54、混沌神经网络密码算法与云环境入侵检测系统研究

混沌神经网络密码算法与云环境入侵检测系统研究

混沌神经网络密码算法

在网络数据传输中，视频数据的安全与高效传输至关重要。研究人员对整个网络设计进行了测试，使用分辨率为 176×144、帧率为 30fps 的输入视频样本。整个系统产生未加密且压缩的比特流，通过正交频分复用（OFDM）在发送方和接收方之间传输。OFDM 在无线多媒体电力传输中取得了显著效果。

在生成端采用混沌神经网络（CNN）加密技术，将方程进行缩减、加密并与运动向量相结合。在接收端进行反向操作以恢复原始数据。使用峰值信噪比（PSNR）来衡量视频质量。

混沌系统对初始设置、规律性、不可预测行为和长周期不稳定循环高度敏感，具有丰富的相关性。为了获得标准加密算法所需的扩散和混淆特性，采用了重复处理。CNN 的流程图和整个系统模型分别如图 1 和图 2 所示。标准加密方法与破坏算法有显著区别，传统加密算法在混乱的有界组中指定加密操作。通过将混沌逻辑映射与神经网络相结合，创建了混沌神经网络（CNN）密码算法。控制参数接近 4 时，系统变得更加混沌，其定义为：$f(x)=x(1 - x)$。

神经网络通道的偏置和权重由混沌传输映射产生的混沌序列生成。研究建议将混沌逻辑映射的起始值 $x$ 和管理参数作为系统的唯一密钥。CNN 加密算法对明文和密钥的波动非常敏感，即使是微小的变化也会产生模糊的结果和较低的 PSNR 值，从而提供较高的数据保护水平。传输的加密数字信号的熵为 7.833，接近 8 的最佳输出参数，表明该加密方法的信息泄露概率几乎为零。此外，图像密码数字信号的直方图与原始输入视频相比显示出均匀的密度，该加密方法在差分攻击方面具有较高的安全性。当采用该加密方法时，MPEG - 2 视频编解码系统表现