一种基于分数阶忆阻神经网络的物联网音频加解密方法技术

本发明专利技术公开了一种基于分数阶忆阻神经网络的物联网音频加解密方法，本方法的服务端通过INIT频道接收来自发送端的加密初始值，基于Caputo分数阶微积分和忆阻Hopfield神经网络构建分数阶忆阻Hopfield神经网络模型，并通过分数阶忆阻Hopfield神经网络模型对加密初始值进行运算，得到混沌密钥；通过KEY频道将混沌密钥发送至发送端，以使发送端基于混沌密钥对原始音频进行加密，获得加密音频；通过KEY频道将混沌密钥发送至接收端，以使接收端基于混沌密钥对通过AUDIO频道接收来自发送端的加密音频进行解密，得到原始音频。本发明专利技术能够使加解密的时间大大缩短，并且能够大大提高音频传输的安全性。的安全性。的安全性。

【技术实现步骤摘要】
一种基于分数阶忆阻神经网络的物联网音频加解密方法


[0001]本专利技术涉及音频加密
，尤其是涉及一种基于分数阶忆阻神经网络的物联网音频加解密方法。

技术介绍

[0002]随着联网设备和云计算的普及，通过互联网连接的设备非常之多。在现代社会，随着互联网的不断发展，物联网给信息社会带来了新的发展机遇和挑战。在物联网上，人们会传输大量的信息，大量的数据和设备可能成为网络攻击的目标。如何确保物联网和工业物联网(Industrial Internet of Things,IIoT)中的安全性和私密性，关系到网络的可靠性和网络的安全性。
[0003]人工神经网络(ANN)是一个以生物神经系统为模型的理论，它由神经元和突触组成。神经元具有复杂的非线性特征，是生物神经系统中信息处理的基本单位。它们通常可以通过感受刺激和传导兴奋来实现神经元的基本功能。神经网络(NN)被广泛应用于图像分类、故障诊断、深度学习等领域。神经生物学研究发现，人脑中存在混沌现象。因此，混沌理论被引入ANN中，以更好地模拟大脑的神经网络结构。近年来，混沌神经网络(CNN)的研究成为一个热门话题，主要是建立各种含有混沌动力学行为的神经网络模型，从而研究人脑的复杂混沌现象并应用于智能信息处理。由于引入了混沌动力学，CNN具有更多的动力学行为。CNN的复杂动力学行为使其广泛用于信息处理、算法优化、图像加密和随机数生成器等方面。虽然引入混沌动力学，使得CNN具有更多的动力学行为，但在现有技术中，依然存在音频传输安全性不高的问题。

