CN111934844B - 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 - Google Patents
一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 Download PDFInfo
- Publication number
- CN111934844B CN111934844B CN202010631566.XA CN202010631566A CN111934844B CN 111934844 B CN111934844 B CN 111934844B CN 202010631566 A CN202010631566 A CN 202010631566A CN 111934844 B CN111934844 B CN 111934844B
- Authority
- CN
- China
- Prior art keywords
- reserve pool
- chaotic
- output
- laser
- calculation
- 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.)
- Active
Links
Images
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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法,属于混沌同步保密通信技术领域;所要解决的技术问题为:提供一种基于双闭环反馈储备池计算的混沌同步保密通信系统硬件结构及通信方法的改进;解决该技术问题采用的技术方案为:包括混沌激光发生装置和储备池计算解密模块,混沌激光发生装置内部包括激光器,激光器的信号输入端与控制器相连,控制器向激光器输入有用信息,激光器的输出端串接一级光隔离器后与二级光隔离器相连,二级光隔离器的输出端分别与光电二极管的输入端、WDM合束器的输入端相连,光电二极管的输出端依次串接时间延时器、带通滤波器、增益放大器后与激光器的信号反馈端相连;本发明应用于混沌同步保密通信。
Description
技术领域
本发明一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法,属于混沌同步保密通信技术领域。
背景技术
基于混沌激光的保密通信协议具有高速、长距离、低误码率等优点,但在实际使用过程中要达到上述优点需要发射器和接收器实现混沌同步,即保持发射端和接收端激光器工作参数几乎完全一致才可以达到理论上的同步效果,因此近年来混沌保密通信的应用范围一直有限,其应用方法及使用的控制系统一直没有大的进展。
已有学者提出训练出一个与发射器参数匹配度较高的神经网络做接收器,但神经网络训练权值较难控制且收敛速度较慢导致整个训练过程耗时较长,因此只是作为一种理想概念被提出,具体实验时很难实现。
储备池计算作为一种新的机器学习方法,相比于神经网络而言,简化神经网络训练过程,解决了神经网络结构难以确定,训练算法复杂的难题,因此本申请拟采用储备池计算实现混沌同步。
此前,研究者H.F.Chen提出半导体激光器参数失配和激光相位等因素对同步有较大影响,导致同步难以控制与实现;
研究者Kusumoto用780nm半导体激光器实现了1.5GHz正弦信号的混沌保密通信,但仍存在信号速率低以及同步较难控制的问题;
研究者杨云朋等人提出用神经网络训练出一个与发射器同步的接收器结构,但训练过程较慢导致只能在仿真实现,暂时还无法硬件实现,因此混沌激光同步保密通信仍有待研究。
发明内容
本发明为了克服现有技术中存在的不足,所要解决的技术问题为:提供一种基于双闭环反馈储备池计算的混沌同步保密通信系统硬件结构及通信方法的改进。
为了解决上述技术问题,本发明采用的技术方案为:一种基于双闭环反馈储备池计算的混沌同步保密通信系统,包括混沌激光发生装置和储备池计算解密模块,所述混沌激光发生装置内部包括激光器,所述激光器的信号输入端与控制器相连,所述控制器向激光器输入有用信息,所述激光器的输出端串接一级光隔离器后与二级光隔离器相连,所述二级光隔离器的输出端分别与光电二极管的输入端、WDM合束器的输入端相连,所述光电二极管的输出端依次串接时间延时器、带通滤波器、增益放大器后与激光器的信号反馈端相连;
所述WDM合束器通过连接光缆与WDM分束器相连,所述WDM分束器的输出端与光接收机相连,所述光接收机的输出端接入储备池计算动力系统的计算输入层;
所述储备池计算动力系统的计算输出层与运算模块的一路输入端相连,所述运算模块的另一路输入端与光接收机的输出端相连,所述运算模块的输出端与信号接收器相连。
