基于神經網絡的數據序列加密
時間：2022-10-08 03:57:00
導語：基于神經網絡的數據序列加密一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。
摘要本文基于神經網絡算法，訓練了一個能產生隨機函數的神經網絡算法，對重要明文數據進行序列加密。
關鍵詞數據加密序列加密神經網絡
1引言
對于一些重要數據，為了保證其安全性，我們需要對其進行加密。當前，數據加密算法有多種，本文采用了序列加密算法對重要數據進行加密，一是因為序列加密算法的加密密鑰與解密密鑰相同，操作相對簡單；二是序列加密算法是基于比特流或字符流的；三是序列加密算法的保密性取決于密鑰序列的隨機性。由于神經網絡能根據不同的訓練情況，對輸入空間與輸出空間進行非線性的函數映射，因此，我們可以用神經網絡的方法作為密鑰序列產生器來進行數據加密。
2數據加密概述
2.1數據加密原理
一般的數據加密解密模型如圖1，在加密階段，明文X用加密算法和加密密鑰Ke得到密文Y=E(X，Ke)。
加密階段解密階段
截取者
明文X明文X
密文Y=E(Ke,X)
加密密鑰Ke解密密鑰Kd
圖1一般數據加密解密模型[1]
在保密階段，密文截取者有可能盜取密文，但由于沒有解密密鑰Kd而無法將其還原成明文，從而保證數據的安全性。
2.2數據加密技術分類
數據加密的技術可分為兩類，即對稱加密和非對稱加密。對稱加密的加密密鑰和解密密鑰相同，非對稱加密的加密加密密鑰和解密密鑰不相同，加密密鑰可以公開而解密密鑰需要保密。在對稱加密算法中，主要有序列密碼加密法和分組密碼加密法[2]。
2.3序列加密算法
這種加密算法將明文X看成連續的比特流(或字符流)x1,x2,x3,…..，在加密過程中用密鑰序列K=K1,K2,…中的第i個元素，對明文中的xi進行加密。如圖2所示。
加密過程yi=E(Ki,xi)=xiXORKi
解密過程D(Ki,yi)=(xiXORKi)XORKi
從上述分析可得，序列密碼加密算法的保密性取決于密鑰的隨機性。如果密鑰是真正的隨機數，則在理論上是不可破的，但是這種算法需要的密鑰大得驚人，很難在實際中應用。
隨機種子I加密隨機種子I解密
KiKi
Xiyixi
明文序列密文序列明文序列
圖2序列加密[1]
2.4基于神經網絡方法的序列加密算法模型
目前人們常用偽隨機序列作為密鑰，但是要求序列的周期要長，隨機性要好。
神經網絡經過訓練后，網絡就會進入到某一種穩定的狀態，對于一個已定的輸入，神經網絡會按照某種非線性運算規則，輸出一個確定值。由此，可以利用神經網絡方法來產生偽隨機數，同時，神經網絡每次產生輸出值經過發散函數處理后，作為下一次的隨機種子輸入到神經網絡中去。
對于一個初始的隨機種子，神經網絡會產生一個與明文相匹配的偽隨機數列。利用這種方法，可以實現一次一個密鑰。用戶在使用時，只需要知道初始隨機種子就可以進行加密解密。而且在每次加密解密時，初始隨機種子不同，產生的密文也不同。如圖3所示。
隨機種子I隨機種子I
KiKi
Xiyixi
明文序列密文序列明文序列
圖3用神經網絡進行序列加密模型
為了提高密鑰序列的周期性，本文引進了發散函數Fx。其作用是：1)使得任何兩個函數乘積的周期都大于等于其中一個函數的周期，即T(f(x)*g(x))>=T(f(x)),T(f(x)*g(x))>=T(g(x))，2)若神經網絡的輸入與輸出不一致，則需要將神經網絡的輸出轉換為相匹配的輸入，3)盡可能使輸入值不重復。T為獲得函數周期的函數，f(x)、g(x)為函數。
3神經網絡加密算法描述
利用神經網絡方法進行加密分為兩個階段，即準備階段和加密階段。
3.1準備階段
在利用神經網絡方法對數據進行加密之前，首先要設計或者選擇某一個神經網絡，包括其隱含層的層數，隱含層及輸入層，輸出層的神經元個數，每個神經元的初始權值以及樣本值。然后對該網絡進行訓練，使之具有一定的分類能力。
目前，神經網絡的設計和學習算法可以借助于編程語言實現，也可以借助于相應的工具，如Matlab，使用起來非常方便。經過學習后，網絡中的層數，各層的神經元個數，以及每個神經元的權值等數據寫入到加密盤或者數據庫文件中去,為后面加密解密所用，操作過程如圖4所示。
圖4操作過程框圖
3.1加密階段
