一种基于对抗样本技术的信息加密和解密方法

1.本发明属于车路协同系统中交通信息交互加密技术领域，具体涉及一种基于对抗样本技术的信息加密和解密方法。


背景技术：

2.交通为我们的日常出行提供了很大的便利，在考虑交通系统中车地无线信息交互的通信安全的可靠和可信，以及运行过程中的无线通信安全性和可信性的性能指标时，控制高可靠性和可信性的无线通信显得越来越重要，在车路协同和无人驾驶系统中无线信息交互的安全性和可靠性同样非常重要。由于神经网络和对抗样本在通信领域的广泛应用，一种基于对抗样本技术的加密技术应用已成为车路协同系统无线交通信息交互的研究重点之一。
3.当前无线通信网络主要采用基于对称/非对称密钥的分发和管理，通过加密和认证的方式保证数据的安全，关键在于如何实现密钥的分发和管理。
4.现有解决方法主要采用事先约定同一个密钥的方式。但事先约定的密钥分发方式存在严重的安全隐患，可通过网络攻击等方式来盗取密钥。并且只用一个密钥的话，大大降低了通信的安全性。


技术实现要素：

5.为了克服上述现有技术存在的不足，本发明提供了一种基于对抗样本技术的信息加密和解密方法。
6.为了实现上述目的，本发明提供如下技术方案：
7.一种基于对抗样本技术的信息加密和解密方法，包括：
8.利用bp神经网络和对抗样本，构建加密秘钥；
9.采用加密秘钥对交通中需要传输的明文信号数据进行加密，将加密后的文本和加密秘钥传送给接收方；
10.接收方利用加密秘钥对加密后的文本进行解密，得到解密后的文本信息；
11.其中，所述加密秘钥的表达式为：
[0012][0013]
式中，xp为加密秘钥，sign()为符号函数，为神经网络的梯度，α为学习率，x为原始需要加密的信息，f1(x)为bp为神经网络的输出值，y为对抗样本的目标值。
[0014]
进一步，所述bp神经网络的训练方法包括：
[0015]
设定一组二进制数，将其进行标注，作为标注组；
[0016]
将标注组作为输入层输入所述bp神经网络中，当所述bp神经网络的输出结果与标注内容相同时，结束网络训练。
[0017]
进一步，所述bp神经网络的构建方法包括：
[0018]
建立神经网络模型f；
[0019]
确定输入层和输出层节点；
[0020]
确定激励函数。
[0021]
进一步，所述bp神经网络的输入层节点数为16位二进制数据；输出节点数为2位二进制数据。
[0022]
进一步，所述bp神经网络的激励函数为：
[0023][0024]
其中，f(x)为激励函数，x为需要加密的信息。
[0025]
进一步，所述利用加密秘钥对明文信号数据进行加密的算法为：
[0026]
x
en
＝x+x
p
[0027]
其中，x
en
为加密后的数据，x为原数据，x
p
为加密秘钥。
[0028]
进一步，所述解密过程的算法为：
[0029]
x
de
＝x
en-x
p
[0030]
其中，x
de
为解密后的数据，x
en
为加密后的数据，x
p
为加密秘钥。
[0031]
本发明提供的一种基于对抗样本技术的信息加密和解密方法具有以下有益效果：
[0032]
本发明方法利用神经网络和对抗样本生成加密秘钥和加密秘钥；将交通中需要传输的明文信号数据通过加密秘钥进行加密，生成密文；密文接收方使用加密秘钥按照解密算法对接收到的密文进行解密，得到明文信号数据。通过本发明可以实现对车路协同系统的信息交互的安全加密，且通过对抗样本技术加密，提高了信息交互的可信传输，全面保障了交通无线信息交互的可信性。
附图说明
[0033]
为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]
图1是本发明实施例的一种基于对抗样本技术的信息加密处理和解密处理方法流程图；
[0035]
图2是本发明实施例的密钥生成流程图；
具体实施方式
[0036]
为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0037]
实施例：
[0038]
