CN107248914B

CN107248914B - 一种iOS设备上新型对称加密系统及加密方法

Info

Publication number: CN107248914B
Application number: CN201710693241.2A
Authority: CN
Inventors: 刘蛟; 李伟光; 马春燕; 郑红
Original assignee: Sichuan Changhong Electric Co Ltd
Current assignee: Sichuan Changhong Electric Co Ltd
Priority date: 2017-08-14
Filing date: 2017-08-14
Publication date: 2020-12-15
Anticipated expiration: 2037-08-14
Also published as: CN107248914A

Abstract

本发明公开了一种iOS设备上新型对称加密系统，包括加密模块和解密模块。本发明还提供了一种iOS设备上新型对称加密方法，包含加密流程和解密流程。本发明提出一种可应用于iOS设备上的新型的对称加密系统和加密方法，结合了神经网络来实现加解密，使其核心算法不同于传统的对称加密算法，可以加强安全性。并且神经网络的结构，使用者可以根据自己的需要进行变化，只需重新训练参数。

Description

一种iOS设备上新型对称加密系统及加密方法

技术领域

本发明涉及一种加密系统及方法，具体涉及一种iOS设备上新型对称加密系统及加密方法，属于计算机加密技术领域。

背景技术

对称加密是一种成熟的加密方式，因其计算量小、加密速度快、加密效率高等优点而广泛应用于iOS应用的密码、文件、核心数据的加密上。现在比较流行的对称加密方法有DES、AES、Blowfish等等。

但是对称加密的算法是公开的，且加密双方发送数据前必须保存好商定好的密钥，如果需要和多个对象完成通信，那么就会拥有数量巨大的密钥，管理如此多的密钥对双方来说都是一个很大的负担。而且只要一方的密钥泄露，那么加密信息也就不完全了。

