CN109672517A - 基于细胞神经网络的ofdm-pon系统的加密及解密方法 - Google Patents

基于细胞神经网络的ofdm-pon系统的加密及解密方法 Download PDF

Info

Publication number
CN109672517A
CN109672517A CN201811563170.5A CN201811563170A CN109672517A CN 109672517 A CN109672517 A CN 109672517A CN 201811563170 A CN201811563170 A CN 201811563170A CN 109672517 A CN109672517 A CN 109672517A
Authority
CN
China
Prior art keywords
neural network
index value
cell neural
signal
ofdm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811563170.5A
Other languages
English (en)
Other versions
CN109672517B (zh
Inventor
毕美华
卓先好
胡丽琴
俞嘉生
杨国伟
周雪芳
胡淼
李齐良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Hangzhou Electronic Science and Technology University
Original Assignee
Hangzhou Electronic Science and Technology University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Electronic Science and Technology University filed Critical Hangzhou Electronic Science and Technology University
Priority to CN201811563170.5A priority Critical patent/CN109672517B/zh
Publication of CN109672517A publication Critical patent/CN109672517A/zh
Application granted granted Critical
Publication of CN109672517B publication Critical patent/CN109672517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/80—Optical aspects relating to the use of optical transmission for specific applications, not provided for in groups H04B10/03 - H04B10/70, e.g. optical power feeding or optical transmission through water
    • H04B10/85—Protection from unauthorised access, e.g. eavesdrop protection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Neurology (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Optical Communication System (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于光通信加密技术领域，具体涉及基于细胞神经网络的OFDM‑PON系统的加密及解密方法；加密方法包括：构建细胞神经网络的动态密钥集合，对输入的数字信号求和取模运算，将得到的值作为细胞神经网络动态密钥集合的索引值；通过索引值确定细胞神经网络的初始值，以此生成相应的混沌序列作为OFDM‑PON系统的同步序列；利用细胞神经网络生成的混沌序列与索引值对原始数据进行抗选择明文攻击加密，经过OFDM调制及电光调制转换后进入光纤传输。本发明利用细胞神经网络的混沌特性，将多个初始值组合成一个密钥集合，每次随机选取密钥以提升密钥的动态特性，同时利用发送明文的随机性构建抗选择明文攻击加密方案，安全性高。

