基于RBF神经网络和混沌映射的Hash函数构造

单向Hash函数在数字签名、身份认证和完整性检验等方面得到广泛的应用，也是现代密码领域中的研究热点。本文中，首先利用神经网络来训练一维非线性映射产生的混沌序列，然后利用改序列构造带秘密密钥的Hash函数，该算法的优点之一是神经网络隐藏混沌映射关系使得直接获得映射变得困难。模拟实验表明该算法具有很好的单向性、弱的碰撞性，较基于传统的Hash函数具有更强的保密性且实现简单。     

基于非线性数字滤波器的混沌Hash函数设计

在分析变系数非线性数字滤波器的混沌特性的基础上,提出一种带密钥的混沌Hash构造方法.首先构建能产生高维混沌序列的非线性数字滤波器;然后通过混沌调制方式将明文信息注入滤波器均匀分布的混沌轨迹中;最后以扰动映射和滤波器的初态作为密钥,以轨迹的粗粒化量化形成明文的Hash值.研究表明,该算法简单快速,比基于单一混沌映射的Hash算法安全性更高;同时,滤波器结构中没有复杂的浮点运算,比一般复合混沌系统更易于软硬件实现.     

复合离散混沌动力系统与Hash函数

在对一般的复合离散混池系统和一个由两个混池映射构成的特殊复合离散混池系统进行初步分析的基础上，建立了一个基于复合离散混池系统的带秘密密钥的Hash算法。算法以迭代初始点作为秘密密钥，以粗粒化的迭代轨迹作为其Hash值。该带秘密密钥的Hash函数满足一定的安全性要求，并且算法简单快速。     

网络环境下地图的混沌加密实用算法

针对地图的存储特性，提出了一个混沌序列加密算法．该算法首先用单向Hash函数把密钥散列为混沌映射的迭代初值，混沌序列经过数次迭代后才开始取用；然后将迭代生成的混沌序列值映射为ASCII码后与地图数据逐字节进行异或运算．考虑到实际计算中的有限精度效应，随步长改变混沌映射参数．采用实际的地图数据，经与DES及A5算法的比较表明，该算法效率高、保密性好、使用简单。     

基于神经网络的混沌加密算法

首先用神经网络来训练已知混沌序列,并利用该模型产生的非线性序列实现了明文、密文之间的转换,该算法的优点之一是神经网络（NN）隐式混沌映射关系使直接获取映射关系变得困难,经理论分析选择了较好的神经网络学习方法,实验进一步表明,该算法产生的序列随机性、抗破译性能良好;加密弹性大,可扩展性好;加密速度快。     

数字签名技术中混沌哈希函数的构造与分析

为了解决现有的基于混沌的Hash函数构造方法中存在的问题,提高Hash函数的性能,提出了一种用于数字签名技术的时空混沌Hash函数构造方法。该方法将交叉耦合映象格子和扩展帐篷映射相结合的混沌系统作为主模块,并利用logistic映射构造密钥生成器。实验表明,该方案很好地达到了Hash函数的各项性能要求,安全性能良好,执行效率高,并具有可扩展性,具有成为一种安全实用的单向Hash函数的潜力。     

基于双混沌动态参数的单向散列算法

结合双混沌系统以及传统散列函数的优点,提出一种新的带密钥单向散列函数的构造方法。该方法将帐篷映射和Logistic混沌映射结合组成双混沌系统生成混沌序列,作为动态参数代替传统散列算法中的固定参数参与轮函数的运算并生成散列摘要。结果表明,所提方法具有较大的密钥空间,很好的单向性,初值和密钥敏感性。     

基于时空混沌系统构造Hash函数

提出一种基于时空混沌系统的单向Hash函数构造方法．该方法通过使用单向耦合映射格子和基于迭代Logistic映射的初始状态生成函数实现明文和密钥信息的混淆和扩散，并基于密码块连接方式产生任意长度明文的128位Hash值．理论分析和实验表明，提出Hash函数满足Hash函数所要求的单向性、初值以及密钥敏感性和抗碰撞性等安全性能要求．     

基于神经网络模型的双混沌 Hash 函数构造

高效快速的单向Hash函数是当前安全技术研究的热点。文章采用神经网络结构构造了一种Hash函数,由Logistic映射和Chebyshev映射结合起来的双混沌系统产生该神经网络的参数,将明文信息逐块进行处理,并最终通过异或产生128 bit的Hash值。经实验数据和仿真分析可知:文章提出的方案满足单向Hash函数所要求的混乱和置换特性,并且具有很好的弱碰撞性和初值敏感性;另外,该方案结构简单容易实现。     

基于连续混沌系统和Hash函数的图像加密算法

给出了一个基于多维连续混沌系统和Hash函数的图像加密算法。该算法利用抽取后的混沌信号及两个Hash函数得到图像加密的行列变换序列和置乱矩阵。理论分析和模拟实验结果表明，该方案密钥空间大，加密图像对密钥敏感，加密效果良好，并且可以实现类似于“一次一密“的加密目标，算法安全性较高。     

