基于生成对抗网络的抗泄露加密算法研究

摘要：

生成对抗网络(Generative Adversarial Networks,GANs)是一种深度学习模型,通过与辨别模型的对抗获得逐渐完善的生成模型,用以产生真假难辨的数据,而利用生成对抗网络实现加密算法是一个新的研究方向.在16位密钥对称加密方案下,对Abadi等人的基本加密通信模型做了抗泄漏加密通信测试,发现了利用生成对抗网络实现抗泄露加密通信的可能性.对通信双方和敌手的神经网络模型进行了改进,通过修改系统的激活函数,获得3比特密钥泄露情况下的加密算法模型,通过增加解密方和敌手模型的复杂度可提高通信的稳定性.在模型中增加批规格化处理,进一步提升了抗泄露加密通信能力.最终可以在8位泄漏的情况下,保证通信双方正常通信且敌手无法获取秘密信息.为抗泄露加密通信问题提供了一种全新的解决方案,并通过实验证明了方案的可行性.

关键词：抗泄露、生成对抗网络、批规格化、全连接神经网络、卷积神经网络

所属期刊栏目：56

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家自然科学基金61872152,61872409;广东省自然科学基金杰出青年基金2014A030306021;广东省特支计划2015TQ01X796;广州市珠江科技新星项目201610010037

在线出版日期：2020-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74