor Networks,DLCN)则是通过动态层次化的方式进行组织,导致DLCN在层次簇、簇首节点选取等诸多细节,实现较为复杂,其信息加密复杂度增加,安全性和平衡性问题一直是一个难点。提出针对动态层簇式无线传感网络的信息加密算法。分析动态层簇式无线传感网络结构,计算网络节点权重跳数以及传输时延,选取最优簇首,通过Logistic混沌映射对混沌序列展开计算,结合Merlay状态机的迁移传输,输出子密钥,实现了传感信息的加密。仿真结果表明:所提算法在DLCN数据加密过程中的密文位数始终在60左右、平均密钥扩展用时在2.5 ms以下、且二值比数值更接近于1,具备较高的安全性和平衡性。

基于遗传算法优化RBF网络的预测混沌时间序列

提出用遗传算法优化径向基函数(RBF)神经网络,使其更接近非线性映射和更快的学习收敛速度。然后用改进后的RBF神经网络预测混沌时间序列。实验结果表明,基于RBF网络的混沌时间序列具有很强的拟合能力、误差小、取得更好的效果。

RBF神经网络在混沌信息加密中的应用

混沌加密技术作为信息安全保护的新技术已成为目前国内外科研的热点问题。本文基于以上原理综合运用多种信息安全技术,设计了一种基于混沌加密的网络环境中的信息安全传输方案。方案中采用神经网络产生级联混沌序列,有效提高了低维混沌序列的安全性同时克服了有限精度对混沌序列性能的影响。

基于纠错编码和RBF神经网络的盲水印新算法

结合RBF神经网络和纠错编码技术,提出了一种把经过混沌加密的图像水印嵌入小波域,并实现盲检测的新型水印算法。首先,对原始图像进行小波分解得到各子带的小波系数;其次,通过密钥选择在小波系数中嵌入水印的起始位置,并对该小波系数进行量化处理作为RBF神经网络模型的输入值;最后,用混沌加密技术和纠错编码技术对待嵌入的水印信息进行预处理以增强水印系统的安全性和鲁棒性,把处理后的水印信息嵌入到经过RBF神经网络模型处理后的小波系数中。实验表明,该算法人类视觉掩蔽性良好,同时对于诸如JEPG压缩、椒盐噪声、滤波等常见图像处理攻击的鲁棒性达到了预期的效果。

考虑隐私重要程度的医疗信息分级加密算法

为增强病人隐私信息安全系数,降低数据泄露风险,在考虑隐私重要程度前提下,提出一种基于混沌细胞神经网络和小波变换的海量医疗信息分级加密算法。利用分词匹配度和权值匹配度计算医疗信息词语重复率,剔除海量信息中相似数据,降低后续信息加密工作量。使用医疗重要性、访问次数、数据大小等分级评估数据隐私重要度,通过数据属性区分医疗文字信息与图像信息。运用细胞神经网络的混沌特征,将原始医疗信息转换为参数矩阵。运用Logistic映射得到密钥混沌序列,输出一次加密后的医疗文字信息,使用小波变换时域分析图像信号达到二次加密,融合二次加密结果完成医疗信息分级加密。实验结果证明,所提算法具有加密效果好、执行速率快、安全系数高等优势,是面向医疗信息安全储存的适宜方案。

融合神经网络变换和通道置乱的彩色图像加密

针对传统彩色图像加密过程中密钥空间小、彩色通道加密不彻底导致的密文图像抗差分攻击能力弱等问题,提出一种融合神经网络随机变换和通道置乱的彩色图像加密算法。将彩色图像R、G、B色彩通道进行分离,利用变换技术分别对3个色彩通道进行像素级置乱;利用并行混沌系统生成两组伪随机序列,引入人工神经网络对其进一步变换生成新序列。使用随机序列分别对彩色图像的通道内和通道间进行像素级扩散和置乱。实验结果表明,神经网络随机性可显著扩大密钥空间,提出算法在密文图像安全性和抗攻击能力上具有显著优势。