Parallel chaotic Hash function construction based on cellular neural network

A new parallel chaotic Hash function, based on four-dimensional cellular neural network, is proposed in this paper. The message is expanded by iterating chaotic logistic map and then divided into blocks with a length of 512 bits each. All blocks are processed in a parallel mode, which is one of the significant characteristics of the proposed algorithm. Each 512-bit block is divided into four 128-bit sub-blocks, each of which is further separated into four 32-bit values and then the four values are mixed into four new values generated by chaotic cat map. The obtained four new values are performed by the bit-wise exclusive OR operation with four initial values or previously generated four values, and then, they are used as the inputs of cellular neural network. By iterating cellular neural network, another four values as the middle Hash value are generated. The generated values of all blocks are inputted into the compression function to produce the final 128-bit Hash value. Theoretical analysis and computer simulation indicate that the proposed algorithm satisfies the requirements of a secure Hash function.     

混沌序列构造方法研究

针对扩频通信中运用神经网络方法产生的混沌序列性能难以调整的问题 ,提出并设计由遗传算法搜索调整系统适配参数的神经模糊推理系统 (ANFIS)生成混沌序列。在该系统训练的过程中 ,将其产生的序列的Lyapunov指数与平衡性、自(互 )相关性、数量的加权平均函数作为适应度函数 ,通过遗传算法调整系统参数 ,产生出符合扩频通信应用要求的混沌序列。通过计算机仿真试验 ,并与Logistic混沌映射 (教师值 )相比较 ,结果表明该方法能产生出随机性能良好的混沌序列 ,适合于CDMA系统中的多用户通信     

混沌RBF神经网络异常检测算法

针对传统神经网络异常检测算法的准确率问题,文中将混沌和RBF（Radial Basis Function）神经网络相结合,既可利用混沌的随机性、初值敏感性等特点,也可发挥RBF神经网络大规模并行处理、自组织自适应性等功能。文中对混沌时间序列进行相空间重构得到相空间向量,作为RBF神经网络的输入,通过RBF神经网络构建电力负荷序列的拟合函数,在此基础上进一步预测,比较预测值与真实值的偏差,从而判断检测信号是否为异常信号。实验结果表明,该方法相对其他算法预测精度更高,具有较好的异常检测能力。     

基于离散曲波变换的图像Hash算法

为了提高图像Hash算法的鲁棒性,提出一种新的基于离散曲波变换的图像Hash算法。该算法首先对图像预处理,再进行基于“打包”的快速离散曲波变换,提取出包含图像主要特征的曲波低频系数和边缘信息较丰富的细节2层系数作为特征向量;然后用Logistic方程对特征向量加密;最后进行量化压缩得到图像Hash序列。实验结果表明,该算法与已有传统算法相比,具有更高的鲁棒性;能有效区分不同图像,具有易碎性;混沌系统的引入使算法具有安全性。     

A new image encryption algorithm based on heterogeneous chaotic neural network generator and dna encoding

This paper presents a new combined neural network and chaos based pseudo-random sequence generator and a DNA-rules based chaotic encryption algorithm for secure transmission and storage of images. The proposed scheme uses a new heterogeneous chaotic neural network generator controlling the operations of the encryption algorithm: pixel position permutation, DNA-based bit substitution and a new proposed DNA-based bit permutation method. The randomness of the generated chaotic sequence is improved by dynamically updating the control parameters as well as the number of iterations of the chaotic functions in the neural network. Several tests including auto correlation, 0/1 balance and NIST tests are performed to show high degree of randomness of the proposed chaotic generator. Experimental results such as pixel correlation coefficients, entropy, NPCR and UACI etc. as well as security analyses are given to demonstrate the security and efficiency of the proposed chaos based genetic encryption method.     

A novel Hash algorithm construction based on chaotic neural network

An algorithm for constructing a one-way novel Hash function based on two-layer chaotic neural network structure is proposed. The piecewise linear chaotic map (PWLCM) is utilized as transfer function, and the 4-dimensional and one-way coupled map lattices (4D OWCML) is employed as key generator of the chaotic neural network. Theoretical analysis and computer simulation indicate that the proposed algorithm presents several interesting features, such as high message and key sensitivity, good statistical properties, collision resistance and secure against meet-in-the-middle attacks, which can satisfy the performance requirements of Hash function.     

基于混沌神经网络的图像复原算法

文章提出了一种基于混沌神经网络的图像复原新算法。在对退化图像进行复原的过程中,针对Hopfield算法易于陷入局部极小的缺点,在Hopfield神经网络中引入暂态混沌和时变增益,充分利用混沌理论的全局搜索性能进行＂粗＂搜索,当搜索到全局最优解附近时,再利用Hopfield算法进行局部搜索。通过对图像复原后的效果进行比较,证明基于混沌神经网络方法得到的图像复原的信噪比更高,目视效果更加。