上传者: 38643407
|
上传时间: 2021-06-24 13:55:44
|
文件大小: 1.26MB
|
文件类型: PDF
基于最佳均方逼近,采用 Hermite正交多项式做为神经网络隐层的激励函数,引入一种新型的 Hermite神经 网络模型。通过神经网络权值和混沌初值产生性能接近于理论值的混沌序列,从中提取与明文等长的序列进行排 序,将排序结果对明文置换后即可得密文。加密与解密信息完全隐藏于神经网络产生的混沌序列中,与混沌初值无 显式关系,且只需改变混沌初值,便可实现“一次一密”异步加密,其安全性取决于混沌序列的复杂性和无法预测性。 理论分析和加密实例表明,该加密算法简单易行,克服了混沌同步加密的诸多缺陷,具有良好的安全性