发明内容

本发明针对常规对称加密中存在的各种问题，实现了一种基于神经网络的iOS设备上新型对称加密系统，通过此加密系统可以使iOS设备更好的完成信息的加密、解密。

为了实现上述目的，本发明采用如下技术方案：

一种iOS设备上新型对称加密系统，包括加密模块和解密模块。

更进一步的方案是：

所述加密模块：主要包含顺序连接的全连接层，两个卷积层和叠加器；

其中，全连接层：权重结构是16x16的矩阵，偏差是1x16的向量；

第一卷积层：卷积核大小是2x2，输出特征图数量是2，步长为2，激活函数为Relu；

第二卷积层：卷积核大小是2x2，输出特征图数量是1，步长为1，激活函数为Tanh；

叠加器：执行的操作是将输入向量与密钥向量的10倍相加。

更进一步的方案是：

所述解密模块：主要包含顺序连接的拆解器，全连接层和两个卷积层；

拆解器：执行的操作是将密文向量减去密钥向量的10倍；

全连接层：权重结构是16x16的矩阵，偏差是1x16的向量；

第二卷积层：卷积核大小是2x2，输出特征图数量是1，步长为1，激活函数为Tanh。

本发明的另一个目的在于提供一种iOS设备上新型对称加密方法。

一种iOS设备上新型对称加密方法，采用了本发明所述的iOS设备上新型对称加密系统，并主要包含加密流程和解密流程：

加密流程包括如下步骤：

步骤一、获取需要加密的明文和加密所需要的密钥；

步骤二、对明文和密钥进行转换；

步骤三、对明文和密钥进行整合；

步骤四、检验格式是否满足要求，如果不满足要求则从步骤七结束流程，满足则继续；

步骤五、将步骤三得到的数据输入神经网络模块中进行加密；

步骤六、获得密文；

步骤七、流程结束；

解密流程包括如下步骤：

步骤一、输入需要解密的密文和和解密所需的密钥；

步骤二、对密钥进行转换，方法同加密过程中的步骤二；

步骤三、对密文和密钥进行整合，方法同加密过程中的步骤三；

步骤五、将步骤三的到的数据输入神经网络模块中进行解密；

步骤六、获得明文；

步骤七、流程结束。

更进一步的方案是：

对明文和密钥进行转换，其中包括以下步骤：

1)、明文和密钥转换时，首先将明文和密钥转换成ASCII码并获取其对应的int型数值；

2)、将获取到的int型数值转换为8位的二进制数值；

3)、对每一位的二进制数值乘2减1，归一化到[-1,1]区间，形成1x8的float型向量。

更进一步的方案是：

对明文和密钥进行整合，方法为将密钥的1x8的float型向量拼接到明文1x8的float型向量后面，形成1x16的向量。

更进一步的方案是：

神经网络模块中进行加密，包括如下步骤：

1)、明文和密钥首先会经过全连接层处理；

2)、过程1)的数据会经过两次卷积处理，第一卷积层和第二卷积层；

3)、过程2)的数据最后经过叠加器处理。

更进一步的方案是：

获得密文的格式为1x8的float型向量。

更进一步的方案是：

神经网络模块中进行解密，包括如下步骤：

1)、将密文和密钥输入拆解器处理；

2)、将过程1)获得的数据输入全连接层处理；

3)、将过程2)获得的数据经过两次卷积处理，第一卷积层和第二卷积层。

更进一步的方案是：

获得明文流程有如下步骤：

1)、首先将输出的1x8的float型向量逐位加1除2，转换到[0,1]区间；

2)、将1x8的float型向量转换成十进制int型数据；

3)、将int型数据转换成对应的ASCII码明文。

本发明提出一种可应用于iOS设备上的新型的对称加密系统和加密方法，结合了神经网络来实现加解密，使其核心算法不同于传统的对称加密算法，可以加强安全性。并且神经网络的结构，使用者可以根据自己的需要进行变化，只需重新训练参数。目前，本发明的系统和方法主要用来对密码进行加密，可以对ASCII字符进行加解密，iOS上实现神经网络用到了Metal与Accelerate框架。

附图说明

图1加密模块结构图；

图2解密模块结构图；

图3加密流程图；

图4解密流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明做进一步地详细描述。

如图1、2所示，本方法一共包含两个核心模块：加密模块与解密模块，两个模块都用到了神经网络结构。

加密模块：如图1所示，该模块包含一个全连接层、两个卷积层、一个叠加器。

1)、全连接层包含一个16x16的权重矩阵W与1x16的偏差向量b，输入X是明文与密钥整合后的1x16的向量，输出fc也是1x16的向量。计算公式如下：

fC＝X×W+b

2)、第一卷积层的卷积核是2x2的conv1_weight与2x1的conv1_bias，输出特征图数量是2，步长是2，激活函数是Relu，输入是全连接层的输出fc，输出conv1是2x8的矩阵。计算公式如下：

3)、第二卷积层的卷积核是2x2的conv2_weight与1x1的conv2_bias，输出特征图数量是1，步长是1，激活函数是Tanh，输入是第一卷积层的输出conv1，输出conv2是1x8的向量。计算公式如下：

4)、叠加器是将1x8的密钥向量key乘10加上第二卷积层的输出conv2，最后得到密文向量cryptText。计算公式如下：

CryptText＝key·10+conv2

解密模块：如图2所示，该模块包含一个拆解器，一个全连接层和两个卷积层。

1)、拆解器与叠加器相对应将密文cryptText减去1x8的密钥向量key乘10，最后得到一个1x8的向量Y。

X＝cryptText-key·10

2)、全连接层结构与公式和加密模块的全连接层一样，只是权重和偏差的参数不一样。输入是拆解器输出Y与密钥key整合后的1x16的向量X，输出同样是1x16的向量fc。

3)、第一卷积层结构与公式和加密模块第一卷积层一样，只是卷积核的参数不一样。输入是全连接层的输出fc，输出是2x8的矩阵conv1。

4)、第二卷积层结构与公式和加密模块第二卷积层一样，只是卷积核的参数不一样。输入是第一卷积层的输出conv1，输出是1x8的向量conv2。

以上两个模块详细技术实施方案如下，主要包括两个流程：加密流程与解密流程。

加密流程如图3所示，包含以下子步骤：首先步骤S1流程开始。接下来步骤S2，获取明文与密钥。然后在步骤S3分别将明文、密钥转换成1x8的向量。接着在步骤S4整合密钥与明文，将密钥拼接到明文后面构成一个1x16的向量。在步骤S5校验格式是否满足要求，如果不是，则直接进入步骤S8结束流程，如果满足要求，则进去步骤S6输入加密模块。最后在步骤S7获取密文，进入步骤S8流程结束。