Description

基于细胞神经网络的OFDM-PON系统的加密及解密方法
技术领域
本发明属于光通信加密技术领域，具体涉及基于细胞神经网络的OFDM-PON系统的加密及解密方法。
背景技术
近年来，随着社会化信息程度不断提高，云计算、高清视频、虚拟现实等新兴业务的不断涌现，终端用户对接入带宽、接入容量和接入业务能力的需求越来越高。无源光网络(Passive Optical Network,PON)作为光纤到户(Fiber To The Home，FTTH)的终端接入技术，被认为是低成本解决宽带光接入问题的最佳方案之一。其中，基于正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)的PON(OFDM-PON)，由于其固有的优点，比如易于信道容量的扩展，高频谱效率，加上具有较强的抗多径干扰及频率选择性衰落的能力，已成为下一代PON系统研究的主流技术之一。然而，OFDM-PON系统采用传统PON系统点到多点的集中网络构架，特别是下行采用广播式的信息分发模式。在该模式下，高速传输的数据极易受到非法攻击者的窃听，导致大量用户数据被窃取，从而造成极大的安全隐患。所以为了保证用户的信息安全，需要将加密技术引入到光OFDM-PON系统中。
混沌由于具有高度初值敏感性、非周期性、长期不可预测性及类噪声等特性被广泛应用到加密中。经对现有文献检索发现，目前国内外研究者针对光OFDM-PON系统的加密主要是采用混沌序列对物理层以及结合降低OFDM的峰均功率比进行加密。例如Xiaonan Hu等发表的《Chaos-based selected mapping scheme for physical layer security inOFDM-PON》，结合传统的降OFDM信号峰均功率比的选择性映射法和混沌系统来对相位选择因子进行加密。再如，Lijia Zhang等发表的《Secure OFDM-PON Based on ChaosScrambling》，利用混沌序列对OFDM信号的时频域置乱进行加密。上述方案虽然实现了对物理层数据的加密，但是这些加密方案的混沌系统维度低，混乱度不够，这样生成的混沌序列的随机性会大大降低，严重影响了加密系统的安全性。
此外，目前基于OFDM-PON的物理层加密方案大部分不能抗选择性明文攻击，传输数据很容易遭受到非法入侵者的窃取，而且目前的物理层加密技术普遍是对传输信息进行加密，而对密钥的加密却很少涉及，且密钥一般为静态密钥，收发端使用固定的密钥对信息进行加解密，这样长此以往密钥很容易遭到非法入侵者的窃取。
发明内容
基于现有技术中存在的上述不足，本发明提供基于细胞神经网络的OFDM-PON系统的加密及解密方法。
为了达到上述发明目的，本发明采用以下技术方案：
基于细胞神经网络的OFDM-PON系统的加密方法，包括以下步骤：
S1、构建细胞神经网络的动态密钥集合，对输入的数字信号求和取模运算，将得到的值作为细胞神经网络动态密钥集合的索引值；
S2、通过索引值确定细胞神经网络的初始值，以此生成相应的混沌序列作为OFDM-PON系统的同步序列；
S3、利用细胞神经网络生成的混沌序列与索引值对原始数据进行抗选择明文攻击加密，经过OFDM调制及电光调制转换后进入光纤传输。
作为优选方案，所述步骤S1中的构建细胞神经网络的动态密钥集合，包括：选取细胞神经网络的初始值作为密钥，将多个初始值构建为一个密钥集合，每次随机抽取一个密钥生成相应的混沌序列对信号进行加密。
作为优选方案，所述步骤S1中的对输入的数字信号求和取模运算，包括：将输入的比特序列以四位为一组转换为十进制数进行求和，然后取模n运算，其中n为动态密钥集合中的密钥数量。
作为优选方案，所述步骤S2中的索引值由输入的数字信号决定。
作为优选方案，所述步骤S3中的抗选择明文攻击加密，包括：
将输入的数字信号以每四位一组转换为十进制数，加密具体过程如下：
S(1)＝mod(P(1)+V2+C(1),16)
S(i)＝mod(P(i)+S(i-1)+C(i),16)(i＝2,...,N)
其中，S为密文，P为明文，C为细胞神经网络静态密钥生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。