基于细胞神经网络超混沌特性的图像加密新算法

针对一般流密码对明文变化不敏感的缺陷,基于细胞神经网络(CNN),提出一种图像加密新算法。以一个6维CNN产生的超混沌系统作为密钥源,并根据明文图像各点像素值的逻辑运算结果选取密钥;同时使用像素位置置乱和像素值替代两种方法对数字图像进行加密。实验表明,该算法加密效果好,NPCR值和密钥敏感性高(>0.996),满足数字图像加密安全性的要求,同时具有计算简单、易于实现、能提高数字图像传输的安全性等特点。

基于细胞神经网络的图像加密新算法

借助高维混沌系统具有更高安全性的特点,提出一种基于五维CNN超混沌系统的图像加密新算法,并对该算法进行了性能分析.仿真结果表明该算法对密钥具有高度的敏感性,密钥空间巨大,明文的统计特性完全被打破,且大大降低了图像相邻像素之间的相关性,因此具有较高的可靠性和保密性.

一个新型四维混沌系统的构造与应用

本文构建了一个新型的四维混沌系统,并利用混沌和密码学的对应关系将其应用到彩色图像加密领域。首先分析了新系统的动力学特征:检验是否存在混沌吸引子,计算平衡点及Lyapunov指数,观察初值敏感性以及混沌信号的随机特性。并将新系统与超混沌Chen系统进行了比较,以验证新系统混沌特性的优劣。然后将新系统应用到基于Hopfield网络的单像素加密算法中,并进行了仿真。仿真结果表明,新系统具有很好的混沌特性,产生的序列也具有很高的随机性,适用于图像加密领域;该单像素加密算法可有效抵抗差分攻击,剪切和噪声干扰。

实时网络信息双重加密可逆隐藏算法仿真

针对当前多数可逆信息隐藏算法难以抵御选择明(密)文攻击,含密信息的视觉效果差、嵌入容量小且耗时长等问题,提出基于混沌序列的实时网络信息双重加密可逆隐藏算法。运用两种置乱方式对网络信息进行双重加密,第一次加密采用混沌序列加密算法对网络信息位置进行全局置乱。第二次加密依据另一组混沌序列对目标像素值中0bit、1bit再次置乱,以保证能够防御选择明(密)文攻击。在信息双重加密域中,采用待嵌入信息构造伪像素用于替换目标像素,实现信息的快速嵌入。根据密钥计算从密文信息中直接提取已嵌入的信息。接收方对信息解密后,提取出目标像素的每个比特数据恢复出原始网络信息,实现双重加密下的可逆信息隐藏。实验结果表明,所提算法克服了当前算法难以抵御选择明(密)文攻击的缺陷,具有信息嵌入快速高效、容量大等优势。

基于卷积神经网络的混沌序列图像加密算法研究

图像中包含了很多机密和重要信息,因此保证图像安全性具有重要的现实意义。一般混沌加密算法处理后,图像仍然呈现一定程度的周期性等,安全性不足。为此,结合卷积神经网络对一般混沌加密算法进行改进,提出一种基于卷积神经网络的混沌序列图像加密算法。该算法研究分为三部分,首先将明文图像处理成混沌序列图像,包括像分块、混沌系统处理和伪随机序列生成三步骤,然后利用卷积神经网络对混沌序列进行训练,消除混沌序列的周期性,最后对混沌序列图像进行扩散处理,改变原始图像像素值,进一步实现加密处理。结果表明:与3种传统图像加密算法以及一般混沌加密算法相比,所研究加密算法应用下,信息熵最大(8.591),峰值信噪比最小(8.755),说明加密效果更好,保证了图像信息的安全性和机密性。

基于人工智能的光通信网络加密方案设计

针对光通信网络传输时,存在的数据被窃取以及通信光网络管理信息被篡改等风险,设计了基于人工智能的光通信网络加密方案,保证光通信网络安全。该方案结合光纤信道的信号传送方式,结合Sine和Logistic映射构建基于复合离散混沌系统,生成混沌序列,将序列中随机选取数据信号,作为人工神经网络的输入矢量,对其学习后输出序列以及实现明文置乱,混淆明文形成的信号,调整信号位置,通过分段异扩散技术调整信号值,输出置乱数据信息;利用生成的量化机制得出密钥流,完成信号加密,获取加密密文。测试结果表明:该方案混沌性较好,平均变化强度0.9以上,在不同频率的攻击下,抗攻击性能良好,具备较好的加密效果,能够保证加密后网络的安全性。