本发明提供了一种基于对抗样本技术的信息加密和解密方法，具体如图1所示，包括：利用bp神经网络和对抗样本，构建加密秘钥；采用加密秘钥对交通中需要传输的明文信号数据进行加密，将加密后的文本和加密秘钥传送给接收方；接收方利用加密秘钥对加密后的文本进行解密，得到解密后的文本信息；
[0039]
其中，加密秘钥的表达式为：
[0040][0041]
式中，xp为加密秘钥，sign()为符号函数，为神经网络的梯度，α为学习率，x为原始需要加密的信息，f1(x)为bp为神经网络的输出值，y为对抗样本的目标值。
[0042]
具体的，bp神经网络的训练方法包括：
[0043]
设定一组二进制数，将其进行标注，作为标注组；将标注组作为输入层输入bp神经网络中，当bp神经网络的输出结果与标注内容相同时，结束网络训练。
[0044]
本发明中，利用神经网络和对抗样本生成加密秘钥和加密秘钥，具体步骤为：
[0045]
1)：建立神经网络模型f；
[0046]
2)：在神经网络模型的输出端口构建基于对抗样本算法的信息加密机制，共同组成加密秘钥；
[0047]
进一步的，步骤2)所述的建立共包含2层全连接层的神经网络模型f，具体步骤为：
[0048]
2.1)输入层和输出层节点确定
[0049]
输入层节点数为16位二进制数据；输出节点数为2位二进制数据；
[0050]
2.2)激励函数的确定
[0051][0052]
具体的，步骤2)的在感知器模型的输出层进行对抗样本技术处理，生成对抗样本密钥，具体步骤为：
[0053]
3.1)获取神经网络的网络参数；
[0054]
3.2)计算损失函数l；
[0055]
3.3)获取加密秘钥数据。
[0056]
以下为本发明具体实施过程：
[0057]
(1)：获取需要加密传输的明文信号数据，记信息传输设备的n次明文信号数据为l1，
…
，ln；
[0058]
(2)：利用神经网络和对抗样本构建加密秘钥；
[0059]
(3)：将明文信号数据通过加密秘钥进行加密，生成密文，发送方对l1至ln中的编码信息进行加密，得到s＝s1...，si，...，sn；
[0060]
(4)密文接收方使用加密秘钥对接收到的l1至ln的所有加密密文进行解密，得到明文信号数据w＝w1，...，wn；
[0061]
通过上述步骤，得到信息的加密和解密信息，解决了现有技术中，通过特定的一次密钥进行信息的加密，导致密钥被破解的问题。
[0062]
下面结合一个具体的可选实施例进行说明。
[0063]
(一)：获取需要加密传输的明文信号数据，信息发送方采集信息传输设备的100次信息，记为l1，...，l
100
，共产生数据如下：
[0064][0065]
(二)：利用神经网络和对抗样本构建加密秘钥；
[0066]
(1)建立神经网络模型f；
[0067]
(2)输入层和输出层节点确定
[0068]
输入层节点数为16位二进制数据；输出节点数为2位二进制数据；
[0069]
(3)激励函数的确定
[0070][0071]
(4)获取神经网络f的网络参数；
[0072]
(5)计算损失函数l＝0.9995；
[0073]
(6)按照如下公式生成对抗样本加密秘钥：
[0074][0075]
得到加密秘钥：
[0076][0077]
(三)将明文信号数据通过加密秘钥进行加密，生成密文，具体步骤为：
[0078]
按照如下公式得到加密信息：
[0079]
x
en
＝x+x
p
[0080]
得到加密数据：
[0081][0082]
(四)：接收方对l1至l
100
的所有加密信息进行数据解密处理，得到解密信息w＝w1，...，w
100
，具体步骤为：
[0083]
(1)获取加密模型产生的对抗样本密钥x
p
：
[0084][0085]
(2)将加密信息与对抗样本密钥相减，得到解密信息，按照如下公式进行：
[0086]
x
de
＝x
en-x
p
[0087]
得到解密数据x
de
[0088][0089]
以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。