首先将索引值加入到第一位密文的生成，来增强密文的动态特性，之后利用上一个密文值与当前明文值、混沌值求和取模运算将明文的动态特性扩散到整个密文中。
本发明还提供基于细胞神经网络的OFDM-PON系统的解密方法，对应于如上任一方案所述的加密方法，所述解密方法包括：
S4、在接收端转换为电信号后，利用动态密钥生成的混沌序列对信号进行同步；
S5、经过正确同步后确定动态密钥集合的索引值，利用索引值和混沌序列对加密信号解密恢复出原信号。
作为优选方案，所述步骤S4中的利用动态密钥生成的混沌序列对信号进行同步，包括：将动态密钥集合中的所有值生成相应的混沌序列，与接收端的信号分别作相关运算，取相关性最强的混沌序列作为同步序列并对信号进行同步。
作为优选方案，所述步骤S5中的确定动态密钥集合的索引值，包括：取出与信号进行同步的混沌序列，并根据混沌序列初始值在动态密钥集合中的位置来确定索引值。
作为优选方案，所述步骤S5中的利用索引值和混沌序列对加密信号解密，包括：
P(i)＝mod(S(i)-S(i-1)-C(i),16)(i＝N,...,2)
P(1)＝mod(S(1)-V2-C(1),16)
其中，其中，S为密文，P为明文，C为细胞神经网络静态密钥生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。
首先从密文的末端开始，利用当前的密文与前一个密文、当前的混沌值求差取模运算，逐步迭代恢复出明文，之后利用索引值和第一位混沌值求出第一位明文值，得到原信号。
细胞神经网络是基于Hopfield神经网络和细胞自动机的一种人工神经网络，集合了两者的优势，既是一个实时信息处理的非线性模拟电路系统，同时又以最接近相互连接的细胞规则排列而成，这些特点使其具备实时、高速、并行处理信号的能力，且易于实现超大规模集成电路。此外，细胞神经网络也是一种非线性动力混沌系统，具有复杂的混沌动力学特性。
细胞神经网络其基本单元为一个细胞，每个细胞可由一个线性电阻、一个线性电容和一些压控电流源构成的非线性一阶电路。细胞神经网络的结构是中心细胞只与领域内的细胞相连，网络中的其他细胞与中心细胞的相互影响是通过网络的动态传播效应完成的。基于细胞的等效电路，每个细胞C(i,j)都有一个恒定的外界输入Uij、一个阈值Iij、一个状态变量Xij和一个输出yij。用一阶非线性微分方程的形式描述的细胞C(i,j)的状态方程为：
其中A为邻域细胞Ckl的输出ykl与细胞Cij之间的连接权重，B为邻域细胞Ckl的输入ukl与细胞Cij之间的连接权重，Nr(i,j)为中心细胞Cij的领域范围，Rx为线性电阻，Cx为线性电容。其中，基于细胞神经网络的状态方程，引入细胞神经网络方程更加通用的简化模式：
其中，xj为状态变量，aj为常数，Ij代表阈值，p代表细胞的输出值，T为细胞输出与领域细胞的连接权重，S为细胞输入与领域细胞的连接权重，m为细胞神经网络的维数，细胞的输出方程：Pj＝0.5(|xj+1|-|xj-1|)。为了解决传统混沌系统维度低、混乱度不够的缺点，细胞神经网络可以多维展开，这里以六维的细胞神经网络为例。其中六维细胞神经网络的超混沌系统模型如下所示：
采用四阶龙格库塔离散算法对上述方程进行迭代，生成相应的混沌序列。从混沌系统吸引子的相图可以看出，在三维空间中，每三个向量组成的超混沌系统吸引子都具有复杂的折叠和分离运动轨迹，且混沌吸引子的运动范围十分广，极大提升了加密系统的安全性。
本发明与现有技术相比，有益效果是：
与现有技术相比，本发明具有如下的有益效果：
1、本发明与典型的混沌系统相比，例如Logistic映射、Hénon映射、Chen氏混沌和Lorenz混沌，在混沌的动力学形态上有着更复杂的拓扑结构，生成的混沌序列有着更强的随机性。
2、本发明的混沌系统硬件实现程度高，由于细胞神经网络具备实时、高速、并行处理信号的能力，且易于实现超大规模集成电路。
3、本发明解决了现有光OFDM-PON物理层加密方案存在的问题：(1)无法抵抗选择明文攻击；(2)加密系统的密钥缺少保护。
附图说明
图1为本发明实施例的基于细胞神经网络的OFDM-PON系统的加密过程的传输结构示意图；
图2为本发明实施例的细胞神经网络结构图；
图3为本发明实施例的细胞等效电路图；