技术实现思路
r/>[0004]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于分数阶忆阻神经网络的物联网音频加解密方法，能够提高音频传输的安全性。
[0005]第一方面，本专利技术实施例提供了一种基于分数阶忆阻神经网络的物联网音频加解密方法，所述服务端包括：
[0006]通过INIT频道接收来自发送端的加密初始值，基于Caputo分数阶微积分和忆阻Hopfield神经网络构建分数阶忆阻Hopfield神经网络模型，并通过所述分数阶忆阻Hopfield神经网络模型对所述加密初始值进行运算，得到混沌密钥；
[0007]通过KEY频道将所述混沌密钥发送至所述发送端，以使所述发送端基于所述混沌密钥对原始音频进行加密，获得加密音频；
[0008]通过KEY频道将所述混沌密钥发送至接收端，以使所述接收端基于所述混沌密钥对通过AUDIO频道接收来自所述发送端的所述加密音频进行解密，得到原始音频。
[0009]与现有技术相比，本专利技术第一方面具有以下有益效果：
[0010]本方法基于Caputo分数阶微积分和忆阻Hopfield神经网络构建分数阶忆阻Hopfield神经网络模型，因此，该分数阶忆阻Hopfield神经网络模型具有混沌特性。本方法
在服务端建立分数阶忆阻Hopfield神经网络模型，将加密初始值通过分数阶忆阻Hopfield神经网络模型进行运算，获得混沌密钥；发送端通过KEY频道接收混沌密钥，基于混沌密钥对原始音频进行加密，获得加密音频；将加密音频在AUDIO频道上发送至接收端，将加密音频通过接收端在KEY频道上接收到的混沌密钥进行解密，获得原始音频。在高性能的服务端生成混沌密钥，并且通过特定的KEY频道接收混沌密钥，使加解密的时间大大缩短；并且基于混沌密钥加密，每次音频加密的密钥都是不同的，大大提高了音频传输的安全性。
[0011]根据本专利技术的一些实施例，所述Caputo分数阶微积分定义表达为：
[0012][0013]其中，Γ表示伽马函数，所述伽马函数表达式为t为积分上限，m表示整数，f(t)表示函数，f
(m)
(τ)表示m阶导数。
[0014]根据本专利技术的一些实施例，通过如下方式获得所述忆阻Hopfield神经网络：
[0015]构建所述Hopfield神经网络的表达式为：
[0016][0017]其中，x＝[x1(t),x2(t),x3(t)]T
表示状态变量，tanh(x)＝[tanh(x1),tanh(x2),tanh(x3)]T
表示神经元的非线性激活函数，W表示神经元之间的权重矩阵；
[0018]在所述Hopfield神经网络中使用多涡卷的新型忆阻器，所述多涡卷的新型忆阻器表达式为：
[0019][0020]其中，
[0021]采用tanh函数代替所述新型忆阻器中的sgn函数，获得忆阻Hopfield神经网络，所述忆阻Hopfield神经网络的表达式为：
[0022][0023]其中，x、y、z和w表示所述忆阻Hopfield神经网络的状态变量，a、b、c和d表示所述新型忆阻器的参数，k表示所述新型忆阻器的耦合强度，通过如下公式获得权重矩阵：
[0024][0025]根据本专利技术的一些实施例，通过如下方式构建分数阶忆阻Hopfield神经网络模型，包括：
[0026]根据所述Caputo分数阶微积分定义和所述忆阻Hopfield神经网络的表达式，获得所述分数阶忆阻Hopfield神经网络模型的表达式为：
[0027][0028]其中，表示所述Caputo的微分算子，q表示所述分数阶忆阻Hopfield神经网络的阶数，t表示积分上限，t0表示积分下限。
[0029]根据本专利技术的一些实施例，所述基于分数阶忆阻神经网络的物联网音频加解密方法，还包括步骤：
[0030]采用SHA256算法分别对INIT频道、KEY频道和AUDIO频道进行hash混淆处理。
[0031]第二方面，本专利技术实施例提供了一种基于分数阶忆阻神经网络的物联网音频加解密系统，包括：
[0032]服务端，通信连接发送端和接收端，所述服务端用于接收来自所述发送端的加密初始值，建立分数阶忆阻Hopfield神经网络模型，将所述加密初始值通过所述分数阶忆阻Hopfield神经网络模型进行运算，获得混沌密钥；所述服务端还用于将所述混沌密钥发送至所述发送端和所述接收端；
[0033]所述发送端，通信连接所述服务端和所述接收端，所述发送端用于获取原始音频和加密初始值，所述发送端用于发送所述加密初始值至所述服务端；获取来自所述服务端的所述混沌密钥，基于所述混沌密钥，将所述原始音频进行加密，获得加密音频；所述发送端将所述加密音频发送至所述接收端；
[0034]所述接收端，通信连接所述发送端和所述服务端，所述接收端用于接收来自所述服务端的所述混沌密钥；所述接收端还用于接收来自所述发送端的加密音频，并基于所述混沌密钥，将所述加密音频进行解密，获得原始音频。
[0035]与现有技术相比，本专利技术第二方面具有以下有益效果：
[0036]本系统通过服务端的分数阶忆阻Hopfield神经网络模型对加密初始值进行运算，获得混沌密钥；通过发送端基于混沌密钥将原始音频进行加密，获得加密音频；通过接收端基于混沌密钥将加密音频进行解密，获得原始音频；本系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分数阶忆阻神经网络的物联网音频加解密方法，其特征在于，所述服务端包括：通过INIT频道接收来自发送端的加密初始值，基于Caputo分数阶微积分和忆阻Hopfield神经网络构建分数阶忆阻Hopfield神经网络模型，并通过所述分数阶忆阻Hopfield神经网络模型对所述加密初始值进行运算，得到混沌密钥；通过KEY频道将所述混沌密钥发送至所述发送端，以使所述发送端基于所述混沌密钥对原始音频进行加密，获得加密音频；通过KEY频道将所述混沌密钥发送至接收端，以使所述接收端基于所述混沌密钥对通过AUDIO频道接收来自所述发送端的所述加密音频进行解密，得到原始音频。2.根据权利要求1所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法，其特征在于，所述Caputo分数阶微积分定义表达为：其中，Γ表示伽马函数，所述伽马函数表达式为t为积分上限，m表示整数，f(t)表示函数，f
(m)
(τ)表示m阶导数。3.根据权利要求2所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法，其特征在于，通过如下方式获得所述忆阻Hopfield神经网络：构建所述Hopfield神经网络的表达式为：其中，x＝[x1(t),x2(t),x3(t)]
T
表示状态变量，tanh(x)＝[tanh(x1),tanh(x2),tanh(x3)]
T
表示神经元的非线性激活函数，W表示神经元之间的权重矩阵；在所述Hopfield神经网络中使用多涡卷的新型忆阻器，所述多涡卷的新型忆阻器表达式为：其中，采用tanh函数代替所述新型忆阻器中的sgn函数，获得忆阻Hopfield神经网络，所述忆阻Hopfield神经网络的表达式为：其中，x、y、z和w表示所述忆阻Hopfield神经网络的状态变量，a、b、c和d表示所述新型忆阻器的参数，k表示所述新型忆阻器的耦合强度，通过如下公式获得权重矩阵：
4.根据权利要求3所述的一种基于分数阶忆阻神经网络的物联网音频加解密方法，其特征在于，通过如下方式构建分数阶忆阻Hopfield神经网络模型，包括：根据所述Caputo分数阶微积分定义和所述忆阻Hopfield神经网络的表达式，获得所述分数阶忆阻Hopfield神经网络模型的表达式为：其中，表示所述Caputo的微分算子，q表示所述分数阶忆阻Hopfield神...

【专利技术属性】
技术研发人员：余飞，余秋林，陈会锋，孔新新，蔡烁，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：