基于DTMP和快速學(xué)習(xí)規(guī)則的神經(jīng)密碼算法

1、基于DTMP和快速學(xué)習(xí)規(guī)那么的神經(jīng)密碼算法摘要：針對神經(jīng)密碼中如何以較短的同步時間獲得較高的平安性這一密鑰交換問題，提出了一種基于“不要相信我的伙伴DTMP和快速學(xué)習(xí)規(guī)那么的結(jié)合算法。該算法可以通過在公共信道上以一定的概率發(fā)送錯誤比特來干擾攻擊者對交互信息的竊聽，以到達降低被動攻擊成功率的目的，同時通過估計通信雙方神經(jīng)網(wǎng)絡(luò)輸出不相等的概率來判斷通信雙方的同步程度；然后根據(jù)通信雙方的同步程度來確定權(quán)值的修改幅度，從而加快同步進程。仿真實驗說明，結(jié)合算法所需同步時間比原DTMP算法少，且當通信雙方不同時發(fā)送錯誤信息時，結(jié)合算法的平安性略高于DTMP原算法；而與反響算法相比，結(jié)合算法在同步時間和平安

2、性方面優(yōu)勢明顯。實驗結(jié)果說明結(jié)合算法能以較短的同步時間獲得較高的平安性。關(guān)鍵詞：樹型奇偶機；不要相信我的伙伴；學(xué)習(xí)規(guī)那么；幾何攻擊；簡單攻擊中圖分類號： TP309.7 文獻標志碼：A英文摘要Abstract：Focusing on the key exchange problem of how to get the higher security for neural cryptography in the short time of the synchronization， a new hybrid algorithm combining the features of “Do not T

3、rust My Partner DTMP and the fast learning rule was proposed. The algorithm could send erroneous output bits in the public channel to disrupt the attackerseavesdropping of the exchanged bits and reduce the success rate of passive attack. Meanwhile， the proposed algorithm estimated the synchronizatio

4、n by estimating the probability of unequal outputs， then adjusted the change of weights according to the level of synchronization to speed up the process of synchronization. The simulation results show that the proposed algorithm outperforms the original DTMP in the time needed for the partners to s

5、ynchronize. Moreover， the proposed algorithm is securer than the original DTMP when the partners do not send erroneous output bits at the same time. And the proposed algorithm outperforms the feedback algorithm in both the synchronization time and security obviously. The experimental results show th

6、at the proposed algorithm can obtain the key with a high level of security and a less synchronization time.英文關(guān)鍵詞Key words：Tree Parity Machine TPM； Do not Trust My Partner DTMP； learning rule； geometric attack； simple attack0 引言1 樹型奇偶機樹型奇偶機TPM是多層前饋式網(wǎng)絡(luò)，在神經(jīng)密碼學(xué)中，通信雙方的神經(jīng)網(wǎng)絡(luò)A和B以及攻擊者的神經(jīng)網(wǎng)絡(luò)E都是采用的這種構(gòu)造。樹型奇偶機的一般

7、化構(gòu)造如圖1所示。 表示神經(jīng)網(wǎng)絡(luò)輸出； 表示隱藏單元輸出； w表示權(quán)值； x表示輸入；K表示隱藏單元個數(shù)；N表示每個隱藏單元的輸入個數(shù)。解釋圖中參數(shù)2 快速學(xué)習(xí)規(guī)那么設(shè)計傳統(tǒng)的學(xué)習(xí)規(guī)那么包括Hebbian學(xué)習(xí)規(guī)那么、antiHebbian學(xué)習(xí)規(guī)那么和randomwalk學(xué)習(xí)規(guī)那么。使用傳統(tǒng)學(xué)習(xí)規(guī)那么的神經(jīng)密碼學(xué)在協(xié)商密鑰時，每次權(quán)值更新的步長均為1，這就導(dǎo)致交換輸出值的次數(shù)過多，同步時間較長。因此，可以令通信雙方根據(jù)其同步程度，適當?shù)卣{(diào)整學(xué)習(xí)規(guī)那么中權(quán)值的修改幅度來加快同步進程。由于三種學(xué)習(xí)規(guī)那么的修改方法是類似的，本文僅對Hebbian學(xué)習(xí)規(guī)那么的修改進行研究，該學(xué)習(xí)規(guī)那么可改為式7所示形式

