無線網(wǎng)絡(luò)中神經(jīng)密鑰交換協(xié)議的研究及應(yīng)用

1、無線網(wǎng)絡(luò)中神經(jīng)密鑰交換協(xié)議 的研究及應(yīng)用答辯人：嚴(yán) 威導(dǎo) 師：張力生 教授專 業(yè)：通信與信息系統(tǒng)重慶郵電大學(xué)碩士論文答辯主要內(nèi)容1問題提出研究背景及意義3模型建立新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則4理論分析Neural-Cube協(xié)議5總結(jié)及后續(xù)工作展望2課題研究思路及主要工作研究背景及意義有線網(wǎng)絡(luò)無線網(wǎng)絡(luò)帶寬10M-1000M11M-54M信道穩(wěn)定性不易被干擾易被干擾靈活性較差較好計算能力不限某些受限能量不限某些受限表2：無線網(wǎng)絡(luò)和有線網(wǎng)絡(luò)對比小結(jié)有線網(wǎng)絡(luò)安全主要依靠集中式密鑰管理和密鑰分發(fā)協(xié)議。無線網(wǎng)絡(luò)，尤其是Ad-Hoc網(wǎng)絡(luò)主要依靠群組密鑰協(xié)商協(xié)議。研究背景及意義現(xiàn)有的密鑰交換協(xié)議基于經(jīng)典數(shù)學(xué)方法

2、的密鑰交換協(xié)議 主要有：D-H協(xié)議、ECC協(xié)議基于非經(jīng)典數(shù)學(xué)方法的密鑰交換協(xié)議 主要有：神經(jīng)密碼學(xué)、混沌密碼學(xué) 現(xiàn)代密碼學(xué)交換協(xié)議神經(jīng)密碼交換協(xié)議計算復(fù)雜度大小安全性高未經(jīng)理論證明表1：兩種密鑰交換協(xié)議對比結(jié)論針對Ad-Hoc網(wǎng)絡(luò)，研究輕量級的基于神經(jīng)密碼的群組密鑰協(xié)商協(xié)議對網(wǎng)絡(luò)安全有重要意義。1問題提出研究背景及意義3模型建立新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則4理論分析Neural-Cube協(xié)議5總結(jié)及后續(xù)工作展望2課題研究思路及主要工作主要內(nèi)容課題研究思路及主要工作無線網(wǎng)絡(luò)（Ad-Hoc網(wǎng)絡(luò)）新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則Neural-Cube協(xié)議本文主要研究工作主要內(nèi)容1問題提出研究背景及意義3模型

3、建立新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則4理論分析Neural-Cube協(xié)議5總結(jié)及后續(xù)工作展望2課題研究思路及主要工作一種神經(jīng)密碼學(xué)的新學(xué)習(xí)規(guī)則提出問題建立模型理論分析實驗仿真提出問題現(xiàn)有學(xué)習(xí)規(guī)則迭代次數(shù)過多，同步時間過長，這樣留給敵手過多攻擊的機(jī)會。是否能修改學(xué)習(xí)規(guī)則，縮短同步時間，同時安全性不會降低？建立模型在原有的隊列學(xué)習(xí)規(guī)則模型的基礎(chǔ)上進(jìn)行了參數(shù)修改，使得修改之后的學(xué)習(xí)規(guī)則在減少了迭代次數(shù)的同時，安全性也有所提高。我稱這種改進(jìn)后的學(xué)習(xí)規(guī)則為新隊列學(xué)習(xí)規(guī)則。 樹形奇偶機(jī)A樹形奇偶機(jī)B111-1-11學(xué)習(xí)規(guī)則的隊列queue，它的長度為queue.length傳統(tǒng)學(xué)習(xí)規(guī)則同步模型原隊列學(xué)習(xí)規(guī)則同步

4、模型新隊列學(xué)習(xí)規(guī)則同步模型開始初始化權(quán)值向量隨機(jī)產(chǎn)生輸入向量，并且每個神經(jīng)網(wǎng)絡(luò)計算出輸出值神經(jīng)網(wǎng)絡(luò)之間交換輸出值利用學(xué)習(xí)規(guī)則更新權(quán)值向量判斷權(quán)值向量是否同步結(jié)束否否樹形奇偶機(jī)是是改進(jìn)后的神經(jīng)網(wǎng)絡(luò)同步流程理論分析本部分對新隊列學(xué)習(xí)規(guī)則在減少迭代次數(shù)上的作用進(jìn)行理論分析，并和仿真結(jié)果進(jìn)行了對比。 我們用公式（1）表示神經(jīng)網(wǎng)絡(luò)雙方的對應(yīng)權(quán)值的聯(lián)合概率分布： （1） i表示第i個隱藏神經(jīng)元，j表示隱藏神經(jīng)元的第j個輸入神經(jīng)元。 那么當(dāng)模型的突觸深度為L時，那么可以用概率矩陣P來表示（2L+1）*（2L+1）的概率矩陣： （2） 標(biāo)準(zhǔn)序列參數(shù)可以用公式（2）來計算，如公式（3）所示： （3）新學(xué)習(xí)規(guī)則理