其中步骤S3转换明文、密钥包含以下子步骤：

a1、将明文或密钥对应的ASCII码转换成对应的int型数值。

a2、将获取到的int型数值转换为8位的二进制数值。

a3、对每一位的二进制数值乘2减1，归一化到[-1,1]区间，形成1x 8的float型向量。

解密流程如图4所示，包含以下子步骤：首先步骤S1流程开始。接下来步骤S2，输入密文、密钥。然后在步骤S3将密钥转换成1x8的向量。接着在步骤S4，整合密钥与密文，将1x8的密钥向量拼接到1x8的密文向量后面，形成1x16的向量。在步骤S5校验格式是否满足要求，如果不是，则直接进入步骤S8结束流程，如果满足要求，则进去步骤S6输入解密模块。最后在步骤S7获取明文，进入步骤S8流程结束。

其中步骤S3的转换流程同加密的步骤S3流程。

步骤S7获取明文包含以下子流程：

b1、首先将输出的1x8的float型向量逐位加1除2，转换到[0,1]区间。

b2、将1x8的float型向量转换成十进制int型数据。设1x 8的float型向量为X，Xi代表第i位的数值，转换公式如下：

b3、将输出的int型数据Y转换成对应的ASCII码明文。

尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims

1.一种iOS设备上新型对称加密方法，其特征在于：

所述的方法包含加密流程和解密流程：

加密流程包括如下步骤：

步骤一、获取需要加密的明文和加密所需要的密钥；

步骤二、对明文和密钥进行转换；

步骤三、对明文和密钥进行整合；

步骤五、将步骤三得到的数据输入加密神经网络模块中进行加密；

步骤六、获得密文；

步骤七、流程结束；

解密流程包括如下步骤：

步骤一、输入需要解密的密文和和解密所需的密钥；

步骤二、对密钥进行转换，方法同加密过程中的步骤二；

步骤五、将步骤三的到的数据输入解密神经网络模块中进行解密；

步骤六、获得明文；

步骤七、流程结束；

对明文和密钥进行转换，其中包括以下步骤：

1）、明文和密钥转换时，首先将明文和密钥转换成ASCII码并获取其对应的int型数值；

2）、将获取到的int型数值转换为8位的二进制数值；

3）、对每一位的二进制数值乘2减1，归一化到[-1,1]区间，形成1x8的float型向量；

获得明文流程有如下步骤：

1）、首先将输出的1x8的float型向量逐位加1除2，转换到[0,1]区间；

2）、将1x8的float型向量转换成十进制int型数据；

3）、将int型数据转换成对应的ASCII码明文；

所述加密神经网络模块：主要包含顺序连接的全连接层，两个卷积层和叠加器；

叠加器：执行的操作是将输入向量与密钥向量的10倍相加；

所述解密神经网络模块：主要包含顺序连接的拆解器，全连接层和两个卷积层；

拆解器：执行的操作是将密文向量减去密钥向量的10倍；

全连接层：权重结构是16x16的矩阵，偏差是1x16的向量；

2.根据权利要求1所述iOS设备上新型对称加密方法，其特征在于：

对明文和密钥进行整合，将密钥的1x8的float型向量拼接到明文1x8的float型向量后面，形成1x16的向量。

3.根据权利要求1所述iOS设备上新型对称加密方法，其特征在于：

加密神经网络模块中进行加密，包括如下步骤：

1）、明文和密钥首先会经过全连接层处理；

2）、过程1）的数据会经过第一卷积层和第二卷积层两次卷积处理；

3）、过程2）的数据最后经过叠加器处理。

4.根据权利要求1所述iOS设备上新型对称加密方法，其特征在于：

获得密文的格式为1x8的float型向量。

5.根据权利要求1所述iOS设备上新型对称加密方法，其特征在于：

解密神经网络模块中进行解密，包括如下步骤：

1）、将密文和密钥输入拆解器处理；

2）、将过程1）获得的数据输入全连接层处理；

3）、将过程2）获得的数据经过第一卷积层和第二卷积层两次卷积处理。