[发明专利]一种基于词嵌入技术的加解密方法

说明书

本发明是一种基于词嵌入技术的加解密方法，利用深度学习结果的难解释性和训练时间长的特点来辅助加密该算法利用公开语料库，密钥中的内容指示收发双方对语料库的具体修改操作，得到合成语料库。双方同时基于此语料库采用词嵌入模型进行训练并根据密钥指示构建词向量表，同时密钥中的内容还指示了对词向量表的修正操作。发送方将待发送的信息根据修正后的词向量表进行替换，并将向量拼接发送给接收方，接收方则根据密钥指示对信息进行接收，根据修正后的词向量表恢复原信息。不同于传统密码本以及一次性密码本，该算法提出了自更新密码本的概念，即不需要更换密钥，收发双方也能进行同步的更新。

技术领域

本发明涉及人工智能与密码学交叉技术领域，特别是涉及一种基于词嵌入技术的加解密方法。

背景技术

密码学是保障信息安全的核心技术，有很多优秀的加密算法，如对称加密算法AES和非对称加密算法RSA，ECC等。然而，量子计算机能以高速度解决某些特定的问题。目前人们找到的高速度的量子算法大体有两类，一类是解决隐含子群问题的，比如因子分解问题、离散对数问题等，量子计算机在这些问题上有指数级的加速；另一类是量子随机游走相关的，比如Grover算法(在时间内搜索大小为n的数据库)等，量子计算机在这些问题上有多项式级的加速。对于AES等对称加密算法，Grover算法能进行不小的加速；而对于非对称密码，无论是基于因子分解问题的RSA，还是基于椭圆曲线上离散对数的ElGamal，都可以用量子计算机在很短的时间内破解。研究能够抵抗量子计算机的攻击的加密方法是必要的。

在加密算法的发展过程中，有很多算法都已经被破解或被证明不够安全，唯有一种加密算法一直存在了93年。这种算法叫做一次性密码本(one-time pad)。信息理论之父Claude Shannon曾经通过数学方法，证明这种一次性密码本如果使用得当，是无法被破解的。一次性密码本加密方式有时候非常不方便，因此现在很少有人在用这种加密方式。而正是由于这种不便性，应用更多的是如AES等理论上有些弱的加密方式。一次性的密码本的不便性在于：

一、用以加密的文本，也就是一次性密码本，必须确实是随机产生的。

二、它至少必须和被加密的文件等长。

三、用以加密的文本只能用一次，且必须对非关系人小心保密，不再使用时，用以加密的文本应当要销毁，以防重复使用。若密码本被使用多次，很容易通过多组明文/密文对破解密钥。

若能解决一次性密码本使用的不便性，或者对一次性密码本加以改进产生新的算法，那么就可能是安全级别更高的加密算法。

深度学习是近年来人工智能的热点研究领域，可自动地学习到从海量数据的表示(representation)到数据的标记(label)的映射，而这种映射关系是由深度学习模型中超大规模的参数所捕捉到的。目前尚无理论可对这些参数进行合理的解释，即这些参数具有不可解释性。而且，深度学习的训练时间耗时极长，每调一个超参数就意味着大量时间的流逝。因此，能否利用深度学习的这两个特点来辅助加密是值得研究的。

发明内容

针对以上问题，本发明通过对一次性密钥进行改进，利用深度学习结果的难解释性和训练时间长的特点来辅助加密，创造性地提出了自更新密码本的概念及其构建方法，有利于降低密钥分配频率乃至解决密钥分配的问题。本发明所构建的加密密钥长度短，并且有良好的拓展性，可以与经典加密算法的兼容，为达此目的，本发明提供一种基于词嵌入技术的加解密方法，该方法包括以下部分：

1)利用公开语料库：针对文本数据，选用词汇完备的语料库；对于一般的二进制数据，尽量选用字符完备的语料库，随后可将该语料库作为原始语料库公开；

2)可拓展的密钥设计：密钥位数；

X＝X₁+X₂+X₃+X₄+X₅+X₆+X_extend