5、論基礎(chǔ)圖1新隊列學(xué)習(xí)規(guī)則和random-walk學(xué)習(xí)規(guī)則的積極和消極步長，K=3，L=10，m=3.0圖2 新學(xué)習(xí)規(guī)則和random-walk學(xué)習(xí)規(guī)則的聯(lián)合同步步長，K=3，L=10，m=3.0圖3 m取不同值時，新隊列學(xué)習(xí)規(guī)則的權(quán)值同步時間和Hebbian學(xué)習(xí)規(guī)則的權(quán)值同步時間的對比圖，q=1.小結(jié)本文提出的新隊列學(xué)習(xí)規(guī)則能有效的減少迭代次數(shù)，仿真實驗通過仿真實驗對新隊列學(xué)習(xí)規(guī)則的安全性進(jìn)行分析。新學(xué)習(xí)規(guī)則的安全性分析： 攻擊成功率是指當(dāng)神經(jīng)網(wǎng)絡(luò)A和B雙方的權(quán)值同步之后，如果敵手E和神經(jīng)網(wǎng)絡(luò)A的權(quán)值同步程度參數(shù)大于0.98，那么表示敵手E攻擊成功。仿真圖X軸表示權(quán)值同步時間仿真圖Y軸表示攻擊

6、成功率仿真實驗次數(shù)10000次表:3：仿真實驗參數(shù)新學(xué)習(xí)規(guī)則幾何攻擊的效果圖4幾何攻擊下，不同m值的新隊列學(xué)習(xí)規(guī)則和其他學(xué)習(xí)規(guī)則效果對比圖，K=3，N=1000，q=1. 圖5幾何攻擊下，不同q值的新隊列學(xué)習(xí)規(guī)則和其他學(xué)習(xí)規(guī)則效果對比圖，K=3，N=1000，m=2.0.新學(xué)習(xí)規(guī)則簡單攻擊效果圖6簡單攻擊下，不同m值的新隊列學(xué)習(xí)規(guī)則和其他學(xué)習(xí)規(guī)則效果對比圖，K=3，N=1000，q=1.8.圖7簡單攻擊下，不同q值的新隊列學(xué)習(xí)規(guī)則和其他學(xué)習(xí)規(guī)則效果對比圖，K=3，N=1000，m=2.0.結(jié)論本文提出的新隊列學(xué)習(xí)規(guī)則能有效的減少迭代次數(shù)，并且在適合的參數(shù)取值下，比經(jīng)典學(xué)習(xí)規(guī)則的安全性有所增加。

7、1問題提出研究背景及意義3模型建立新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則4理論分析Neural-Cube協(xié)議5總結(jié)及后續(xù)工作展望2課題研究思路及主要工作主要內(nèi)容Neural-Cube協(xié)議提出問題建立模型性能分析提出問題BTWS協(xié)議節(jié)點(diǎn)數(shù)受限，BTWE協(xié)議被選舉節(jié)點(diǎn)通信量大。能否有協(xié)議克服以上缺點(diǎn)？建立模型本部分主要介紹一種基于神經(jīng)密碼的超立方群組密鑰協(xié)商協(xié)議Neural-Cube。 開始結(jié)束超立方體中節(jié)點(diǎn)進(jìn)行神經(jīng)同步得到會話密鑰并且附屬節(jié)點(diǎn)和超立方體中的被附屬節(jié)點(diǎn)進(jìn)行神經(jīng)同步，利用該密鑰對會話密鑰進(jìn)行加密后，傳遞會話密鑰到各個附屬節(jié)點(diǎn)是否Neural-Cube協(xié)議流程性能分析本部分將這種新的Neural-

8、Cube協(xié)議和BTWS協(xié)議、BTWE協(xié)議進(jìn)行通信復(fù)雜度和計算復(fù)雜度對比。 小結(jié)Neural-Cube協(xié)議能適應(yīng)于各種節(jié)點(diǎn)情況，且和BTWE協(xié)議具有相似的計算復(fù)雜度和通信復(fù)雜度，但每個節(jié)點(diǎn)的計算量和通信量大致相同，更適合用于Ad-Hoc網(wǎng)絡(luò)。表4：三種密鑰交換協(xié)議對比圖8 Neural-Cube協(xié)議和BTWS、BTWE協(xié)議的計算復(fù)雜度比較1問題提出研究背景及意義3模型建立新的基于隊列機(jī)制的學(xué)習(xí)規(guī)則4理論分析Neural-Cube協(xié)議5總結(jié)及后續(xù)工作展望2課題研究思路及主要工作主要內(nèi)容 后續(xù)工作1.Neural-Cube協(xié)議需要節(jié)點(diǎn)相對均勻的分布，對Ad-Hoc網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的要求較高，需要進(jìn)一步改進(jìn)。2.將神經(jīng)密鑰交換協(xié)議推廣到基于分組分簇的群組密鑰協(xié)商協(xié)議中，從而減小此類