[发明专利]一种基于深度自编码器的信息加密方法

权利要求书

1.一种基于深度自编码器的信息加密方法，其特征在于，包括：

获取ANSI编码的全部字符并组成数据集，以及获取预先设置的深度自编码器网络，所述深度自编码器网络包括编码部分及解码部分；

将所述深度自编码器网络中除最后一层外的每层均与该层相邻的下一层、及与该层具有对应结构的额外一层组成自编码器网络模型，对各自编码器网络模型进行训练得到初始化权值，并利用该初始化权值对所述深度自编码部分中对应两层间的权值进行初始化，得到初始化的深度自编码部分；

基于所述数据集使用随机梯度下降算法结合反向传播算法对初始化的深度自编码器网络进行调整，得到最优深度自编码器网络；

利用所述最优深度自编码器网络的编码部分实现信息加密及利用所述深度自编码器网络的解码部分实现密文解密。

2.根据权利要求1所述的方法，其特征在于，对各自编码器网络模型进行训练得到初始化权值，包括：

基于自编码器原理使用BP算法对各自编码器网络模型进行训练得到初始化权值。

3.根据权利要求1所述的方法，其特征在于，利用所述最优深度自编码器网络实现信息加密及密文解密，包括：

将待加密信息转化成ANSI编码，并将与该ANSI编码对应的列向量输入至所述最优深度自编码器网络的编码部分，得到对应的密文；

将所述密文输入至所述最优深度自编码器网络的解码部分，得到对应的列向量，将该列向量对应的ANSI编码转化成对应待加密信息。

4.根据权利要求1所述的方法，其特征在于，还包括：

定期对所述深度自编码器网络的指定层包含的神经元个数进行预设修改，并执行所述组成自编码器网络模型的步骤。

5.根据权利要求4所述的方法，其特征在于，还包括：

定期对所述深度自编码器网络中指定两层对应的自编码器网络模型进行重新训练，并利用训练得到的初始化权值更新该指定两层之间的权值。

6.根据权利要求5所述的方法，其特征在于，预先设置深度自编码器网络，包括：

设置包括有七层的深度自编码器网络，其中第一层和第七层的神经元个数均为32，第二层和第六层的神经元个数均为20，第三层和第五层的神经元个数均为12，第四层的神经元个数为4，其中第一层至第四层组成编码部分，第四层至第七层组成解码部分。