图4为本发明实施例的六维细胞神经网络产生的超混沌吸引子的三维相图；
图5为本发明实施例的抗明文攻击测试：(a)原明文第8bit改变；(b)明文改变1bit对应OFDM符号密文改变量；
图6为本发明实施例的加密信号与原始信号经过20km光纤传输的误码率对比。
具体实施方式
为了更清楚地说明本发明实施例，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。
本发明使用伪随机序列作为原始信号的数据流来验证加密系统的效果。
本发明基于细胞神经网络的OFDM-PON系统的加密方法，过程如图1所示，OFDM-PON系统包括基于细胞神经网络的混沌信号光发射模块、光传输模块和信号接收模块，具体的加密方法为：首先将输入的原始信号0，1数据流以四位为一组转换为十进制数，通过求和取模运算(即加取模运算)生成动态密钥集的索引值，再根据索引值在动态密钥集中取出该密钥，然后利用细胞神经网络混沌信号发生器生成混沌序列y并以此作为发送端的同步序列。静态密钥通过混沌信号发生器生成混沌序列x，结合明文生成的密钥索引值对输入数据进行抗选择明文攻击加密，之后通过OFDM调制和光调制器将数据转换为光信号进入到光纤中进行传输。在接收端通过光电探测器将光信号转换为电信号后，首先将动态密钥集中的所有密钥生成相应的混沌序列并与接收端的信号分别作相关运算，取相关性最高的混沌序列z作为接收端的同步序列并对信号进行同步，同时保存混沌序列z初值在动态密钥集中的位置索引，然后在OFDM解调及信道估计后，静态密钥通过混沌信号发生器生成混沌序列x，结合信号同步时保存下的密钥索引对数据进行解密恢复出原信号。具体包括以下步骤：
步骤1：细胞神经网络采用六维细胞神经网络的超混沌系统，构建细胞神经网络的动态密钥集合，对输入的数字信号求和取模运算，将得到的值作为细胞神经网络动态密钥集合的索引值；
步骤2：通过索引值确定细胞神经网络的初始值，以此生成相应的混沌序列作为OFDM-PON系统的同步序列；
步骤3：通过细胞神经网络的静态密钥生成混沌序列，结合动态密钥的索引值对原始数据进行抗选择明文攻击加密，经过OFDM调制及电光调制转换后进入光纤传输；
以下是解密过程：
步骤4：在接收端转换为电信号后，利用动态密钥生成的混沌序列对信号进行同步。
步骤5：经过正确同步后确定动态密钥集合的索引值，利用索引值和混沌序列对加密信号解密恢复出原信号。
更进一步地对步骤中的术语进行解释：
一、细胞神经网络：
细胞神经网络是基于Hopfield神经网络和细胞自动机的一种人工神经网络，集合了两者的优势，既是一个实时信息处理的非线性模拟电路系统，同时又以最接近相互连接的细胞规则排列而成，这些特点使其具备实时、高速、并行处理信号的能力，且易于实现超大规模集成电路。此外，细胞神经网络也是一种非线性动力混沌系统，具有复杂的混沌动力学特性。
细胞神经网络其基本单元为一个细胞，每个细胞可由一个线性电阻、一个线性电容和一些压控电流源构成的非线性一阶电路。通过细胞神经网络的结构图，如图2所示，可以看出只有位于细胞领域的细胞是和中心细胞相连，网络中的其他细胞与中心细胞的相互影响是通过网络的动态传播效应完成的。基于细胞的等效电路图，如图3所示，可以看出每个细胞C(i,j)都有一个恒定的外界输入Uij、一个阈值Iij、一个状态变量Xij和一个输出yij。用一阶非线性微分方程的形式描述的细胞C(i,j)的状态方程为：
其中A为邻域细胞Ckl的输出ykl与细胞Cij之间的连接权重，B为邻域细胞Ckl的输入ukl与细胞Cij之间的连接权重，Nr(i,j)为中心细胞Cij的领域范围，Rx为线性电阻，Cx为线性电容。其中，基于细胞神经网络的状态方程，引入细胞神经网络方程更加通用的简化模式：
其中，xj为状态变量，aj为常数，Ij代表阈值，p代表细胞的输出值，T为细胞输出与领域细胞的连接权重，S为细胞输入与领域细胞的连接权重，m为细胞神经网络的维数，细胞的输出方程：Pj＝0.5(|xj+1|-|xj-1|)。为了解决传统混沌系统维度低、混乱度不够的缺点，细胞神经网络可以多维展开，以六维的细胞神经网络为例，六维细胞神经网络的超混沌系统模型如下所示：