一种基于双闭环反馈储备池计算的混沌同步保密通信方法,包括如下步骤:
步骤一:控制器向混沌激光发生装置输入数据信息,由混沌激光发生装置对该数据信息进行混沌调制加密;将数据信息输入激光器的输入端,所述激光器输出连续光,经过一级光隔离器、二级光隔离器稳定光谱输出功率,所述二级光隔离器的信号输出分为两路,一路信号输入光电二极管,然后经过时间延时器、带通滤波器、增益放大器反馈回激光器产生混沌载波,同时输入的数据信息对激光器的参数进行调制,调整混沌载波生成,并与混沌载波混合成为混沌加密信号;
步骤二:所述二级光隔离器的另一路输出混沌加密信号至WDM合束器,所述WDM合束器通过连接光缆将混沌加密信号输入WDM分束器,所述WDM分束器再将混沌加密信号发送至光接收机,所述光接收机对信号进行恢复并输入储备池计算解密模块;
步骤三:所述光接收机输出的恢复信号输入储备池计算动力系统,使储备池计算动力系统产生储备池计算状态向量a1和储备池计算输出向量a3,所述储备池计算状态向量a1与混沌载波状态向量a2相减作为训练数据反馈回储备池计算动力系统,使其训练连接权重,同时削弱外界扰动带来的影响;
步骤四:所述储备池计算动力系统内部由储备池计算状态向量a1通过连接权重到输出层,使其产生储备池计算输出向量a3,所述储备池计算输出向量a3为预测混沌载波,分为两路输出,一路输出与混沌载波输出向量a4相减作为训练数据反馈至储备池计算动力系统,使其修改储备池和输出层之间的连接权重,另一路输出与混沌加密信号经过运算模块对信号进行解密,输出有用信息至信号接收器。
所述储备池计算动力系统包括输入层、储备池、输出层;
所述输入层的层数等于1,所述每一层中包括A个神经元;
所述储备池的层数等于M,所述每一层中包括B个神经元;
所述输出层的层数等于1,所述每一层中包括C个神经元。
所述储备池计算解密模块的计算步骤为:
步骤一:定义混沌加密信号作为储备池计算动力系统的输入向量为u(t),所述输入层与储备池之间通过连接权重W1进行计算;
定义储备池内部各层之间的连接权重为W2,经过储备池各层的迭代产生状态向量x(t)到输出层;
定义储备池与输出层之间的连接权重为W3,所述状态向量x(t)经权重W3作用处理,产生输出向量y(t)=x(t)*W3;
步骤二:所述储备池计算动力系统输出结果为预测混沌载波,对储备池计算动力系统的权重W3通过双闭环反馈的数据进行训练,减小误差;
所述储备池计算状态向量与混沌载波状态向量之差作为训练数据,反馈回储备池计算动力系统,来训练权重参数W3,同时消除外来扰动带来的影响,进行状态反馈;
步骤三:所述储备池计算输出向量与混沌载波输出向量之差作为训练数据,反馈回储备池计算动力系统,训练权重参数W3,进行输出反馈;
步骤四:通过上述两种反馈构成双闭环反馈控制结构,不断调节预测混沌载波与混沌载波,当且仅当预测混沌载波为同步的混沌载波时,解密成功。
本发明相对于现有技术具备的有益效果为:本发明提供的双闭环反馈储备池计算在多点对多点混沌同步保密通信中的应用,可以克服传统混沌激光同步保密通信中难以找到结构参数完全一致的发射器和接收器,难以达到同步,以及采用神经网络构造接收器训练耗时较长等问题,本发明进一步提高储备池计算的效率和精确度,通过设计双闭环反馈结构对储备池计算进行训练,有效提高解密效率,降低误码率,进一步降低其对混沌保密通信系统的安全威胁,并且采用多点对多点通信,可大大节约资源,提高传输容量。
附图说明
下面结合附图对本发明做进一步说明:
图1为本发明基于双闭环反馈储备池计算的混沌同步保密通信系统的结构示意图;
图2为本发明实施例中储备池计算动力系统内部的结构示意图;
图中:1为激光器、2为一级光隔离器、3为二级光隔离器、4为光电二极管、5为串接时间延时器、6为带通滤波器、7为增益放大器、8为WDM合束器、9为连接光缆、10为WDM分束器、11为光接收机、12为储备池计算动力系统、13为运算模块、a1为储备池计算状态向量、a2为混沌载波状态向量、a3为储备池计算输出向量、a4为混沌载波输出向量。
具体实施方式
如图1所示,本发明一种基于双闭环反馈储备池计算的混沌同步保密通信系统,包括混沌激光发生装置和储备池计算解密模块,所述混沌激光发生装置内部包括激光器(1),所述激光器(1)的信号输入端与控制器相连,所述控制器向激光器(1)输入有用信息,所述激光器(1)的输出端串接一级光隔离器(2)后与二级光隔离器(3)相连,所述二级光隔离器(3)的输出端分别与光电二极管(4)的输入端、WDM合束器(8)的输入端相连,所述光电二极管(4)的输出端依次串接时间延时器(5)、带通滤波器(6)、增益放大器(7)后与激光器(1)的信号反馈端相连;
所述WDM合束器(8)通过连接光缆(9)与WDM分束器(10)相连,所述WDM分束器(10)的输出端与光接收机(11)相连,所述光接收机(11)的输出端接入储备池计算动力系统(12)的计算输入层;
所述储备池计算动力系统(12)的计算输出层与运算模块(13)的一路输入端相连,所述运算模块(13)的另一路输入端与光接收机(11)的输出端相连,所述运算模块(13)的输出端与信号接收器相连。
一种基于双闭环反馈储备池计算的混沌同步保密通信方法,包括如下步骤:
步骤一:控制器向混沌激光发生装置输入数据信息,由混沌激光发生装置对该数据信息进行混沌调制加密;将数据信息输入激光器(1)的输入端,所述激光器(1)输出连续光,经过一级光隔离器(2)、二级光隔离器(3)稳定光谱输出功率,所述二级光隔离器(3)的信号输出分为两路,一路信号输入光电二极管(4),然后经过时间延时器(5)、带通滤波器(6)、增益放大器(7)反馈回激光器(1)产生混沌载波,同时输入的数据信息对激光器(1)的参数进行调制,调整混沌载波生成,并与混沌载波混合成为混沌加密信号;
步骤二:所述二级光隔离器(3)的另一路输出混沌加密信号至WDM合束器(8),所述WDM合束器(8)通过连接光缆(9)将混沌加密信号输入WDM分束器(10),所述WDM分束器(10)再将混沌加密信号发送至光接收机(11),所述光接收机(11)对信号进行恢复并输入储备池计算解密模块;
步骤三:所述光接收机(11)输出的恢复信号输入储备池计算动力系统(12),使储备池计算动力系统产生储备池计算状态向量a1和储备池计算输出向量a3,所述储备池计算状态向量a1与混沌载波状态向量a2相减作为训练数据反馈回储备池计算动力系统(12),使其训练连接权重,同时削弱外界扰动带来的影响;
步骤四:所述储备池计算动力系统(12)内部由储备池计算状态向量a1通过连接权重到输出层,使其产生储备池计算输出向量a3,所述储备池计算输出向量a3为预测混沌载波,分为两路输出,一路输出与混沌载波输出向量a4相减作为训练数据反馈至储备池计算动力系统(12),使其修改储备池和输出层之间的连接权重,另一路输出与混沌加密信号经过运算模块(13)对信号进行解密,输出有用信息至信号接收器。
所述储备池计算动力系统包括输入层、储备池、输出层;
所述输入层的层数等于1,所述每一层中包括A个神经元;
所述储备池的层数等于M,所述每一层中包括B个神经元;
所述输出层的层数等于1,所述每一层中包括C个神经元。
所述储备池计算解密模块的计算步骤为:
步骤一:定义混沌加密信号作为储备池计算动力系统(12)的输入向量为u(t),所述输入层与储备池之间通过连接权重W1进行计算;
定义储备池内部各层之间的连接权重为W2,经过储备池各层的迭代产生状态向量x(t)到输出层;
定义储备池与输出层之间的连接权重为W3,所述状态向量x(t)经权重W3作用处理,产生输出向量y(t)=x(t)*W3;
步骤二:所述储备池计算动力系统(12)输出结果为预测混沌载波,对储备池计算动力系统(12)的权重W3通过双闭环反馈的数据进行训练,减小误差;
所述储备池计算状态向量与混沌载波状态向量之差作为训练数据,反馈回储备池计算动力系统,来训练权重参数W3,同时消除外来扰动带来的影响,进行状态反馈;
步骤三:所述储备池计算输出向量与混沌载波输出向量之差作为训练数据,反馈回储备池计算动力系统,训练权重参数W3,进行输出反馈;
步骤四:通过上述两种反馈构成双闭环反馈控制结构,不断调节预测混沌载波与混沌载波,当且仅当预测混沌载波为同步的混沌载波时,解密成功。
本发明为克服传统混沌激光保密通信中难以找到参数完全一致的发射器和接收器带来的诸多如混沌同步困难等问题,提出一种双闭环反馈储备池计算在多点对多点混沌同步保密通信系统中的应用装置。
在进行混沌通信前,使用控制器向混沌激光发生装置发送有用信息,有用信息对激光器参数进行调制,一方面影响混沌载波的产生,另一方面与混沌载波进行混合,隐藏在混沌载波中。所述激光器输出连续光通过两级光隔离器,二级光隔离器的输出光分两路,一路连接至光电二极管,再经过延时、带通滤波、放大等操作反馈回激光器,使其产生混沌载波并最终获得混沌加密信号,该混沌加密信号经过二级光隔离器的另一路输出连接WDM合束器,所述WDM合束器通过连接光缆连接WDM分束器,所述WDM分束器连接光接收机恢复出原混沌加密信号,并将该混沌加密信号输出至储备池计算动力系统,混沌加密信号经由该储备池计算动力系统的输入层、储备池以及输出层分两路输出状态向量a1和输出向量a3,储备池计算状态向量a1输出后与混沌载波状态向量a2做差获得训练数据,反馈回储备池计算动力系统训练其连接权重,同时削弱外界扰动带来的影响;储备池计算输出向量a3为预测混沌载波,a3输出分为两路,一路与混沌载波输出向量a4相减作为训练数据反馈至储备池计算动力系统,使其修改连接权重,另一路输出与混沌加密信号经过运算模块13的数据处理作用得到有用信息,将其发送至相应的信号接收器,完成解密。
本发明采用双闭环反馈结构,即通过状态反馈和输出反馈结合,一方面储备池计算状态向量与混沌载波状态向量之差作为训练数据反馈至储备池计算动力系统对权重进行训练,此为状态反馈;另一方面储备池计算输出向量(预测混沌载波)与混沌载波输出向量差值反馈回储备池计算动力系统,对储备池与输出层之间的连接权重进行训练,此为输出反馈,双闭环反馈结构大大提高了储备池计算训练速度,提高解密效率,降低误码率。
本发明将混沌载波与储备池计算动力系统输出分解为状态向量和输出向量,反馈过程动态化,反馈信息更加全面;储备池计算充当硬件加密中的接收器作用,训练出一个与发射器结构高度相似的储备池计算模型,在接收端利用此储备池计算模型对加密信息进行解密;本系统采用复合反馈结构,即状态反馈加输出反馈,储备池计算状态反馈可提供更多训练信息,完整表征系统动态行为,可在不增加系统维数情况下,自由支配响应特性。状态反馈加输出反馈的模式可在消除外来扰动的同时,提高储备池计算训练速度,提高解密效率。
如图1所示,具体的信号训练与加密、解密过程主要包括混沌调制加密、光波分复用、储备池计算解密。
其中具体的混沌调制加密以及光波分复用过程如下:混沌激光采用光电反馈方式产生,加密方式采用混沌调制方式,具体由激光器输出连续光,经过一二级光隔离器作用,稳定光谱输出功率,二级光隔离器输出分为两路,一路注入光电二极管,然后经过时间延迟、带通滤波、增益模块反馈到激光器产生混沌载波,同时有用信息对激光器参数进行调制,一方面影响混沌载波生成,另一方面与混沌载波混合成为混沌加密信号,混沌加密信号由二级光隔离器注入WDM合束器,与其他光波合束后经光缆传输至WDM分束器接收端,所述WDM分束器的输出端连接光接收机,恢复原信号。
储备池计算与信号训练解密过程如下:本发明提供的通信系统最大优点在于不需找到另一个与发射器参数完全相同的接收器即可完成混沌同步,由于储备池计算具有良好的学习能力和非线性拟合能力,并且相对于神经网络而言,储备池计算只需训练储备池与输出层的连接权值,其他连接权值随机产生,一经产生便不再变化,而储备池状态向量与输出向量之间为线性关系,因此储备池计算具有较高的效率,训练过程比较简单。
如图1右半部分的储备池计算解密模块所示,混沌加密信号输入至储备池计算动力系统,此混沌加密信号经由该储备池计算动力系统的输入层、储备池以及输出层分两路输出状态向量a1和输出向量a3,储备池计算状态向量a1输出后与混沌载波状态向量a2做差获得训练数据,反馈回储备池计算动力系统训练其连接权重,同时削弱外界扰动带来的影响;储备池计算输出向量a3为预测混沌载波,a3输出分为两路,一路与混沌载波输出向量a4相减作为训练数据反馈至储备池计算动力系统,使其训练储备池与输出层之间的连接权重,另一路输出与混沌加密信号经过运算模块13的数据处理作用得到有用信息,将其发送至相应的信号接收器,完成解密。
进一步的,如图2所示,本申请实施例提出双闭环反馈储备池计算在多点对多点混沌同步保密通信中的应用;其中储备池计算动力系统包括输入层、储备池、输出层,其中每一层可包括若干个神经元,输入输出层一般各有1层组成,储备池可根据问题复杂度酌情设计层数,实施例中取输入输出各一层,输入层包括A个神经元,输出层包括C个神经元,储备池为M层,每一层包括B个神经元。
所述储备池向量计算的具体过程为,混沌加密信号经输入层后作为储备池计算的输入向量u(t),输入层与储备池之间通过连接权重W1进行计算,储备池内部各层之间的连接权重为W2,经过储备池各层的迭代产生状态向量x(t)到输出层,储备池与输出层之间的连接权重为W3,状态向量x(t)经W3作用处理产生输出向量y(t)=x(t)*W3;
其中矩阵W1和W2随机产生,一经产生,不再改变,W3是唯一需要训练的权重,并且状态向量与输出向量之间是线性关系,因此储备池计算过程比较简单,效率较高。
储备池计算输出结果即为预测混沌载波,由混沌保密通信原理可知,当且仅当预测混沌载波为同步的混沌载波时,解密成功,而要达到这一要求就需要对储备池计算动力系统的W3权重进行不断的训练,主要原理就是通过双闭环反馈的数据进行训练,减小误差;一方面储备池计算状态向量与混沌载波状态向量之差作为训练数据,反馈回储备池计算动力系统,来训练权重参数W3,同时消除外来扰动带来的影响,此为状态反馈;另一方面通过储备池计算输出向量与混沌载波输出向量之差作为训练数据,反馈回储备池计算动力系统,训练权重参数W3,此为输出反馈。如此便构成了双闭环反馈控制结构,最后直至预测混沌载波与混沌载波几乎完全相同且能够达到解密要求为止。
本发明采用储备池计算进行解密,经过反复训练,参数匹配度较高的储备池计算模型是可以实现的,并且即使窃听者可以窃取混沌加密信号,但却无法窃取混沌载波波形,因此不能对储备池计算连接权重进行参数更新,假设窃听者采用暴力搜索方式进行攻击,本储备池计算中一旦某一参数有微小偏差,最终结果都会产生很大误差,导致攻击失败,由此保证了系统的安全性和可信度。
关于本发明具体结构需要说明的是,本发明采用的各部件模块相互之间的连接关系是确定的、可实现的,除实施例中特殊说明的以外,其特定的连接关系可以带来相应的技术效果,并基于不依赖相应软件程序执行的前提下,解决本发明提出的技术问题,本发明中出现的部件、模块、具体元器件的型号、连接方式除具体说明的以外,均属于本领域技术人员在申请日前可以获取到的已公开专利、已公开的期刊论文、或公知常识等现有技术,无需赘述,使得本案提供的技术方案是清楚、完整、可实现的,并能根据该技术手段重现或获得相应的实体产品。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易地想到其各种变化或替换,这些都应该涵盖在本申请的保护范围之内,因此,本申请的保护范围应以所述权力要求的保护范围为准。
Claims (2)
1.一种基于双闭环反馈储备池计算的混沌同步保密通信系统,包括混沌激光发生装置和储备池计算解密模块,其特征在于:所述混沌激光发生装置内部包括激光器(1),所述激光器(1)的信号输入端与控制器相连,所述控制器向激光器(1)输入有用信息,所述激光器(1)的输出端串接一级光隔离器(2)后与二级光隔离器(3)相连,所述二级光隔离器(3)的输出端分别与光电二极管(4)的输入端、WDM合束器(8)的输入端相连,所述光电二极管(4)的输出端依次串接时间延时器(5)、带通滤波器(6)、增益放大器(7)后与激光器(1)的信号反馈端相连;
所述WDM合束器(8)通过连接光缆(9)与WDM分束器(10)相连,所述WDM分束器(10)的输出端与光接收机(11)相连,所述光接收机(11)的输出端接入储备池计算动力系统(12)的计算输入层;
所述储备池计算动力系统(12)的计算输出层与运算模块(13)的一路输入端相连,所述运算模块(13)的另一路输入端与光接收机(11)的输出端相连,所述运算模块(13)的输出端与信号接收器相连;
采用基于双闭环反馈储备池计算的混沌同步保密通信系统进行通信的方法,包括如下步骤:
步骤一:控制器向混沌激光发生装置输入数据信息,由混沌激光发生装置对该数据信息进行混沌调制加密;将数据信息输入激光器(1)的输入端,所述激光器(1)输出连续光,经过一级光隔离器(2)、二级光隔离器(3)稳定光谱输出功率,所述二级光隔离器(3)的信号输出分为两路,一路信号输入光电二极管(4),然后经过时间延时器(5)、带通滤波器(6)、增益放大器(7)反馈回激光器(1)产生混沌载波,同时输入的数据信息对激光器(1)的参数进行调制,调整混沌载波生成,并与混沌载波混合成为混沌加密信号;
步骤二:所述二级光隔离器(3)的另一路输出混沌加密信号至WDM合束器(8),所述WDM合束器(8)通过连接光缆(9)将混沌加密信号输入WDM分束器(10),所述WDM分束器(10)再将混沌加密信号发送至光接收机(11),所述光接收机(11)对信号进行恢复并输入储备池计算解密模块;
步骤三:所述光接收机(11)输出的恢复信号输入储备池计算动力系统(12),使储备池计算动力系统产生储备池计算状态向量a1和储备池计算输出向量a3,所述储备池计算状态向量a1与混沌载波状态向量a2相减作为训练数据反馈回储备池计算动力系统(12),使其训练连接权重,同时削弱外界扰动带来的影响;
步骤四:所述储备池计算动力系统(12)内部由储备池计算状态向量a1通过连接权重到输出层,使其产生储备池计算输出向量a3,所述储备池计算输出向量a3为预测混沌载波,分为两路输出,一路输出与混沌载波输出向量a4相减作为训练数据反馈至储备池计算动力系统(12),使其修改储备池和输出层之间的连接权重,另一路输出与混沌加密信号经过运算模块(13)对信号进行解密,输出有用信息至信号接收器;
所述储备池计算解密模块的计算步骤为:
步骤一:定义混沌加密信号作为储备池计算动力系统(12)的输入向量为u(t),所述输入层与储备池之间通过连接权重W1进行计算;
定义储备池内部各层之间的连接权重为W2,经过储备池各层的迭代产生状态向量x(t)到输出层;
定义储备池与输出层之间的连接权重为W3,所述状态向量x(t)经权重W3作用处理,产生输出向量y(t)=x(t)*W3;
步骤二:所述储备池计算动力系统(12)输出结果为预测混沌载波,对储备池计算动力系统(12)的权重W3通过双闭环反馈的数据进行训练,减小误差;
所述储备池计算状态向量与混沌载波状态向量之差作为训练数据,反馈回储备池计算动力系统,来训练权重参数W3,同时消除外来扰动带来的影响,进行状态反馈;
步骤三:所述储备池计算输出向量与混沌载波输出向量之差作为训练数据,反馈回储备池计算动力系统,训练权重参数W3,进行输出反馈;
步骤四:通过上述两种反馈构成双闭环反馈控制结构,不断调节预测混沌载波与混沌载波,当且仅当预测混沌载波为同步的混沌载波时,解密成功。
2.根据权利要求1所述的一种基于双闭环反馈储备池计算的混沌同步保密通信系统,其特征在于:所述储备池计算动力系统包括输入层、储备池、输出层;
所述输入层的层数等于1,所述每一层中包括A个神经元;
所述储备池的层数等于M,所述每一层中包括B个神经元;
所述输出层的层数等于1,所述每一层中包括C个神经元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010631566.XA CN111934844B (zh) | 2020-07-03 | 2020-07-03 | 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010631566.XA CN111934844B (zh) | 2020-07-03 | 2020-07-03 | 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111934844A CN111934844A (zh) | 2020-11-13 |
CN111934844B true CN111934844B (zh) | 2022-06-07 |
Family
ID=73317240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010631566.XA Active CN111934844B (zh) | 2020-07-03 | 2020-07-03 | 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111934844B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112822003B (zh) * | 2021-01-07 | 2022-05-13 | 太原理工大学 | 一种基于储备池计算的激光混沌同步保密通信方法及系统 |
CN114944872B (zh) * | 2022-05-10 | 2023-06-13 | 西南交通大学 | 一种能抑制时延特征的激光器网络同步增强方法 |
CN114781636B (zh) * | 2022-06-21 | 2022-09-06 | 太原理工大学 | 一种集成型光子储备池计算装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431793A (zh) * | 2002-12-31 | 2003-07-23 | 华南理工大学 | 混沌加密与传统加密性能互补的级联信息加密系统 |
CN106712890A (zh) * | 2016-12-09 | 2017-05-24 | 电子科技大学 | 一种保密通信系统的发射端和接收端 |
CN111277337A (zh) * | 2020-02-24 | 2020-06-12 | 电子科技大学 | 一种基于混沌相位加密的物理层保密光纤通信系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1467512B1 (en) * | 2003-04-07 | 2008-07-23 | STMicroelectronics S.r.l. | Encryption process employing chaotic maps and digital signature process |
WO2016161134A1 (en) * | 2015-03-31 | 2016-10-06 | Board Of Regents, The University Of Texas System | Method and apparatus for hybrid encryption |
-
2020
- 2020-07-03 CN CN202010631566.XA patent/CN111934844B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1431793A (zh) * | 2002-12-31 | 2003-07-23 | 华南理工大学 | 混沌加密与传统加密性能互补的级联信息加密系统 |
CN106712890A (zh) * | 2016-12-09 | 2017-05-24 | 电子科技大学 | 一种保密通信系统的发射端和接收端 |
CN111277337A (zh) * | 2020-02-24 | 2020-06-12 | 电子科技大学 | 一种基于混沌相位加密的物理层保密光纤通信系统 |
Non-Patent Citations (4)
Title |
---|
32Gb/s chaotic optical communications by deep-learning-based chaos synchronization;Ke J X等;《Optics Letters》;20191231;全文 * |
Chaos Communication Using Chaos Synchronization of Monolithic Silicon Micro-Cavities;Yongjiao Niu 等;《2018 CLEO-PR》;20190429;全文 * |
混沌光子储备池计算研究进展;赵清春等;《激光与光电子学进展》;20130310(第03期);全文 * |
混沌光纤通信研究进展与展望;姚俊良等;《西安理工大学学报》;20180630(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111934844A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111934844B (zh) | 一种基于双闭环反馈储备池计算的混沌同步保密通信系统及方法 | |
US7840003B2 (en) | High-speed GCM-AES block cipher apparatus and method | |
CN110601828B (zh) | 基于多态叠加键控同步的高速密钥安全分发系统及方法 | |
EP3413503B1 (en) | Raw key recovery apparatus and method | |
CN112822003B (zh) | 一种基于储备池计算的激光混沌同步保密通信方法及系统 | |
CN106789048B (zh) | 一种基于两路单光子探测的量子密钥分配系统与方法 | |
CN109088730B (zh) | 基于轨道角动量的循环差分相移量子密钥分发协议 | |
CN106656494B (zh) | 一种基于连续光斩波的量子密钥分配系统与方法 | |
CN106856429B (zh) | 一种基于接收端偏振分束的量子密钥分配系统与方法 | |
CN102868520A (zh) | 连续变量量子密钥分发系统及其相位补偿方法 | |
CN103117847B (zh) | 一种基于混沌和计算全息的光学加密方法 | |
CN110601829B (zh) | 一种高速混沌密钥安全分发系统及方法 | |
CN108964873B (zh) | 混沌光网络的物理层防护方法、系统、组网方法及网络 | |
CN102932142B (zh) | 光纤通信系统中光数据信号加解密方法 | |
Pisarchik et al. | Optical chaotic communication using generalized and complete synchronization | |
CN109347527B (zh) | 一种服务质量保障的大规模mimo安全传输方法 | |
CN116722932B (zh) | 基于dfb激光器同步键控的物理密钥分发系统及方法 | |
CN102932137B (zh) | 基于光纤波分复用系统中信号全光加解密的密钥分配方法 | |
CN206743264U (zh) | 一种基于两路单光子探测的量子密钥分配系统 | |
CN113037475A (zh) | 一种非对称信道下的量子秘密共享方法及系统 | |
Lin et al. | Quantum few-mode fiber communications based on the orbital angular momentum | |
GB2600296A (en) | AI/ML and blockchained based automated reservoir management platform | |
CN112751625A (zh) | 单光子全光量子路由系统及方法 | |
Zhong et al. | Secure SDM–OFDM signal transmission based on memristive neural network | |
CN114401085A (zh) | 一种量子保密通信网络的网络架构及密钥存储方法 |
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 |