基于细胞神经网络的伪随机数生成方法与流程

技术特征：

1.一种基于细胞神经网络的伪随机数生成方法，其特征在于，采用混沌映射方法进行，该混沌映射包括六维细胞神经网络和逻辑斯蒂映射，其实现步骤包括如下：

(1)用六维细胞神经网络生成随机序列P，并将序列P中的数据按照从左到右、从上到下的顺序依次存入大小为6×6的第一矩阵p[i][j]，其中i和j的取值范围均为[0,5]；

(2)用逻辑斯蒂映射生成随机序列X，并将序列X中的数据按照从上到下、从左到右的顺序依次存入大小为6×6的第二矩阵x[i][j]；

(3)对第一矩阵p[i][j]和第二矩阵x[i][j]中的数据进行整数化处理；

(4)用处理后的第一矩阵p[i][j]和第二矩阵x[i][j]生成大小为6×6的二维数组r[i][j]；

(5)用二维数组r[i][j]生成64bits的伪随机数；

(6)重复步骤(1)到(5)，每次循环生成64bits的伪随机数，直到生成所需大小的伪随机数。

2.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其中步骤(1)用六维细胞神经网络生成随机序列P，按如下步骤进行：

(1a)给定六维细胞神经网络的六个初始值，对其迭代得到新的六个初始值；

(1b)用新的六个初始值迭代六维细胞神经网络，每次迭代生成六个数据，将迭代多次生成的数据设为随机序列P，其中，每次迭代前对上次迭代得到的六个数据作如下处理：

将第一个数据更新为其与第二个数据的小数部位求和的平均值，

将第二个数据更新为其与第三个数据的小数部位求和的平均值，

将第三个数据更新为其与第四个数据的小数部位求和的平均值，

将第四个数据更新为其与第五个数据的小数部位求和的平均值，

将第五个数据更新为其与第六个数据的小数部位求和的平均值，

将第六个数据更新为其与第一个数据的小数部位求和的平均值。

3.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其中步骤(2)用逻辑斯蒂映射生成随机序列X，按如下步骤进行：

(2a)给定逻辑斯蒂映射一个初始值，对其迭代得到新的初始值；

(2b)用新的初始值迭代逻辑斯蒂映射，每次迭代生成一个数据，将迭代多次生成的数据设为随机序列X。

4.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其中步骤(3)对第一矩阵p[i][j]和第二矩阵x[i][j]中的数据进行整数化处理，按如下步骤进行：

(3a)将第一矩阵p[i][j]中的数据更新为：p'[i][j]＝|p[i][j]|×2¹⁵mod N；

(3b)将第二矩阵x[i][j]中的数据更新为：x'[i][j]＝x[i][j]×2¹⁵mod N，

其中N是一个正整数，|P[i][j]|代表对P[i][j]取绝对值。

5.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其中步骤(4)中用处理后的第一矩阵p[i][j]和第二矩阵x[i][j]生成大小为6×6的二维数组r[i][j]，按如下步骤进行：

(4a)设置二维数组r[i][j]中的初始值均为0，对其进行第一次更新：

$r^{\′}\[i\]\[j\]=p\[i\]\[j\]\⊕x\[i\]\[j\]\⊕K\⊕r\[i\]\[j\],$

其中代表异或运算；K是可变参数，其更新公式为：K'＝(αK²+β)modN，α为第一更新参数，β为第二更新参数，这两个更新参数的初始值由密钥设置，每次循环后，将更新参数α更新为与二维数组r[i][j]中所有值的异或和，将更新参数β更新为与二维数组r[i][j]中所有值的异或和；

(4b)重复(4a)共L次，即对二维数组r[i][j]进行L次更新，得到生成的二维数组r[i][j]，其中1≤L≤4。

6.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其中步骤(5)中用二维数组r[i][j]生成64bits的伪随机数，按如下步骤进行：

(5a)用二维数组r[i][j]生成八个8bits的数据，每个数据均为二维数组r[i][j]中若干数据的异或和，即：

第一个8bits数据为：

第二个8bits数据为：

第三个8bits数据为：

第四个8bits数据为：

第五个8bits数据为：

第六个8bits数据为：

第七个8bits数据为：

第八个8bits数据为：

(5b)将生成的八个8bits数据依次输出，得到64bits的伪随机数。

7.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其特征在于：步骤(1)中的六维细胞神经网络，其公式表示如下：

$\left\{\begin{array}{c}{x}_1^{\′}=-x_3-x_4\\ x_2^{\′}=2x_2+x_3\\ x_3^{\′}=14x_1-x_2\\ x_4^{\′}=100x_1-100x_4+100\left(\right|x_4+1|-|x_4-1\left|\right)\\ x_5^{\′}=18x_2+x_1-x_5\\ x_6^{\′}=4x_5-4x_6+100x_2\end{array}\right.$

其中，数据x₁、x₂、x₃、x₄、x₅、x₆是当前时刻值，x₁'、x₂'、x₃'、x₄'、x₅'、x₆'分别是x₁、x₂、x₃、x₄、x₅、x₆的下一时刻值。

8.根据权利要求1所述的基于细胞神经网络的伪随机数生成方法，其特征在于：步骤(2)中的逻辑斯蒂映射，是将当前状态值x_n迭代更新为下一状态值x_n+1：

x_n+1＝λx_n(1-x_n),

其中λ是控制参数，λ∈(0,4)，x_n∈(0,1)。