[发明专利]一种基于词嵌入技术的加解密方法

摘要

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。

主权项

1.一种基于词嵌入技术的加密算法，其特征在于：该方法包括以下部分：1)利用公开语料库：针对文本数据，尽量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其中，X表示密钥的总位数，其它符号的具体含义如下：X₁：该X₁位二进制数指示对原始语料库的操作，用于形成森林型数据结构或树型结构存储语料源，称为语料源森林或语料源树，当X₁＝32时，使该X₁位二进制数表示一个IP地址，对该IP地址进行反向域名解析，得到起始网页集合S＝{r₁，r₂，...，r_n}，其中n是反向域名解析得到的域名个数，r_i代表第i个域名对应的网页，每个网页下又包含若干链接，对于r_i，则其包含的链接对应的网页的集合为其中n_i表示网页r_i中包含的链接个数，r_ij表示r_i中第j个链接对应的网页，以此类推，整个层次结构构成网页森林，r_i为第i棵网页树的根，每个结点对应一个网页；X₂：该X₂位二进制数N₂表示初始语料源树的深度；X₃：该X₃位二进制数N₃表示待训练的词向量的维度；X₄：该X₄位二进制数N₄指示对词向量表的处理，例如用N₄来指示词向量中各维度的实数值保留数字的位数；X₅、X₆：该x₅位二进制数N₅和X₆位二进制数N₆共同指示双方均拿到密钥后经过延迟时间time_delay后开始进行首轮语料获取和训练；X_exten，表示可拓展密钥位，用于拓展加密方式，可与其他流行的安全加密方式相结合，提高安全性；3)基于词嵌入技术的加密过程设计：发送方根据密钥中的内容X₁位和X₂位构建源森林或语料源树，若根结点只有1个，则构建的是语料源树；若根节点大于1个，则构建的是语料源森林，为表述方便，下面统一称作语料源森林，语料源森林中每个结点r_ij包含两个部分，一个部分是该结点包含的文本内容，另外一个部分是该结点下所有子节点的地址，通过父结点与子结点的链接形成树的结构，爬取每个结点中的文本内容，将获取到的文本内容进行预处理后依次加入到原始的公开语料库中，即构建完合成语料库，之后，发送方根据密钥中X₃位对合成语料库进行词嵌入模型的训练，生成词嵌入/词向量表，再根据密钥中的X₄位对词向量表进行处理，在表中索引以词为键的向量，并将向量拼接发送给接收方；4)基于词嵌入模型的解密过程设计：与加密过程类似，接收方也需要根据密钥指示对语料源森林中的各个结点的内容进行爬取，预处理后加入到原始语料库构建合成语料库，并进行词嵌入模型训练，得到词向量表并根据密钥进行处理，在表中查找向量对应的词，从而完成接收，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；5)自更新密码本的构建：自更新密码本是不需要更换密钥，能够定时实现自动更新的密码本，处理后的词向量表即为密码本，而密码本是由合成语料库经过一系列步骤后得到的，因此，密码本的更新实质上就是合成语料库的更新。