CN114666033A - 一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 - Google Patents
一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 Download PDFInfo
- Publication number
- CN114666033A CN114666033A CN202210219289.0A CN202210219289A CN114666033A CN 114666033 A CN114666033 A CN 114666033A CN 202210219289 A CN202210219289 A CN 202210219289A CN 114666033 A CN114666033 A CN 114666033A
- Authority
- CN
- China
- Prior art keywords
- chaotic
- symmetric
- memristive
- neural network
- sequence
- 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.)
- Pending
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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
- H04L2209/12—Details relating to cryptographic hardware or logic circuitry
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
Abstract
本发明公开了一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统,属于光传输技术领域,包括:获取原始序列;通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取通过四维忆阻条件对称混沌系统预组建的密钥空间库中的某个混沌序列或吸引子;将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;对接收到的加密数据进行解调和解密,完成光传输;实现对数据的多层加密,提升光传输的安全性能,解决现有技术中较少考虑传输安全性的缺陷;进一步降低整体的复杂度,非常适用于OFDM‑PON场景。
Description
技术领域
本发明涉及一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统,属于光传输技术领域。
背景技术
自20世纪60年代光纤通信技术发明以来,由于光纤通信其独特的特点,光纤通信技术成为目前唯一可以支持全球通信的通信系统,并且发展迅速;在现如今的通信网络中,光纤通信已经成为必不可少的一部分,随着人们对美好生活的追求,人们对数据服务的要求也越来越高,对信息传输的安全性又提出了更高的要求;然而,最近的研究表明,随着近些年通信技术的不断提升,5G技术逐渐商用,多种多媒体技术的不断发展,人们对数据服务的要求已超出现如今信息技术更新的步伐,人们对于下一代通信容量的需求已经达到比特以上,但是对于下一代通信标准的技术升级路线,目前仍然是一个开放性的问题;同时,由于数据数量的不断增加,数据的安全性也成为系统优化中必不可缺少的一部分。
近年来,通信技术不断更新,数据容量不断扩大,其安全性也日益突出。因此,对数据的安全保密技术在光通信领域受到了特别的关注;为了应对光接入网中快速增长的带宽和容量需求,无源光网络(PON)被视为最有前景的接入方案;其中,基于正交频分复用(OFDM)的PON更具有优点,其频谱效率更高,强色散容忍能力更强,对星座的调制更具有扩展性,商用的成本也更低。
对于数据安全性的保护,越来越多的学者使用神经网络或者混沌模型的加密方式来解决,传统的神经网络电路存在着局限性,其电路断电后,神经网络的电路权重会自动消失,因此,传统的神经网络电路对新模式,新数据具有不适应性。
目前绝大部分关于OFDM-PON系统的研究中,通过先进编码调制与高性能算法提升系统传输容量与信号传输质量,但是由于其数据量传输较大很少考虑了系统的安全性。
发明内容
本发明的目的在于提供一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统,实现对数据的多层加密,提供更快的信息处理功能,提升光传输的安全性能,解决现有技术中较少考虑传输安全性的缺陷;且由于忆阻神经网络的异或功能结构简单,进一步降低整体的复杂度,更适用于OFDM-PON场景。
为实现以上目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,包括:
获取原始序列;
通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取通过四维忆阻条件对称混沌系统预组建的密钥空间库中的某个混沌序列或吸引子;
将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;
对接收到的加密数据进行解调和解密,完成光传输。
结合第一方面,进一步的,所述四维忆阻条件对称混沌系统的表达式为:
其中,x、y、z、u都是自变量,a、d、c、b都是常数,W(u)是磁通控制模块。
结合第一方面,进一步的,通过logistic混沌模型产生logistic混沌序列,包括:
xn+1=μxn(1-xn)
其中,n是迭代次数,μ是控制参数,xn和xn+1分别表示logistic混沌模型的第n次迭代和第n+1次迭代得到的logistic混沌序列。
结合第一方面,进一步的,用logistic混沌序列选取密钥空间库中的某个混沌序列或吸引子,包括:
将logistic混沌序列的十分位、百分位、千分位根据预设的映射规则映射为三位二进制数,根据所述三位二进制数选取密钥空间库中的某个混沌序列或吸引子。
结合第一方面,进一步的,所述映射规则为:将偶数映射为0,将奇数映射为1。
结合第一方面,进一步的,对加密数据进行调制,包括:
对加密数据进行16QAM星座映射,然后将串行的加密数据送入OFDM调制模块进行调制,然后进行串/并转换。
结合第一方面,进一步的,对接收到的加密数据进行解调和解密,包括:
将接收到的加密数据进行并/串转换,然后送入OFDM解调模块进行解调,然后进行QAM的解映射过程,最好进行串/并转换,在忆阻神经网络中进行异或解密,得到原始序列,完成光传输。
结合第一方面,进一步的,所述密钥空间库通过以下方法得到:
通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
第二方面,本发明还提供了一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输系统,包括:
获取模块:用于获取原始序列;
序列选取模块:用于通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取密钥空间库中的某个混沌序列或吸引子;
加密调制模块:用于将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;
解密解调模块:用于对接收到的加密数据进行解调和解密,完成光传输。
结合第二方面,进一步的,还包括密钥空间库获取模块:
用于通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
与现有技术相比,本发明所达到的有益效果是:
本发明提供的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统,密钥空间库是通过四维忆阻条件对称混沌系统预组建的,利用四维忆阻条件对称混沌系统产生多种多样的密钥空间库进行加密,提高加密性能;通过logistic混沌模型产生logistic混沌序列,利用混沌模型产生混沌序列的不可预测性,提高光传输的抗干扰性,利用logistic混沌序列实现了对密钥空间库的选取;将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,利用忆阻神经网络的异或加密功能实现对数据的进一步加密,且忆阻神经网络在未来集成电路的大发展下,也能够实现算法刻录嵌入式芯片从而实现硬件上的加密,进一步实现大容量数据通信的安全保护;综上所述,本发明方案能够实现对数据的多层加密,提供更快的信息处理功能,提升光传输的安全性能,且由于忆阻神经网络的异或功能结构简单,进一步降低整体的复杂度,非常适用于OFDM-PON场景。
附图说明
图1是本发明实施例提供的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法的流程图;
图2是本发明实施例提供的四维忆阻条件对称混沌系统的相位图;
图3是本发明实施例提供的logistic混沌模型的分叉图;
图4是本发明实施例提供的忆阻神经网络的模型图;
图5是本发明实施例提供的忆阻神经网络的算法流程图。
具体实施方式
下面结合附图对本发明作进一步描述,以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
如图1所示,本发明提供了一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,包括:
S1、获取原始序列。
获取要发送的比特信息,得到原始序列。
S2、通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取通过四维忆阻条件对称混沌系统预组建的密钥空间库中的某个混沌序列或吸引子。
预先通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
采用四维忆阻条件对称混沌系统生成四组混沌序列,该四维忆阻条件对称混沌系统的表达式如下:
其中,x、y、z、u都是自变量,a、d、c、b都是常数,在本实施例中分别为3.55、0、3、0.5,W(u)是磁通控制模块。
磁通控制模块被描述为:
其中,i是忆阻器中的电流值,α和β是常数,在本实施例中分别是0.1和0.3。
在本实施例中,分别将混沌序列的初值设为(-3,0,-1,0.1)和(3,0,1,0.1),并采用四阶龙格库塔方法求解四维忆阻条件对称混沌系统的表达式中的偏微分方程,所得到的的该四维忆阻条件对称混沌系统在不同相位平面的相位图如图2所示;从图2可以看出四维忆阻条件对称混沌系统表现出了复杂的分岔动态特性和高安全性能的混沌性。
该四维忆阻条件对称混沌系统能够分别产生x1、y1、z1、u1、x2、y2、z2、u2序列,其中x1、y1、z1、u1对应的初值为(-3,0,-1,0.1),x2、y2、z2、u2对应的初值为(3,0,1,0.1);根据初值的不同又生成对称的相位图,将8个混沌序列(初始的四组混沌序列和其映射出的对称的吸引子)设为一个密钥空间库。
通过logistic混沌模型产生logistic混沌序列,logistic混沌模型的映射公式如下:
xn+1=μxn(1-xn)
其中,n是迭代次数,μ是控制参数,xn和xn+1分别表示logistic混沌模型的第n次迭代和第n+1次迭代得到的logistic混沌序列;logistic混沌模型的分叉图如图3所示。
用logistic混沌序列选取通过四维忆阻条件对称混沌系统预组建的密钥空间库中的某个混沌序列或吸引子,logistic混沌序列每个数值都有十分位、百分位和千分位,利用这三个数值映射到对应的序列;映射的规则为将偶数映射为0,将奇数映射为1,则刚好有8种组合,对应上述的8个序列。
其中十分位的作用是为选择四维忆阻条件对称混沌系统的哪个初值,偶数为(-3,0,-1,0.1),奇数为(3,0,1,0.1)。
映射的具体流程为:先将十分位、百分位和千分位根据其预设映射规则映射为000,001,010,011,100,101,110,111,再将三位二进制数分别映射到x1、y1、z1、u1、x2、y2、z2、u2序列,具体的映射规则如表1所示。
表1 logistic混沌序列映射规则
S3、将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输。
异或的定义:真异或假为真,假异或真为真,真异或真为假,假异或假为假;即两数值一样为假,反之为真;异或真值表如表2所示。
表2 异或真值表
x<sub>1</sub> | x<sub>2</sub> | y |
0 | 0 | 0 |
0 | 1 | 1 |
1 | 0 | 1 |
1 | 1 | 0 |
实现异或的神经网络模型为感知器模型,Frank Rosenblatt在CornellAeronautical Laboratory发明的一种神经网络,输入变量为x=(x1,x2)T,权矩阵为其中wij为输入神经元i到输入神经元j的连接权。