加密前，從加密盤或者數據庫文件將神經網絡層數，神經網絡權系數據讀入到神經網絡中去，生成一個用于加密的神經網絡。對于初始給定的隨機種子和相同的神經網絡，該神經網絡都會生成一個相同的偽隨機數列。加密開始時，神經網絡接受初始隨機種子，產生第一個偽隨機數作為加密密鑰與明文的第一個數進行異或運算，生成第一個密文數。然后，將第一個偽隨機數經過發散函數處理，生成下一個送入到網絡的隨機種子——如此反復，直到所有的明文數據處理完畢。所有的明文數據處理完畢后，將初始給定的隨機種子保存到文件中去。至此，整個數據加密才算完畢，其流程如圖5所示。
加密過程解密過程
是是
否
結束
結束
圖5加密解密流程圖
4程序實現
本文對一個輸入層為三個節點，輸出層為一個節點的神經網絡用Delphi對上述算法的主要部分進行了實現。在Delphi中自定義一個類TneuralNet，該類的屬性有神經網絡層數、每一層的節點個數、每一個節點輸出函數和初始隨機種子樹。
其中要用到的函數有:
PROCEDUREReadDataToNet(Filename:String;net:TneuralNet);//從文件讀入數據到網絡
PROCEDURESaveSeedToFile(Filename:String);//從隨機種子寫入到文件
FUNCTIONReadSeedFromFile(Filename:String);//從文件中讀出隨機種子
FUNCTIONNetOutput(input1,input2,input3:integer;net:TneuralNet):integer;//經過神經網絡計算輸出一個值
PROCEDUREFx(int:integer;VarOut1:integer;VarOut2:integer;VarOut3:integer);//發散函數
加密函數:
PROCEDUREJiaMi(Str1:String;VarStr2:String)//對一串數據進行加密str1為任意長度的
//字符串以’#0’結束
VAR
InitSeed1,InitSeed2,InitSeed3:Integer
I,Seed1,Seed2,Seed3:Integer;
Pass,C:Char
BEGIN
ReadDataToNet(‘net.dat’,Net);
InitSeed1:=Strtoint(editmask1.text);
InitSeed2:=Strtoint(editmask1.text);
InitSeed3:=Strtoint(editmask1.text);
Seed1:=InitSeed1;
Seed2:=InitSeed2;
Seed3:=InitSeed3;
//上述初始隨機種子也可以根據日期，時間，姓名等用隨機函數產生
Pass:=NetOutput(InitSeed1,InitSeed2,InitSeed3,Net);
I:=0;
While(I<>length(str1))
BEGIN
Str2:=Char(byte(pass)xorbyte(Str1));
Fx(Pass,Seed1,Seed2,Seed3);
Pass:=NetOutput(Seed1,Seed2,Seed3,Net);
I:=I+1;
END;
Savedatatofile(‘seed.dat’);
END;
PROCEDUREJieMi()//對一串數據進行解密
BEGIN
VAR
I,Seed1,Seed2,Seed3:Integer;
Pass,C:Char
BEGIN
ReadDataToNet(‘net.dat’,Net);
ReadSeedFromFile(‘seed.dat’);
Pass:=NetOutput(Seed1,Seed2,Seed3,Net);
I:=0;
While(I<>length(str1))
BEGIN
Str2:=Char(byte(pass)xorbyte(Str1));
Fx(Pass,Seed1,Seed2,Seed3);
Pass:=NetOutput(Seed1,Seed2,Seed3,Net);
I:=I+1;
END;
END;
5結束語
用神經網絡方法加密的優點是，1)實現了“一次一密”，安全性高。2)產生的偽隨機數列的隨機性高。3)加密后，密文數據量沒有增加。4)密文截獲者要想破譯密文，必須同時知道網絡結構，網絡參數以及初始化隨機種子，否則很難破譯。但是，加密成功的好壞關鍵在于如何去設計一個好的網絡和發散函數。
參考文獻
1黃叔武，楊一平，計算機網絡工程教程，北京，清華大學出版社，1999
2尹朝慶，尹皓，人工智能與專家系統，北京，中國水利水電出版社，2001
3袁曾任，人工神經元網絡及其應用，北京，清華大學出版社，1992.