采用四阶龙格库塔离散算法对上述方程进行迭代，生成相应的混沌序列。六维细胞神经网络的超混沌吸引子的三维相图，如图4所示，在三维空间中，每三个向量组成的超混沌系统吸引子都具有复杂的折叠和分离运动轨迹，且混沌吸引子的运动范围十分广，极大提升了加密系统的安全性。
二：选择明文攻击：
攻击者暂时获得加密系统的使用权，因此攻击者能加密任意的明文，并获得相对应的密文，攻击者再将加密生成的密文与截获的密文一一对比，以此破译出全部或部分明文。
三：抗选择明文攻击
由于攻击者可以利用加密系统加密任意的明文，并利用密文之间的对比来得知截获密文所对应的明文。所以抗选择明文攻击，就是要把每个明文的变化扩散到整个密文中，避免明文与密文一一独立的对应关系。这样即使攻击者获得加密系统，也无法通过密文的对比破译出明文。
步骤1：构建细胞神经网络的动态密钥集合：将细胞神经网络的初始值作为密钥(由于细胞神经网络的混沌特性，即对于初值的敏感性)，选取x4序列的多个初始值构建一个动态密钥集合，每次随机抽取一个密钥生成相应的混沌序列对信号进行加密。
对输入的数字信号求和取模运算：将输入的比特序列以四位为一组转换为十进制数进行求和，然后取模n运算，其中n为动态密钥集合中的密钥数量。
步骤2：索引值是由输入的数字信号决定的，数字信号只要有微小变化，那么加密系统的动态密钥值也会随机发生变化。
步骤3：细胞神经网络的静态密钥为细胞神经网络x1、x2、x3、x5、x6五个混沌序列的初始值，在收发端保持唯一且固定。
抗选择明文攻击加密：将输入的数字信号以每四位一组转换为十进制数(系统采用16QAM的映射方式)，加密具体过程如下所示：
S(1)＝mod(P(1)+V2+C(1),16)
S(i)＝mod(P(i)+S(i-1)+C(i),16)(i＝2,...,N)
其中，S为密文，P为明文，C为细胞神经网络静态密钥x1生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。首先将索引值V加入到第一位密文的生成，来增强密文的动态特性，之后利用上一个密文与当前明文、混沌值迭代求和取模运算将明文的动态特性扩散到整个密文中。
步骤4：利用动态密钥生成的混沌序列对信号进行同步：将动态密钥集合中的所有密钥生成相应的混沌序列，与接收端的信号分别作相关运算，取相关性最强的那组混沌序列作为同步序列并对信号进行同步。
步骤5：确定动态密钥集合的索引值：取出与信号进行同步的混沌序列，并根据混沌序列初始值在动态密钥集合中的位置来确定索引值。
利用索引值和混沌序列对加密信号解密：具体的解密过程如下所示
P(i)＝mod(S(i)-S(i-1)-C(i),16)(i＝N,...,2)
P(1)＝mod(S(1)-V2-C(1),16)
其中，S为密文，P为明文，C为细胞神经网络静态密钥生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。首先从密文的末端开始，利用当前的密文与前一个密文、当前的混沌值求差取模运算，逐步迭代恢复出明文，之后利用索引值V和第一位混沌值求出第一位明文值，得到原信号。
为了验证基于细胞神经网络的OFDM-PON系统的加密和密钥保护方法的性能，发送端的信息序列长度设为262144，OFDM符号的子载波数为64，其中改变发送端的信息序列第8bit位来观察OFDM符号密文的改变量，结果如图5所示，在改变发送端1bit位的情况下，OFDM符号各个子载波值都发生了较大程度的变化，进一步验证了上述所提出的加密方案具有良好的混乱和扩散能力，可有效抵抗选择明文攻击，提升系统的安全性。
图6为加密信号与原始信号经过20km标准单模光纤传输后的误码率对比图，图中原始信号相比加密信号的BER有稍许下降，正是因为接收端累计噪声的叠加造成的BER下降，说明该加密系统在损失较低的接收端灵敏度就可以获得良好的加密性能。
综上所述，采用本发明的基于细胞神经网络的OFDM-PON系统的加密和密钥保护方法可以极大提升加密系统的安全性，解决了物理层加密方案普遍存在的无法抗选择明文攻击、混沌系统维度低、混乱度不够以及密钥安全等问题。此外，该加密系统操作简单，占用空间小，具备实时、高速加密信号的能力，可完全兼容于光OFDM-PON系统。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。