该感知器模型一共有三层,第一层为输入层,第二层为隐藏层,第三层为输出层;第二层和第三层有硬限幅函数,硬限幅函数的输出叫实际输出,其主要为权值的反馈作判断;第二层的硬限幅函数为wi表示权矩阵的第i列;第三层的硬限幅函数为w3表示权矩阵的第3列。
实现异或的神经网络模型的真值表如表3所示,将输入0映射为-0.5,将输入1映射为0.5,其神经网络模型一共有5个神经元,6个权值。
表3 异或神经网络真值表
x<sub>1</sub> | x<sub>2</sub> | y |
-0.5 | -0.5 | 0 |
-0.5 | 0.5 | 1 |
0.5 | -0.5 | 1 |
0.5 | 0.5 | 0 |
本实施例中,提出了基于忆阻神经网络实现异或加密功能,忆阻神经网络的模型图如图4所示,图4中大圆代表神经元,小圆代表突触,即权重,一共有4个权重忆阻器和2个忆阻器。
其中,权重忆阻器是在忆阻器的基础上增加了一个负电阻,原因是在忆阻器中,忆阻器的阻值不能为复数,而神经网络的权重值必须要有复数,所以在忆阻器的基础上增加了负电阻来达到要求。
输入层x=(x1,x2)T和隐藏层z=(z1,z2)T之间是利用忆阻器和恒定负电阻(简称权重忆阻器)连接,隐藏层和输出层y通过忆阻器相连。
根据图4主要对R11,R12,R21,R22,R13,R23进行编程,对6个忆阻器进行初始化。
根据权重忆阻器的数学模型对R11,R12,R21,R22进行初始化,设Ron=2.5,Roff=1.5,R’=-2,Von=1,Voff=-1,则有:
其中,xi是权重忆阻器的电压。
对R13,R23进行初始化,设Ron=1,Roff=0,Von=1,Voff=-1,则有:
其中,zi是忆阻器的电压。
如图5所示,忆阻神经网络的算法包括:
(1)先将输入层和隐藏层神经元反馈脉冲初试化为g1=[0,0,0],g2=[0,0,0],g3=[0,0,0];
(2)初始化忆阻器阻值;
(3)给定初始化脉冲序列x1,x2,z1,z2,y;
(4)计算经过R11,R12,R21,R22,R13,R23的电压降,判断对应的忆阻器阻值是否需要改变,并将反馈脉冲g1,g2,g3重置为初始值;
(5)判断脉冲y是否有脉冲响应,根据其是输入脉冲还是学习脉冲,根据得到的不同结果与对应的输出脉冲对比,若是学习脉冲,则返回步骤(3);
(6)重复步骤(3)和步骤(4),直到完成给定的脉冲;
(7)重复步骤(3)和步骤(4),再次重新给定脉冲,直到确定产生的反馈脉冲为0。
从忆阻神经网络中得到的加密数据,进行并/串转换,在本实施例中,调制过程包括:首先进行16QAM星座映射,然后将串行的数据送入OFDM调制模块,再进行串/并转换,将调制完成的加密数据送入信道进行传输。
S4、对接收到的加密数据进行解调和解密,完成光传输。
到达接收端的加密数据,首先进行并/串转换,然后进入OFDM解调模块,再进行QAM的解映射过程,最后进行串/并转换在忆阻神经网络里再一次进行异或功能得到原始的数据。
实施例2
本发明实施例提供的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输系统,包括:
获取模块:用于获取原始序列;
序列选取模块:用于通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取密钥空间库中的某个混沌序列或吸引子;
加密调制模块:用于将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;
解密解调模块:用于对接收到的加密数据进行解调和解密,完成光传输。
还包括密钥空间库获取模块:
用于通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,包括:
获取原始序列;
通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取通过四维忆阻条件对称混沌系统预组建的密钥空间库中的某个混沌序列或吸引子;
将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;
对接收到的加密数据进行解调和解密,完成光传输。
3.根据权利要求1所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,通过logistic混沌模型产生logistic混沌序列,包括:
xn+1=μxn(1-xn)
其中,n是迭代次数,μ是控制参数,xn和xn+1分别表示logistic混沌模型的第n次迭代和第n+1次迭代得到的logistic混沌序列。
4.根据权利要求1所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,用logistic混沌序列选取密钥空间库中的某个混沌序列或吸引子,包括:
将logistic混沌序列的十分位、百分位、千分位根据预设的映射规则映射为三位二进制数,根据所述三位二进制数选取密钥空间库中的某个混沌序列或吸引子。
5.根据权利要求4所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,所述映射规则为:将偶数映射为0,将奇数映射为1。
6.根据权利要求1所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,对加密数据进行调制,包括:
对加密数据进行16QAM星座映射,然后将串行的加密数据送入OFDM调制模块进行调制,然后进行串/并转换。
7.根据权利要求6所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,对接收到的加密数据进行解调和解密,包括:
将接收到的加密数据进行并/串转换,然后送入OFDM解调模块进行解调,然后进行QAM的解映射过程,最好进行串/并转换,在忆阻神经网络中进行异或解密,得到原始序列,完成光传输。
8.根据权利要求1所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法,其特征在于,所述密钥空间库通过以下方法得到:
通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
9.一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输系统,其特征在于,包括:
获取模块:用于获取原始序列;
序列选取模块:用于通过logistic混沌模型产生logistic混沌序列,用logistic混沌序列选取密钥空间库中的某个混沌序列或吸引子;