基于径向基神经网络的混沌加密方案

提出了一种基于径向基(RBF)网络的混沌序列产生方法,并基于这种模型提出了一种新的混沌加密方案。计算机仿真证明利用RBF网络良好的逼近任意非线性映射和处理系统内在的难以解析表达的规律性的能力,及快速的收敛速度,在统一的系统结构下通过权值的切换方式(即用不同的混沌映射)可产生比单一混沌映射更多的、性能更接近理论值的混沌序列,同时基于该模型的混沌加密方案具有高度的保密性和灵敏性。

新混沌系统与神经网络结合的图像加密算法

为了解决传统单一混沌图像加密算法中混沌系统退化、加密算法难以抵抗选择明文攻击等问题,构造了新3D-Duffing混沌系统,设计了一种明文相关联的位循环扩散加密算法,对图像进行第一次加密;采用RBF神经网络对Henon混沌序列进行预测,得到预测密钥流,在加密序列中随机嵌入预测密钥的方法来对图像进行二次加密,从而能有效地抵抗选择明文攻击。实验结果对比分析表明,该算法能够使图像像素值完全改变,且加密后的图像像素值分布均匀,NPCR和UACI值均接近理论值。该算法不仅解决了混沌系统退化等问题,还进一步提高了加密算法的安全性,具有良好的应用价值。

基于混沌序列的网络信息安全加密系统设计

为了提高网络信息安全性能,改进原系统得到一种基于混沌序列的网络信息安全加密系统设计。该系统设计包含硬件设计和软件设计两部分,使用DM9000型号的芯片设计系统控制器,使信息地址存放在具有可擦属性的只读存储器中,支持网络信息的加密传输。将该控制器添加在外围底板电路中,使电压安全转换。根据混沌序列加密原理,引入扰动混沌映射,保证输出的序列为理想状态下的加密序列。并设置新密钥管理机制,实现对网络信息的安全加密。为了验证系统设计的合理性,对其保密性进行实验验证分析,结果表明,吞吐量对传统系统的保密程度影响较大,与基于混沌序列系统保密程度最高值相差16%,最低值相差17%。在网络信息安全加密系统中引入扰动混沌映射方法,可提高系统的保密程度约20%,该系统具有较高的保密性和实用价值。

基于超混沌理论的网络视频加密应用

在融媒体上升为国家战略的大背景下,为了进一步增强网络流媒体传输的安全性,高维混沌扩大了密钥空间,在增强的网络带宽和计算能力的条件下,总结了高维混沌加密理论和技术,针对不同的安全性和实时性要求,构建了不同维度混沌加密视频流的框架;引入RBF神经网络加速对高维混沌系统的性能分析效率,为加密系统的智能化奠定基础。经验证,所提方法对720 p网络高清视频处理可以有效抵抗频率分析,并能达到准实时性,具备有效性和实用性,以及开发通用模块的价值。

一种图像混沌网络加密法

在信息时代的今天,随着网络技术和多媒体技术的高速发展和广泛应用,越来越多的信息在网络上方便传递,但这同时也带来了信息安全隐患问题。因而,保护信息安全就显得尤为重要。本文利用四维混沌系统产生的二值序列,设定神经网络的权值和阈值,对像素进行加密解密运算。该算法具有计算复杂度大、实现无失真加密、密钥空间大的特点。仿真实验分析表明,该算法能有效地抵御各种攻击,同时,增加了密钥空间,初值敏感度很强,在图像加密中具有很好的效果。

车用汽油机瞬态空燃比的混沌时序非线性组合辨识模型

为提高汽油机瞬态空燃比的辨识精度,提出了混沌时序非线性组合辨识模型。采用2种单项辨识方法,包括最小二乘支持向量机(LS-SVM)及径向基函数(RBF)前向型神经网络,分别对瞬态空燃比时间序列进行建模与辨识。采用非线性组合方法利用BP神经网络对2种单项辨识方法的结果进行组合辨识,并与Elman神经网络模型及最小二乘辨识模型进行比较。结果表明:混沌时序非线性组合辨识模型的辨识精度优于Elman神经网络模型及最小二乘辨识模型,具有更强的非线性辨识能力,能提高瞬态空燃比的辨识精度,为空燃比反馈控制的成功实行提供了有力依据。