Claims (9)

1.基于细胞神经网络的OFDM-PON系统的加密方法，其特征在于，包括以下步骤：
S1、构建细胞神经网络的动态密钥集合，对输入的数字信号求和取模运算，将得到的值作为细胞神经网络动态密钥集合的索引值；
S2、通过索引值确定细胞神经网络的初始值，以此生成相应的混沌序列作为OFDM-PON系统的同步序列；
S3、利用细胞神经网络生成的混沌序列与索引值对原始数据进行抗选择明文攻击加密，经过OFDM调制及电光调制转换后进入光纤传输。
2.根据权利要求1所述的基于细胞神经网络的OFDM-PON系统的加密方法，其特征在于，所述步骤S1中的构建细胞神经网络的动态密钥集合，包括：选取细胞神经网络的初始值作为密钥，将多个初始值构建为一个密钥集合，每次随机抽取一个密钥生成相应的混沌序列对信号进行加密。
3.根据权利要求2所述的基于细胞神经网络的OFDM-PON系统的加密方法，其特征在于，所述步骤S1中的对输入的数字信号求和取模运算，包括：将输入的比特序列以四位为一组转换为十进制数进行求和，然后取模n运算，其中n为动态密钥集合中的密钥数量。
4.根据权利要求1-3任一项所述的基于细胞神经网络的OFDM-PON系统的加密方法，其特征在于，所述步骤S2中的索引值由输入的数字信号决定。
5.根据权利要求1-3任一项所述的基于细胞神经网络的OFDM-PON系统的加密方法，其特征在于，所述步骤S3中的抗选择明文攻击加密，包括：
将输入的数字信号以每四位一组转换为十进制数，加密具体过程如下：
S(1)＝mod(P(1)+V2+C(1),16)
S(i)＝mod(P(i)+S(i-1)+C(i),16)(i＝2,...,N)
其中，S为密文，P为明文，C为细胞神经网络静态密钥生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。
首先将索引值加入到第一位密文的生成，来增强密文的动态特性，之后利用上一个密文值与当前明文值、混沌值求和取模运算将明文的动态特性扩散到整个密文中。
6.基于细胞神经网络的OFDM-PON系统的解密方法，对应于如权利要求1-5任一项所述的加密方法，其特征在于，所述解密方法包括：
S4、在接收端转换为电信号后，利用动态密钥生成的混沌序列对信号进行同步；
S5、经过正确同步后确定动态密钥集合的索引值，利用索引值和混沌序列对加密信号解密恢复出原信号。
7.根据权利要求6所述的解密方法，其特征在于，所述步骤S4中的利用动态密钥生成的混沌序列对信号进行同步，包括：将动态密钥集合中的所有值生成相应的混沌序列，与接收端的信号分别作相关运算，取相关性最强的混沌序列作为同步序列并对信号进行同步。
8.根据权利要求7所述的解密方法，其特征在于，所述步骤S5中的确定动态密钥集合的索引值，包括：取出与信号进行同步的混沌序列，并根据混沌序列初始值在动态密钥集合中的位置来确定索引值。
9.根据权利要求8所述的解密方法，其特征在于，所述步骤S5中的利用索引值和混沌序列对加密信号解密，包括：
P(i)＝mod(S(i)-S(i-1)-C(i),16)(i＝N,...,2)
P(1)＝mod(S(1)-V2-C(1),16)
其中，S为密文，P为明文，C为细胞神经网络静态密钥生成的混沌序列，V为动态密钥集合的索引值，N为输入信号的序列长度，i同时是明文、密文和混沌序列的索引值。
首先从密文的末端开始，利用当前的密文与前一个密文、当前的混沌值求差取模运算，逐步迭代恢复出明文，之后利用索引值和第一位混沌值求出第一位明文值，得到原信号。
CN201811563170.5A 2018-12-20 2018-12-20 基于细胞神经网络的ofdm-pon系统的加密及解密方法 Active CN109672517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811563170.5A CN109672517B (zh) 2018-12-20 2018-12-20 基于细胞神经网络的ofdm-pon系统的加密及解密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811563170.5A CN109672517B (zh) 2018-12-20 2018-12-20 基于细胞神经网络的ofdm-pon系统的加密及解密方法

