[发明专利]OFDM加密系统中基于卷积神经网络的无密钥解密方法

说明书

本发明公开了OFDM加密系统中基于卷积神经网络的无密钥解密方法，包括：S1、加密数据获取：数据经过串并转换、QAM映射，产生QAM符号，利用Arnold变换进行QAM符号的置乱，得到加密数据；S2、数据训练：将加密数据输入到卷积神经网络模型中，密文通过卷积神经网络的前向传播，提取加密数据的特征，前向传播产生的结果与明文对比，计算出两者之间的误差；然后进行反向传播，通过更新卷积神经网络各个层的权值，使得误差变小；通过上述循环，训练出无密钥解密模型；S3、解密：待解密数据置乱后进入信道中传输，在接收端将接收的信号输入无密钥解密模型进行信号解密。本发明实现无密钥解密，降低传输带宽。

技术领域

本发明属于通信加密技术领域，尤其涉及OFDM加密系统中基于卷积神经网络的无密钥解密方法。

背景技术

信息安全在各种应用中的技术重要性日益增加，例如安全的通信渠道、安全的身份识别和安全的数据存储。正交频分复用(OFDM)技术具有提高频谱利用率、抗多径效应以及动态资源分配等优势，因此，OFDM技术成为5G的重要技术。由于OFDM传输网络的广播特性使该技术容易受到攻击，这些攻击者主要是通过窃听的方式获取信号，进行解码和恢复传输信号。

目前，许多研究主要集中在采用更多的数据置乱方法来设计OFDM加密系统。目前所设计的加密系统的脆弱性分析没有引起足够的关注。所设计的加密系统能否抵御未经授权人员的攻击仍然是一个严重的问题。从本质上说，密码学和密码分析是互利的，可以形成密切的关系，共同发展。安全的密码技术应该通过密码分析抵御各种攻击。然而，密码分析也可以促进更有利和更安全方案的发展。现有的密码分析方法集中于加密密钥。攻击方估计各种加密密钥是困难和耗时，并且在不利于实践。因此，需要开发一种用于加密系统的密码分析的新方法，其能够从给定的密文中提取未知的明文，而无需使用各种加密密钥和各种复杂的解密算法。

卷积神经网络是人工神经网络的一种，人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据环境的变化，对权值进行调整，改善系统的行为。上世纪60年代，Hubel等人通过对猫视觉皮层细胞的研究，提出了感受野这个概念，到80年代，Fukushima在感受野概念的基础之上提出了神经认知机的概念，可以看作是卷积神经网络的第一个实现网络，神经认知机将一个视觉模式分解成许多子模式(特征)，然后进入特征平面进行处理，它试图将视觉系统模型化，使其能够在即使物体有位移或轻微变形的时候，也能完成识别。

发明内容

基于现有技术存在的不足，本发明提供一种OFDM加密系统中基于卷积神经网络的无密钥解密方法

为了实现上述发明目的，本发明采用以下技术方案：

OFDM加密系统中基于卷积神经网络的无密钥解密方法，包括以下步骤：

S1、加密数据的获取；

原始数据经过串并转换、QAM映射，产生QAM符号，并利用Arnold变换进行QAM符号的置乱，得到加密数据；所述加密数据包括多对明文和与之对应的密文；通过对原始数据的数据点位置进行置乱，使其变得杂乱无章，从而隐藏数据所表达的真实信息。

S2、加密数据的训练；

将加密数据输入到卷积神经网络中，密文通过卷积神经网络的前向传播以提取加密数据的特征，将加密数据的特征与相应的明文对比以计算出两者之间的误差；然后进行反向传播，通过更新卷积神经网络的权值W，使得密文和对应的明文之间的误差变小；通过上述前向传播和反向传播的循环，以训练得到无密钥解密模型；

S3、信号解密；

基于OFDM加密系统，待解密数据经过串并转换、QAM映射，产生QAM符号，利用Arnold变换进行QAM符号的置乱；然后经过OFDM调制后进入信道中传输；最后在接收端将接收的信号输入无密钥解密模型中，进行信号解密以得到原始信号。