加密调制模块:用于将原始序列和选取的混沌序列或吸引子输入忆阻神经网络中进行异或加密,得到加密数据,对加密数据进行调制后送入信道进行传输;
解密解调模块:用于对接收到的加密数据进行解调和解密,完成光传输。
10.根据权利要求9所述的一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输系统,其特征在于,还包括密钥空间库获取模块:
用于通过四维忆阻条件对称混沌系统生成四组混沌序列,选取不同的混沌序列的初值映射出对称的吸引子,由混沌序列和吸引子组成密钥空间库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210219289.0A CN114666033A (zh) | 2022-03-03 | 2022-03-03 | 一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210219289.0A CN114666033A (zh) | 2022-03-03 | 2022-03-03 | 一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114666033A true CN114666033A (zh) | 2022-06-24 |
Family
ID=82028757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210219289.0A Pending CN114666033A (zh) | 2022-03-03 | 2022-03-03 | 一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114666033A (zh) |
-
2022
- 2022-03-03 CN CN202210219289.0A patent/CN114666033A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Finite-time synchronization of memristor chaotic systems and its application in image encryption | |
Li et al. | An image encryption scheme based on finite-time cluster synchronization of two-layer complex dynamic networks | |
Devaraj et al. | An efficient framework for secure image archival and retrieval system using multiple secret share creation scheme | |
CN112597519B (zh) | Ofdm加密系统中基于卷积神经网络的无密钥解密方法 | |
CN110807484B (zh) | 基于隐私保护vgg的密态图像识别方法及系统 | |
Qi et al. | Fedbkd: Heterogenous federated learning via bidirectional knowledge distillation for modulation classification in iot-edge system | |
CN110071798A (zh) | 一种等效密钥获取方法、装置及计算机可读存储介质 | |
CN115062323A (zh) | 增强隐私保护的多中心联邦学习方法及计算机设备 | |
CN104809161B (zh) | 一种对稀疏矩阵进行压缩和查询的方法及系统 | |
CN113011529A (zh) | 文本分类模型的训练方法、装置、设备及可读存储介质 | |
Vithana et al. | Private read update write (PRUW) with storage constrained databases | |
JP2022012178A (ja) | 学習システム、モデル生成装置、学習方法およびプログラム | |
CN115879152A (zh) | 基于最小均方误差准则的自适应隐私保护方法、装置及系统 | |
Jahwar et al. | A state of the art survey of machine learning algorithms for IoT security | |
CN108804933B (zh) | 一种用于信息隐藏技术中的大数据的进制转换方法 | |
CN114666033A (zh) | 一种基于四维忆阻条件对称混沌系统和忆阻神经网络的加密光传输方法及系统 | |
Wang et al. | An efficient fully homomorphic encryption scheme for private information retrieval in the cloud | |
Tolba et al. | Towards a novel cryptanalysis platform based regions of interest detection via deep learning models | |
Yang et al. | Unsupervised neural network for modulation format discrimination and identification | |
Jia et al. | A hybrid attention mechanism for blind automatic modulation classification | |
CN109697511B (zh) | 数据推理方法、装置及计算机设备 | |
CN113965312B (zh) | 基于三维cap星座的空间加密方法 | |
CN114329127A (zh) | 特征分箱方法、装置及存储介质 | |
CN113810385A (zh) | 一种自适应干扰的网络恶意流量检测防御方法 | |
Gorbenko et al. | Analysis of asymmetric NTRU prime IIT Ukraine encryption algorithm with regards to known attacks |
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 |