Publications (2)

Publication Number Publication Date
CN109672517A true CN109672517A (zh) 2019-04-23
CN109672517B CN109672517B (zh) 2021-07-27

Family

ID=66144005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811563170.5A Active CN109672517B (zh) 2018-12-20 2018-12-20 基于细胞神经网络的ofdm-pon系统的加密及解密方法

Country Status (1)

Country Link
CN (1) CN109672517B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110417699A (zh) * 2019-05-30 2019-11-05 北京邮电大学 一种基于机器学习的ofdm系统符号定时同步的方法
CN110535803A (zh) * 2019-09-03 2019-12-03 西南交通大学 一种无源光网络上行传输接收端解调方法
CN111600661A (zh) * 2020-05-14 2020-08-28 浙江大学 基于实时更新的混沌密钥分发的三维加密ofdm光系统
CN111934812A (zh) * 2020-06-30 2020-11-13 暨南大学 通信网络物理层信号加密、解密方法
CN112118066A (zh) * 2020-11-23 2020-12-22 西南交通大学 一种基于改进卷积神经网络的fbmc-pon解调方法
CN112291052A (zh) * 2020-10-19 2021-01-29 北京邮电大学 基于qam的量子噪声加密方法和系统
CN112448807A (zh) * 2020-11-16 2021-03-05 杭州电子科技大学 基于保守数字混沌的三维Arnold变换的OFDM-PON物理层加密方法
CN112597519A (zh) * 2020-12-28 2021-04-02 杭州电子科技大学 Ofdm加密系统中基于卷积神经网络的无密钥解密方法
CN115235613A (zh) * 2022-09-21 2022-10-25 江苏泰恩特环境技术有限公司 一种风机盘管的质量检测方法
CN117174233A (zh) * 2023-11-02 2023-12-05 山东大数据医疗科技有限公司 一种基于健康大数据的管理平台

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1830517A1 (en) * 2006-03-03 2007-09-05 Siemens Aktiengesellschaft A method, communication system, central and peripheral communication unit for packet oriented transfer of information
CN102904710A (zh) * 2012-10-11 2013-01-30 长春理工大学 基于量子细胞神经网络的弱密码超混沌加密方法
CN105681622A (zh) * 2015-12-31 2016-06-15 复旦大学 一种基于细胞神经网络超混沌和dna序列的彩色图像加密方法
CN106850182A (zh) * 2017-01-16 2017-06-13 长春理工大学 基于量子细胞神经网络的视频混沌加密方法
CN107579961A (zh) * 2017-08-23 2018-01-12 电子科技大学 一种接入网的信息保密传输方法
CN108123908A (zh) * 2017-12-14 2018-06-05 杭州电子科技大学 一种用于ng-pon的改进svm均衡方法及系统
WO2018119315A1 (en) * 2016-12-21 2018-06-28 University Of Hawaii Hybrid encryption for cyber security of control systems
CN108521384A (zh) * 2018-02-12 2018-09-11 杭州电子科技大学 用于低带宽高速光通信的最大化方差数据选择的svm均衡方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1830517A1 (en) * 2006-03-03 2007-09-05 Siemens Aktiengesellschaft A method, communication system, central and peripheral communication unit for packet oriented transfer of information
CN102904710A (zh) * 2012-10-11 2013-01-30 长春理工大学 基于量子细胞神经网络的弱密码超混沌加密方法
CN105681622A (zh) * 2015-12-31 2016-06-15 复旦大学 一种基于细胞神经网络超混沌和dna序列的彩色图像加密方法
WO2018119315A1 (en) * 2016-12-21 2018-06-28 University Of Hawaii Hybrid encryption for cyber security of control systems
CN106850182A (zh) * 2017-01-16 2017-06-13 长春理工大学 基于量子细胞神经网络的视频混沌加密方法
CN107579961A (zh) * 2017-08-23 2018-01-12 电子科技大学 一种接入网的信息保密传输方法
CN108123908A (zh) * 2017-12-14 2018-06-05 杭州电子科技大学 一种用于ng-pon的改进svm均衡方法及系统
CN108521384A (zh) * 2018-02-12 2018-09-11 杭州电子科技大学 用于低带宽高速光通信的最大化方差数据选择的svm均衡方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MEIHUA BI等: "A Key Space Enhanced Chaotic Encryption Scheme for Physical Layer Security in OFDM-PON", 《IEEE PHOTONICS JOURNAL》 *
林书庆等: "基于动态混沌映射的三维加密正交频分复用无源光网络", 《物理学报》 *
陈瑞兰等: "OFDM-PON系统中基于混沌映射的密钥保护和PAPR降低的加密算法", 《光电子·激光》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110417699A (zh) * 2019-05-30 2019-11-05 北京邮电大学 一种基于机器学习的ofdm系统符号定时同步的方法
CN110535803A (zh) * 2019-09-03 2019-12-03 西南交通大学 一种无源光网络上行传输接收端解调方法
CN111600661A (zh) * 2020-05-14 2020-08-28 浙江大学 基于实时更新的混沌密钥分发的三维加密ofdm光系统
CN111600661B (zh) * 2020-05-14 2022-04-01 浙江大学 基于实时更新的混沌密钥分发的三维加密ofdm光系统
CN111934812A (zh) * 2020-06-30 2020-11-13 暨南大学 通信网络物理层信号加密、解密方法
CN111934812B (zh) * 2020-06-30 2023-10-17 暨南大学 通信网络物理层信号加密、解密方法
CN112291052A (zh) * 2020-10-19 2021-01-29 北京邮电大学 基于qam的量子噪声加密方法和系统
CN112291052B (zh) * 2020-10-19 2022-03-15 北京邮电大学 基于qam的量子噪声加密方法和系统
CN112448807B (zh) * 2020-11-16 2022-06-10 杭州电子科技大学 基于保守数字混沌的三维Arnold变换的OFDM-PON物理层加密方法
CN112448807A (zh) * 2020-11-16 2021-03-05 杭州电子科技大学 基于保守数字混沌的三维Arnold变换的OFDM-PON物理层加密方法
CN112118066A (zh) * 2020-11-23 2020-12-22 西南交通大学 一种基于改进卷积神经网络的fbmc-pon解调方法
CN112597519A (zh) * 2020-12-28 2021-04-02 杭州电子科技大学 Ofdm加密系统中基于卷积神经网络的无密钥解密方法
CN112597519B (zh) * 2020-12-28 2024-02-13 杭州电子科技大学 Ofdm加密系统中基于卷积神经网络的无密钥解密方法
CN115235613A (zh) * 2022-09-21 2022-10-25 江苏泰恩特环境技术有限公司 一种风机盘管的质量检测方法
CN115235613B (zh) * 2022-09-21 2023-09-12 江苏泰恩特环境技术有限公司 一种风机盘管的质量检测方法
CN117174233A (zh) * 2023-11-02 2023-12-05 山东大数据医疗科技有限公司 一种基于健康大数据的管理平台
CN117174233B (zh) * 2023-11-02 2024-02-09 山东大数据医疗科技有限公司 一种基于健康大数据的管理平台

