一种基于神经网络的Hash函数算法研究

如何设计高效、安全的带秘密密钥的单向函数一直是现代密码学研究中的一个热点。首先用神经网络来训练一维非线性分段映射产生混沌序列,并利用该模型产生的非线性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式混沌映射关系使直接获取映射关系变得困难,实验结果表明,这种算法具有对初值有高度敏感性、很好的单向性、弱碰撞性,较基于单一混沌映射的Hash函数具有更强的保密性能,且实现简单。     

混沌伪随机序列发生器设计与分析

对区间数目参数化分段线性混沌映射（SNP-PLCM）的密码学特性进行详细分析,并以此为基础,提出了一种基于区间数目参数化分段线性混沌映射的伪随机序列发生器。该发生器同时利用控制参数扰动策略和输出序列扰动策略避免数字化混沌系统的动力学特性退化。理论分析和仿真实验结果表明,该算法产生的伪随机序列具有理想的性能。     

一种基于混沌系统的快速序列密码算法

提出一种基于混沌系统和非线性移位寄存器的快速序列密码算法.该算法利用混沌序列初始化非线性移位寄存器（NFSR）和构造非线性移位寄存器的更新函数,非线性移位寄存器每循环一次输出32 bit密钥流.在NFSR的更新函数中,每输出216bit密钥流混沌Sk（.）盒动态更新一次,也就是混沌系统迭代512次可以连续输出216bit密钥流.对输出的密钥流性能进行数值分析和实验,并对算法的安全性进行分析.结果表明：用该方法可以得到独立、均匀和长周期的密钥流序列,同时可以有效地克服混沌序列在有限精度实现时出现短周期和NLFSR每循环1次输出1 bit密钥流的低效率问题.     

一种基于混沌神经网络的序列密码算法

混沌序列具有带宽大、类噪声、难于预测和重构等特点，因而非常适用于网络通信和数据加密。本文结合神经网络和混沌映射的特点，提出了一种基于混沌神经网络和混沌映射序列密码的设计方法，该方法可以克服有限精度效应对混沌系统的影响，从而改善混沌序列特性，理论和实验结果表明：在有限精度实现下，该方法可以有效提高混沌系统的复杂性和随机性，并且算法安全性高、运算速度快，并且便于软硬件的实现。