8、。即在平安性進步的同時，通信雙方的同步時間也會大大增加。這樣不僅需要的計算開銷及通信開銷會隨之增加，同時由于通信時間過長可能會給攻擊者尋找新的攻擊方法提供更多的時機。而DTMP算法旨在通過以一定概率傳送錯誤的神經(jīng)網(wǎng)絡(luò)輸出信息來進步神經(jīng)密碼的平安性，并且不會對通信雙方的同步時間產(chǎn)生影響。但希望在進步平安性的同時，可以盡量地減少同步時間，以減少攻擊者使用新方法攻擊的時機。因此，這里將第2章所述學(xué)習(xí)規(guī)那么引入到DTMP算法中。另外，DTMP算法是將通信雙方要發(fā)送給對方的輸出信息以一定的概率取反后再發(fā)送到信道上傳輸?shù)?，因此，通信雙方A、B最終在學(xué)習(xí)過程中使用的對方的輸出信息并非是直接從信道接收到的信息

9、，而是進展檢錯糾錯后的信息。因此，為了適用于DTMP算法，需將上述學(xué)習(xí)規(guī)那么改為如下形式：4 系統(tǒng)仿真4.1 實驗設(shè)置仿真中用兩種方法控制錯誤輸出信息的產(chǎn)生：1通信雙方A和B同時產(chǎn)生錯誤信息：2通信雙方A和B不同時產(chǎn)生錯誤信息：表3和表4是A、B分別同時發(fā)送錯誤信息和不同時發(fā)送錯誤信息時的結(jié)合算法及DTMP原算法的抗簡單攻擊實驗結(jié)果。從表3和表4可以看出，兩種情況下，結(jié)合算法和DTMP原算法均已到達較高的平安性，但A、B不同時發(fā)送錯誤信息時，結(jié)合算法的抗簡單攻擊性要優(yōu)于DTMP原算法。以上實驗說明，通信雙方不同時發(fā)送錯誤信息時，結(jié)合算法的性能優(yōu)于DTMP原算法。這是由于此時結(jié)合算法能使通信雙方

10、根據(jù)同步程度確定適宜的并且不至于過大的權(quán)值修改幅度，使通信雙方以較快的速度到達同步，而攻擊者受錯誤信息的影響，無法正確判斷通信雙方何時進展更新以及通信雙方使用什么樣的權(quán)值修改幅度，這就導(dǎo)致攻擊者不能在通信雙方到達同步前與通信雙方之一到達同步。那么相對于經(jīng)典的反響機制，結(jié)合算法的性能又怎么樣呢？圖4和圖5分別是幾何攻擊和簡單攻擊對使用反響算法和結(jié)合算法的同步過程的攻擊成功率與同步時間的關(guān)系圖，圖中攻擊成功率越低且相對應(yīng)的同步時間越少說明其性能越好。顯然，結(jié)合算法能以較低的同步時間獲得比反響算法更好的抗幾何攻擊和簡單攻擊的才能。5 結(jié)語本文對基于DTMP和快速學(xué)習(xí)規(guī)那么的結(jié)合算法進展了研究。DTM

11、P算法可以通過產(chǎn)生并發(fā)送錯誤信息對攻擊者的監(jiān)聽過程進展干擾來有效地進步同步過程的平安性；快速學(xué)習(xí)規(guī)那么可以根據(jù)同步程度適當?shù)卣{(diào)整權(quán)值修改幅度來加快同步進程。而二者的結(jié)合算法那么可以以較短的同步時間獲取較高的平安性。實驗結(jié)果說明，DTMP和快速學(xué)習(xí)規(guī)那么的結(jié)合算法所需的同步時間少于DTMP原算法，且明顯優(yōu)于反響算法，到達很高的平安性，實現(xiàn)了以較短的同步時間獲得較高的平安性的目的。但目前對神經(jīng)密碼學(xué)的研究都是基于實數(shù)神經(jīng)網(wǎng)絡(luò)的，而復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)具有更強的處理才能，假設(shè)將其應(yīng)用到密碼學(xué)中是否能到達更高的平安性，這還有待進一步的研究。參考文獻：2ROSENZVI M， KANTER I， KINZEL

12、W. Cryptography based on neural networks-analytical results J. Journal of Physics A： Mathematical and General， 2002， 3547： 707-713.3ROSENZVI M， KLEIN E， KANTER I， et al. Mutual learning in a tree parity machine and its application to cryptography J. Physical Review E， 2002， 666： 135-138.7SHACHAM L N， KLEIN E， MISLOVATY R， et al.Cooperating attackers in neural cryptograph