Also Published As

Publication number Publication date
CN109672517B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN109672517A (zh) 基于细胞神经网络的ofdm-pon系统的加密及解密方法
Bloch et al. An overview of information-theoretic security and privacy: Metrics, limits and applications
Zhang et al. Constellation shaping chaotic encryption scheme with controllable statistical distribution for OFDM-PON
Ma et al. Secure communication in TDS-OFDM system using constellation rotation and noise insertion
Melki et al. An efficient OFDM-based encryption scheme using a dynamic key approach
Hughes et al. Quantum key distribution over a 48 km optical fibre network
CN105577359A (zh) 一种基于混沌序列导频映射的oofdm加密系统
CN108833390B (zh) 一种基于矩阵变换的分组物理层加密方法
CN111525998B (zh) 基于模式、时隙和频率复合矢量的高可靠光传输方法
CN107017960B (zh) 一种基于polar码的AWGN-wiretap信道反窃听安全结构及其实现方法
Zhou et al. Physical layer dynamic key encryption in OFDM-PON system based on cellular neural network
Chakrabarti et al. A novel approach towards realizing optimum data transfer and Automatic Variable Key (AVK) in cryptography
Bi et al. Cellular neural network encryption scheme for time synchronization and CPAs resistance in OFDM-PON
CN112671529A (zh) 一种基于星座扰动的少模p比特高安全传输方法
CN111600661B (zh) 基于实时更新的混沌密钥分发的三维加密ofdm光系统
CN109951240A (zh) 基于polar码的wiretap信道的物理层保密通信传输方法
Noura et al. Efficient and secure physical encryption scheme for low-power wireless M2M devices
Zhang et al. Security enhancement in coherent ofdm optical transmission with chaotic three-dimensional constellation scrambling
Li et al. Asymmetric physical layer encryption for wireless communications
CN108574574A (zh) 一种基于多维星座旋转的物理层加密方法
CN109743155B (zh) 一种基于天线选择的差分混沌键控的物理层安全传输方法
CN109889337A (zh) 一种基于物理层密钥的联合交织加密方法
CN111404661B (zh) 一种光物理层混沌安全接入方法
CN106789971A (zh) 一种电力载波数据的加密传输方法
Lei et al. Integration of self-adaptive physical-layer key distribution and encryption in optical coherent communication

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant