CN112291052A - 基于qam的量子噪声加密方法和系统 - Google Patents
基于qam的量子噪声加密方法和系统 Download PDFInfo
- Publication number
- CN112291052A CN112291052A CN202011119736.2A CN202011119736A CN112291052A CN 112291052 A CN112291052 A CN 112291052A CN 202011119736 A CN202011119736 A CN 202011119736A CN 112291052 A CN112291052 A CN 112291052A
- Authority
- CN
- China
- Prior art keywords
- path
- key
- chaotic
- neural network
- cyclic neural
- 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
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
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0852—Quantum cryptography
-
- 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
-
- 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
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0816—Key establishment, i.e. cryptographic processes or cryptographic protocols whereby a shared secret becomes available to two or more parties, for subsequent use
- H04L9/0819—Key transport or distribution, i.e. key establishment techniques where one party creates or otherwise obtains a secret value, and securely transfers it to the other(s)
Abstract
本发明公开了一种基于QAM的量子噪声加密方法和系统,所述方法包括:将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路运行、模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。应用本发明可以提高系统的加密传输安全性,且不需要添加额外的密钥扩展器,节省成本。
Description
技术领域
本发明涉及信息安全传输技术领域,特别是指一种基于QAM的量子噪声加密方法和系统。
背景技术
随着高清视频,5G等通信技术的快速发展,各种信息交互量与日俱增,对光传输系统的安全性提出了新挑战。以对称密码体制、公开密码体制、端点鉴别、报文完整性、数字签名为主的经典加密通信技术是目前保障光网络信息传输安全的主要手段。然而,该信息安全体制存在两个显著的问题。一是从应用层到物理层安全能力不断下降;二是从应用层到物理层都是基于计算复杂度的数学加密。随着计算能力与运算速度的提升,这种建立在计算复杂度基础之上的信息安全体制逐渐受到挑战,已不能满足日益增长的安全需求,无法应对针对物理层的攻击和窃听行为。
量子噪声流加密(QNSC)是近几年兴起的一种基于数学复杂度(短密钥扩展为长密钥的算法)和物理复杂度(量子噪声测不准定理)的加密技术。该技术采用光纤通信系统固有的物理光噪声作为密钥对光信号加密和隐藏。因此,密钥在量子噪声流加密中起着重要作用,密文信号的编码、调制、传输和检测技术都依赖于密钥的安全性。然而,如何获得稳定、高效、低成本的长密钥流来保证系统的安全性已成为一个亟待解决的问题。
为了解决以上问题,传统的做法是使用噪声扩散技术。主要包括不规则映射(IRM)、重叠选择键控(OSK)、蓄意信号随机化(DSR)和键控蓄意随机化(KSDR)等。规则映射(RM)是将运行密钥的每个数字按照以下规则映射到对应的量子模。奇偶校验值Π是被添加到最终的量子模中以混合0和1bit值,如式1所示。
明文X=x1,x2,……,xn,运行密钥Kr=k1,k1,……,kn,kj∈(1,……,M)。则量子模如式2所示:
通常不使用规则映射,是因为此时检测过程中的量子噪声会影响特定量子模的几个bit位,该映射器容易受到快速相关攻击。因此,通常的选择是不规则映射(IRM),如(式3)所示,这种不规则映射的特点是可以抵御快速相关攻击。
如图1a所示,重叠选择键控(OSK)是一种利用附加的伪随机数发生器对明文比特进行加扰的方法。例如,在时间t,当伪随机发生器的输出位为1时,明文位xt翻转,否则保持不变。因为明文的每一位都会影响光传输信号的选择,所以这种方法并不是经典的噪声扩散技术。可以看出,采用这种方法的好处是操作简单方便,但是实现成本较高。
蓄意信号随机化是通过连续摆动信号参数(例如信号的相位和幅度)来增强量子噪声的掩蔽效果。如图1b所示,只要波动幅度低于由系统参数确定的临界值,合法接收机就可以吸收信号波动,从而DSR机制只需安装在发射机上。但是这种方法需要高速真随机数生成器作为驱动机制,为了解决这个问题,有学者提出DSR的改进版本,采用的方法是使用伪随机数发生器代替真随机数发生器,并将此类型称为键控故意随机化,如图1c所示。
量子噪声流加密本质上相干态量子效应的应用。但是相干光中包含的量子噪声是泊松分布的,这种量子噪声在相邻的多值电平之间是有限的,并不能影响整个信号区域,因此系统的安全性较低。此外,现有的噪声扩散技术都需要添加额外的密钥扩展器,从而造成资源的浪费。
发明内容
有鉴于此,本发明的目的在于提出一种基于QAM的量子噪声加密方法和系统,可以提高系统的加密传输安全性,且不需要添加额外的密钥扩展器,节省成本。
基于上述目的,本发明提供一种基于QAM的量子噪声加密方法,包括:
将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;
将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;
根据I路和Q路运行、模式密钥生成I路基和Q路基;
利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
进一步,所述方法还包括:
所述对端利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,得到I/Q路明文;
其中,所述对端是根据共享的I/Q路种子密钥以及初始条件一致的混沌循环神经网络预先计算得到本地的I/Q路基:
所述对端将共享的I/Q路种子密钥扩展为I/Q路运行密钥后,将扩展的I路和Q路运行密钥同时经过初始条件一致的混沌循环神经网络生成I路和Q路模式密钥;并根据生成的I路和Q路模式密钥生成本地的I路基和Q路基。
其中,所述混沌循环神经网络的自适应学习速率的方法具体为:
通过监测混沌循环神经网络的均方误差性能函数(MSE),进而通过乘法-增加,渐进-减少方法,调整所述混沌循环神经网络的学习速率,以保证所述混沌循环神经网络的反向传播的不稳定性。
其中,所述根据I路和Q路运行、模式密钥生成I路基和Q路基,具体包括:
计算I/Q路运行密钥和I/Q路模式密钥的奇偶性,得到I/Q路奇偶校验位;
将I/Q路奇偶校验位与I/Q路模式密钥的最高位异或,得到新的I/Q路模式密钥;
将I/Q路运行密钥作为整数部分,与作为小数部分的Q/I路模式密钥合并,得到I/Q路基。
其中,所述混沌循环神经网络中具有2个输入结点、2个反馈输入结点,以及2个输出结点。
本发明还提供一种基于QAM的量子噪声加密系统,包括:
发送端,用于将I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
进一步,所述系统还包括:
接收端,用于利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,得到I/Q路明文;
其中,所述接收端的本地I/Q路基是根据共享的I/Q路种子密钥以及初始条件一致的混沌循环神经网络预先计算得到的:所述接收端将共享的I/Q路种子密钥扩展为I/Q路运行密钥后,将扩展的I路和Q路运行密钥同时经过初始条件一致的混沌循环神经网络生成I路和Q路模式密钥;并根据生成的I路和Q路模式密钥生成本地的I路基和Q路基。
本发明还提供一种电子设备,包括中央处理单元、信号处理和存储单元,以及存储在信号处理和存储单元上并可在中央处理单元上运行的计算机程序,其中,所述中央处理单元执行如上所述的基于QAM的量子噪声加密方法。
本发明的技术方案中,将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路运行、模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
这样,在基于Y-00协议的正交幅度调制(QAM)格式的光安全传输系统中,本发明利用I/Q两路随机性的相互影响,将I(Q)路运行密钥作用到Q(I)路模式密钥,从而提高了密钥利用率,减少了密钥扩展器、随机数发生器等,从而降低了安全传输系统的成本。
而且,本发明基于自适应学习速率的混沌循环神经网络来训练运行密钥以生成不可预测的模式密钥;且相较于将I/Q两路的运行密钥进入各自独立的神经网络,本发明将I/Q两路同时输入一个循环神经网络中,两者在神经网络中相互影响,生成的I路模式密钥受I/Q两路共同作用的,从而I路(Q路)运行密钥和I路(Q路)模式密钥的互相关系数为低于0.25,进而提高混合混沌基的随机性,提高系统的加密传输安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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。
图1a、1b、1c分别为现有技术的重叠选择键控、蓄意信号随机化、键控故意随机化噪声扩散技术的示意图;
图2为本发明实施例提供的一种基于QAM的量子噪声加密方法的流程图;
图3为本发明实施例提供的一种计算形变度的量化指标的方法流程图;
图4为本发明实施例提供的一种电子设备硬件结构示意图。
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明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
为了解决上述的技术问题,本发明提出了量子噪声扩散混沌映射(QDCM)的算法,并将其应用到基于QAM(Quadrature Amplitude Modulation,正交振幅调制)的量子噪声加密系统中。本发明的技术方案中,将I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。从而在稳定性方面,本发明利用与现有光纤通信系统兼容的量子噪声来对明文信号进行加密;在高效性和低成本方面、本发明利用I/Q两路随机性的相互影响,将密钥利用率提高一倍,并将密钥扩展器和随机数发生器减少一半;在安全性方面,本发明通过混沌循环神经网络来混合I/Q两路随随机性并提高密钥的不可预测性,以提高系统的加密传输安全性,且不需要添加额外的密钥扩展器,节省成本。
进一步,本发明的技术方案中,还可通过运行密钥和模式密钥的奇偶性来生成奇偶校验位,以更进一步提高密文信号之间的安全性。
下面结合附图详细说明本发明实施例的技术方案。
本发明实施例提供的一种基于QAM的量子噪声加密系统中包括:作为信息的发送端的第一客户端,以及作为信息的接收端的第二客户端;该系统中基于QAM的量子噪声加密方法的流程如图2所示,包括如下步骤:
步骤S201:发送端将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥。
本步骤中,作为信息的发送端的第一客户端将I路种子密钥经过I路加密盒扩展为I路运行密钥,将Q路种子密钥经过Q路加密盒扩展为Q路运行密钥。其中,所述加密盒可采用现有的加密盒,用作同步流密码或者用于密钥扩展的线性移位寄存器。
例如,发送端将I路种子密钥(2bit:{10}),经过I路加密盒扩展为I路运行密钥(9bit:{100101001}),将Q路种子密钥(2bit:{11})经过Q路加密盒扩展为Q路运行密钥(9bit:{110011100})。
步骤S202:发送端将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥。
本步骤中,作为信息的发送端的第一客户端将I路运行密钥和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路模式密钥和Q路模式密钥;
具体地,循环神经网络的安全性是基于以下假设:在不知道原始运行密钥的情况下,隐藏层的权重分布是不可预测的。循环神经网络支持并行计算、可以释放对运行密钥长度施加的约束,与量子噪声加密系统的映射器兼容。最重要的是循环神经网络可以在学习速率自适应的条件下生成混沌信号,从而保证模式密钥的不可预测性。
在以往的噪声扩散方法中,I/Q两路独立运行,当I/Q两路的运行密钥进入各自独立的神经网络时,输出的模式密钥和输入的运行密钥相关性会很高。为了解决这一问题,本发明的混沌循环神经网络可以设计为2个输入结点,2个反馈输入结点,2个输出结点。当I/Q两路同时输入混沌循环神经网络中,两者在混沌循环神经网络中相互影响,生成的I路模式密钥受I/Q两路共同作用的,从而I路(Q路)运行密钥和I路(Q路)模式密钥的互相关系数可以低于0.25。
例如,将I路运行密钥(9bit:{100101001})和Q路运行密钥(9bit:{110011100})同时经过混沌循环神经网络,生成I路模式密钥序列(9bit:{111101001})和Q路模式密钥序列(9bit:{100010101})。
步骤S203:发送端根据I路和Q路运行、模式密钥生成I路基和Q路基。
本步骤中,作为信息的发送端的第一客户端生成I路基和Q路基的具体方法流程,如图3所示,包括如下子步骤:
子步骤S301:发送端计算I/Q路运行密钥和I/Q路模式密钥的奇偶性,得到I/Q路奇偶校验位。
本子步骤中,作为信息的发送端的第一客户端计算I路运行密钥和I路模式密钥的奇偶性得到I路奇偶校验位,计算Q路运行密钥和Q路模式密钥的奇偶性得到Q路奇偶校验位;
例如,比较I路运行密钥(9bit:{100101001},对应十进制为297,奇数)和I路模式密钥的奇偶性(9bit:{111101001},对应十进制为489,奇数),如果奇偶性一致则生成的I路奇偶校验位为1,否则为0;
比较Q路运行密钥序列(9bit:{110011100},对应十进制为412,偶数)和Q路模式密钥序列(9bit:{100010101},对应十进制为277,奇数)的奇偶性,如果奇偶性一致则生成的Q路奇偶校验位为1,否则为0。
子步骤S302:发送端将I/Q路奇偶校验位与I/Q路模式密钥的最高位异或,得到新的I/Q路模式密钥。
本子步骤中,作为信息的发送端的第一客户端将I路奇偶校验位与I路模式密钥的最高位异或,形成新的I路模式密钥;例如,将I路奇偶校验位1与I路模式密钥(9bit:{100101001})的最高位异或形成新的I路模式密钥(9bit:{011101001});
作为信息的发送端的第一客户端将Q路奇偶校验位与Q路模式密钥的最高位异或,形成新的Q路模式密钥;例如,将Q路奇偶校验位0与Q路模式密钥(9bit:{100010101})的最高位异或形成新的Q路模式密钥(9bit:{100010101})。
子步骤S303:发送端将I/Q路运行密钥作为整数部分,与作为小数部分的新的Q/I路模式密钥合并,得到I/Q路基。
本子步骤中,作为信息的发送端的第一客户端将I/Q路运行密钥作为整数部分,与作为小数部分的新的Q/I路模式密钥进行合并,得到I/Q路基;例如,将I路运行密钥(9bit:{100101001})作为I路基的整数部分,将新的Q路模式密钥9bit:{100010101}作为为I路基的小数部分,将两者合并后得到I路基为18bit:{100101001100010101};
作为信息的发送端的第一客户端将I/Q路运行密钥作为整数部分,与作为小数部分的新的Q/I路模式密钥进行合并,得到I/Q路基;例如,将Q路运行密钥9bit:{110011100}作为Q路基的整数部分,将新的I路模式密钥9bit:{011101001}作为Q路基的小数部分,将两者合并后得到的Q路基为18bit:{110011100011101001}。
步骤S204:发送端利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
本步骤中,作为信息的发送端的第一客户端利用I路基对I路明文进行加密得到I路密文:发送端将I路基的最低位与I路明文异或,将异或结果放到I路基的数据位,得到I路密文,进而将得到的I路密文向对端(接收端)发送;例如,将I路基最低位(1bit:{1})与I路明文(1bit:{1})异或后,将异或结果放到I路基的数据位,基于I路基的整数部分、小数部分以及数据位得到I路密文;例如,发送端将I路基最低位(1bit:{1})与I路明文(1bit:{1})的异或结果0放到I路基(18bit:{100101001100010101})的数据位,形成I路密文信号为19bit:{0100101001100010101};
作为信息的发送端的第一客户端利用Q路基对Q路明文进行加密得到Q路密文:将Q路基的最低位与Q路明文异或,将异或结果放到Q路基的数据位,得到Q路密文向对端(接收端)发送;例如,发送端将Q路基最低位(1bit:{1})与Q路明文(1bit:{0})的异或结果1放到Q路基18bit:{110011100011101001}的数据位,形成Q路密文信号为19bit:{1110011100011101001}。
步骤S205:接收端利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,得到I/Q路明文。
本步骤中,作为信息的接收端的第二客户端将本地计算得到的I路基最低位与I路基的数据位异或得到I路明文;例如,将I路基最低位(1bit:{1})与I路基的数据位(1bit:{0})异或得到I路明文(1bit:{1});
接收端将本地计算得到的Q路基最低位与Q路基的数据位异或得到Q路明文;例如,将Q路基最低位(1bit:{1})与Q路基的数据位(1bit:{1})异或得到Q路明文(1bit:{0})。
其中,接收端与发送端共享I路种子密钥和Q路种子密钥,且接收端的混沌循环神经网络与发送端的混沌循环神经网络的初始条件一致,自适应学习速率的方法一样;
接收端根据共享的I路种子密钥和Q路种子密钥,以及初始条件一致的混沌循环神经网络,生成I路基与Q路基的方法,与发送端生成I路基与Q路基的方法一样,即与上述步骤S201~S203中生成I路基与Q路基的方法一样。
上述接收端与发送端的混沌循环神经网络的自适应学习速率的方法为,通过监测混沌循环神经网络的均方误差性能函数(MSE),进而通过乘法-增加,渐进-减少(Multiplicative-Increase Gradual-Decrease)方法,调整所述混沌循环神经网络的学习速率,以保证所述混沌循环神经网络的反向传播的不稳定性。
具体地,通过对神经网络学习过程的局部分析,可以假设正向传播的局部稳定性是反向传播的局部稳定性的充分条件,反之亦然。因此,只需要保证循环神经网络中的反向传播的不稳定性,从而使正向传播的过程是混沌且不可预测的。为了保证反向传播的不稳定性,需要通过监测循环神经网络的均方误差性能函数(MSE)来检测学习过程的趋势,然后通过乘法-增加,渐进-减少(Multiplicative-Increase Gradual-Decrease)方法来自适应调整学习速率。
首先,循环神经网络的MSE的检测的过程如式1所示:
T(k)=δT(k-1)+(1-δ)*MSE(k) (式1)
其中δ通常在0和1之间选择,T(k)是实例k处MSE的低通滤波器的输出,即当前监测的循环神经网络的MSE,初始状态T(0)设置为零。学习停止条件MSEstop定义为:MSEstop≤α;
其中α是T(k)的临界值。根据以下三种情况之一,循环神经网络的学习速率将根据MIGD方法进行调整:
情况1:T(k)≤α,表明学习过程趋于收敛于学习目标。为了避免学习的稳定性并恢复混沌的行为,学习速率会以λ(λ>1)因子大幅度提高,例如λ=2。即在情况1的条件下,学习速率的调整公式为η′=λ×η;其中,η′、η分别表示调整后、调整前的学习速率。
情况2:T(k)>α并且T(k)>T(k-1),表明学习过程趋于振荡。因此,为了保持学习速率接近最大允许值,应通过因子θ(θ<1)将其逐渐减小,例如θ=0.9。即在情况2的条件下,学习速率的调整公式为η′=θ×η;其中,η′、η分别表示调整后、调整前的学习速率。
情况3:T(k)>α且T(k)≤T(k-1),表明学习速率保持不变。
上述学习速率自适应过程可以在循环神经网络每个训练周期结束时执行。临界值α可以保证学习过程不会稳定在一个稳定点。同时,它有助于将学习速率保持在最大允许值附近,从而使学习轨迹与训练数据紧密相关。更准确地说,这将使学习轨迹的行为更加随机,这又将导致在不了解网络初始状态的情况下,对学习过程的分析更加困难。
在以往的噪声扩散方法中,I/Q两路独立运行,当I/Q两路的运行密钥进入各自独立的神经网络时,输出的模式密钥和输入的运行密钥相关性会很高。为了解决这一问题,我们将神经网络设计为2个输入结点,2个反馈输入结点,2个输出结点。当I/Q两路同时输入循环神经网络中,两者在神经网络中相互影响,生成的I路模式密钥受I/Q两路共同作用的,从而I路(Q路)运行密钥和I路(Q路)模式密钥的互相关系数为低于0.25。
图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的基于QAM的量子噪声加密方法。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,可以与非线性接收机相连,从非线性接收机接收信息,实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本发明的技术方案中,将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路运行、模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
这样,在基于Y-00协议的正交幅度调制(QAM)格式的光安全传输系统中,本发明利用I/Q两路随机性的相互影响,将I(Q)路运行密钥作用到Q(I)路模式密钥,从而提高了密钥利用率,减少了密钥扩展器、随机数发生器等,从而降低了安全传输系统的成本。
而且,本发明基于自适应学习速率的混沌循环神经网络来训练运行密钥以生成不可预测的模式密钥;且相较于将I/Q两路的运行密钥进入各自独立的神经网络,本发明将I/Q两路同时输入一个循环神经网络中,两者在神经网络中相互影响,生成的I路模式密钥受I/Q两路共同作用的,从而I路(Q路)运行密钥和I路(Q路)模式密钥的互相关系数为低于0.25,进而提高混合混沌基的随机性。
进一步,本发明技术方案中,还利用混沌循环神经网络中I/Q运行密钥和I/Q模式密钥的奇偶性来生成奇偶校验位,然后将I/Q路奇偶校验位与I/Q路模式密钥最高位异或形成新的I/Q路模式密钥,从而提高密文信号之间的随机性。
进一步,在量子噪声扩散混沌映射的算法中,本发明将运行密钥和奇偶校验位作用后的模式密钥组合生成混合混沌基,其中运行密钥作为混合混沌基的整数部分,奇偶校验位作用后的模式密钥作为混合混沌基的小数部分;从而使得混合混沌基的分布密度更大,星座点之间距离更近,受噪声保密影响范围越大,保密性能越好。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于QAM的量子噪声加密方法,其特征在于,包括:
将基于QAM的I/Q路种子密钥扩展为I/Q路运行密钥;
将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;
根据I路和Q路运行、模式密钥生成I路基和Q路基;
利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
2.根据权利要求1所述的方法,其特征在于,还包括:
所述对端利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,得到I/Q路明文;
其中,所述对端是根据共享的I/Q路种子密钥以及初始条件一致的混沌循环神经网络预先计算得到本地的I/Q路基:
所述对端将共享的I/Q路种子密钥扩展为I/Q路运行密钥后,将扩展的I路和Q路运行密钥同时经过初始条件一致的混沌循环神经网络生成I路和Q路模式密钥;并根据生成的I路和Q路模式密钥生成本地的I路基和Q路基。
3.根据权利要求1所述的方法,其特征在于,所述混沌循环神经网络的自适应学习速率的方法具体为:
通过监测混沌循环神经网络的均方误差性能函数(MSE),进而通过乘法-增加,渐进-减少方法,调整所述混沌循环神经网络的学习速率,以保证所述混沌循环神经网络的反向传播的不稳定性。
4.根据权利要求1所述的方法,其特征在于,所述根据I路和Q路运行、模式密钥生成I路基和Q路基,具体包括:
计算I/Q路运行密钥和I/Q路模式密钥的奇偶性,得到I/Q路奇偶校验位;
将I/Q路奇偶校验位与I/Q路模式密钥的最高位异或,得到新的I/Q路模式密钥;
将I/Q路运行密钥作为整数部分,与作为小数部分的Q/I路模式密钥合并,得到I/Q路基。
5.根据权利要求2所述的方法,其特征在于,所述利用I/Q路基对I/Q路明文进行加密得到I/Q路密文,具体包括:
将I/Q路基的最低位与I/Q路明文异或,将异或结果放到I/Q路基的数据位,得到I/Q路密文向对端发送;以及
所述对端利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,具体包括:
所述对端将本地计算得到的I/Q路基的最低位与接收的I/Q路密文中的I/Q路基的数据位进行异或,得到I/Q路明文。
6.根据权利要求1-5任一所述的方法,其特征在于,所述混沌循环神经网络中具有2个输入结点、2个反馈输入结点,以及2个输出结点。
7.一种基于QAM的量子噪声加密系统,其特征在于,包括:
发送端,用于将I/Q路种子密钥扩展为I/Q路运行密钥;将I路和Q路运行密钥同时经过自适应学习速率的混沌循环神经网络生成I路和Q路模式密钥;根据I路和Q路模式密钥生成I路基和Q路基;利用I/Q路基对I/Q路明文进行加密得到I/Q路密文后向对端发送。
8.根据权利要求7所述的系统,其特征在于,还包括:
接收端,用于利用本地计算得到的I/Q路基对接收的I/Q路密文进行解密,得到I/Q路明文;
其中,所述接收端的本地I/Q路基是根据共享的I/Q路种子密钥以及初始条件一致的混沌循环神经网络预先计算得到的:所述接收端将共享的I/Q路种子密钥扩展为I/Q路运行密钥后,将扩展的I路和Q路运行密钥同时经过初始条件一致的混沌循环神经网络生成I路和Q路模式密钥;并根据生成的I路和Q路模式密钥生成本地的I路基和Q路基。
9.根据权利要求8所述的系统,其特征在于,
所述发送端还用于通过监测本地的混沌循环神经网络的均方误差性能函数(MSE),进而通过乘法-增加,渐进-减少方法,调整所述混沌循环神经网络的学习速率,以保证所述混沌循环神经网络的反向传播的不稳定性;以及
所述接收端还用于通过监测本地的混沌循环神经网络的均方误差性能函数(MSE),进而通过乘法-增加,渐进-减少方法,调整所述混沌循环神经网络的学习速率,以保证所述混沌循环神经网络的反向传播的不稳定性。
10.一种电子设备,包括中央处理单元、信号处理和存储单元,以及存储在信号处理和存储单元上并可在中央处理单元上运行的计算机程序,其特征在于,所述中央处理单元执行所述程序时实现如权利要求1-5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119736.2A CN112291052B (zh) | 2020-10-19 | 2020-10-19 | 基于qam的量子噪声加密方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119736.2A CN112291052B (zh) | 2020-10-19 | 2020-10-19 | 基于qam的量子噪声加密方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112291052A true CN112291052A (zh) | 2021-01-29 |
CN112291052B CN112291052B (zh) | 2022-03-15 |
Family
ID=74497958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011119736.2A Active CN112291052B (zh) | 2020-10-19 | 2020-10-19 | 基于qam的量子噪声加密方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112291052B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113225174A (zh) * | 2021-06-07 | 2021-08-06 | 苏州大学 | 基于一维混沌序列的量子噪声流加密系统及编解码方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5388124A (en) * | 1992-06-12 | 1995-02-07 | University Of Maryland | Precoding scheme for transmitting data using optimally-shaped constellations over intersymbol-interference channels |
US20180234236A1 (en) * | 2017-02-16 | 2018-08-16 | Nec Laboratories America, Inc. | Multidimensional coded modulation for wireless communications with physical layer security |
WO2018162042A1 (en) * | 2017-03-07 | 2018-09-13 | Huawei Technologies Co., Ltd. | Self-referenced continous-variable quantum key distribution devices, methods and systems |
CN109672517A (zh) * | 2018-12-20 | 2019-04-23 | 杭州电子科技大学 | 基于细胞神经网络的ofdm-pon系统的加密及解密方法 |
CN109889338A (zh) * | 2019-04-22 | 2019-06-14 | 苏州大学 | 基于混沌序列的量子加密方法 |
CN110719160A (zh) * | 2019-10-10 | 2020-01-21 | 杭州闪捷信息科技有限公司 | 一种基于量子随机数和国密算法的数据库加密方法 |
US20200050959A1 (en) * | 2018-08-07 | 2020-02-13 | Nxgen Partners Ip, Llc | Universal quantum computer, communication, qkd security and quantum networks using oam qu-dits with dlp |
CN111342957A (zh) * | 2020-02-13 | 2020-06-26 | 国网甘肃省电力公司信息通信公司 | 基于y-00协议的co-ofdm密钥分发方法和装置 |
CN111464304A (zh) * | 2019-01-18 | 2020-07-28 | 江苏实达迪美数据处理有限公司 | 用于控制系统网络安全的混合加密方法及系统 |
WO2020192910A1 (en) * | 2019-03-27 | 2020-10-01 | Huawei Technologies Duesseldorf Gmbh | Synchronization in quantum key distribution |
-
2020
- 2020-10-19 CN CN202011119736.2A patent/CN112291052B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5388124A (en) * | 1992-06-12 | 1995-02-07 | University Of Maryland | Precoding scheme for transmitting data using optimally-shaped constellations over intersymbol-interference channels |
US20180234236A1 (en) * | 2017-02-16 | 2018-08-16 | Nec Laboratories America, Inc. | Multidimensional coded modulation for wireless communications with physical layer security |
WO2018162042A1 (en) * | 2017-03-07 | 2018-09-13 | Huawei Technologies Co., Ltd. | Self-referenced continous-variable quantum key distribution devices, methods and systems |
US20200050959A1 (en) * | 2018-08-07 | 2020-02-13 | Nxgen Partners Ip, Llc | Universal quantum computer, communication, qkd security and quantum networks using oam qu-dits with dlp |
CN109672517A (zh) * | 2018-12-20 | 2019-04-23 | 杭州电子科技大学 | 基于细胞神经网络的ofdm-pon系统的加密及解密方法 |
CN111464304A (zh) * | 2019-01-18 | 2020-07-28 | 江苏实达迪美数据处理有限公司 | 用于控制系统网络安全的混合加密方法及系统 |
WO2020192910A1 (en) * | 2019-03-27 | 2020-10-01 | Huawei Technologies Duesseldorf Gmbh | Synchronization in quantum key distribution |
CN109889338A (zh) * | 2019-04-22 | 2019-06-14 | 苏州大学 | 基于混沌序列的量子加密方法 |
CN110719160A (zh) * | 2019-10-10 | 2020-01-21 | 杭州闪捷信息科技有限公司 | 一种基于量子随机数和国密算法的数据库加密方法 |
CN111342957A (zh) * | 2020-02-13 | 2020-06-26 | 国网甘肃省电力公司信息通信公司 | 基于y-00协议的co-ofdm密钥分发方法和装置 |
Non-Patent Citations (1)
Title |
---|
YUKAI CHEN 等: "Security Analysis of QAM Quantum-Noise Randomized Cipher System", 《IEEE PHOTONICS JOURNAL》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113225174A (zh) * | 2021-06-07 | 2021-08-06 | 苏州大学 | 基于一维混沌序列的量子噪声流加密系统及编解码方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112291052B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | An efficient image encryption scheme using lookup table-based confusion and diffusion | |
Yang et al. | A new color image encryption scheme based on logistic map over the finite field ZN | |
Bordel et al. | An intra-slice security solution for emerging 5G networks based on pseudo-random number generators | |
JP6533553B2 (ja) | 暗号化/復号装置及びその電力解析保護方法 | |
CN111970111B (zh) | 基于量子零知识证明的区块链共识机制建立方法及系统 | |
Gayathri et al. | Hybrid cryptography for random-key generation based on ECC algorithm | |
Noura et al. | A physical encryption scheme for low-power wireless M2M devices: a dynamic key approach | |
Abdullah et al. | A new chaotic map for secure transmission | |
Merah et al. | Real-time cryptosystem based on synchronized chaotic systems | |
CN112291052B (zh) | 基于qam的量子噪声加密方法和系统 | |
Abderrahim et al. | A chaotic stream cipher based on symbolic dynamic description and synchronization | |
Agarwal et al. | Prime Weighted Graph in cryptographic system for secure communication | |
CN110247752A (zh) | 基于椭圆曲线加密的LoRa混沌通信系统及其实现方法 | |
Nishioka et al. | How much security does Y-00 protocol provide us? | |
Ogras et al. | Digital image encryption scheme using chaotic sequences with a nonlinear function | |
CN111641636A (zh) | 物联网数据安全通信的方法、系统、设备及存储介质 | |
Gebereselassie et al. | Speech encryption algorithm based on two newly designed chaotic maps | |
He et al. | Cryptanalysis and improvement of a block cipher based on multiple chaotic systems | |
Alvarez et al. | Cryptographic requirements for chaotic secure communications | |
Thakur | An access control protocol for wireless sensor network using double trapdoor chameleon hash function | |
Vithayathil et al. | Pixel-based image encryption approaches: a review | |
Stalin et al. | Fast chaotic encryption using circuits for mobile and cloud computing: investigations under the umbrella of cryptography | |
KR20210056551A (ko) | 양자 암호키 관리 장치, 방법 및 컴퓨터 프로그램 | |
Lopez | Physical layer key generation for wireless communication security in automotive cyber-physical systems | |
JP2019200382A (ja) | 暗号化システム、暗号化装置、復号装置、暗号化方法、復号方法、及びプログラム |
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 |