一种基于神经网络的高一致性物理密钥生成方法技术

本发明专利技术公开了一种基于神经网络的高一致性物理密钥生成方法，该生成方法包括以下步骤：步骤10)：在一无线物理密钥生成模型中，设有一个源节点S、一个目的节点D和一个窃听节点E，所有节点采用TDD方式工作；设在时刻t，源节点S和目的节点D之间的信道系数记为hSD(t)，源节点S和窃听节点E之间的信道系数记为hSE(t)，目的节点D和窃听节点E之间的信道系数记为hDE(t)；步骤20)：获取训练样本；步骤30)：建立神经网络模型；步骤40)：训练参数；步骤50)：生成密钥；步骤60)：进行一致性检验。该方法利用源节点、目的节点探测结果的时间相关性，通过对样本进行训练得到能够进行有效预测的神经网络参数，再利用训练好的神经网络进行物理密钥生成，提高一致性。

A highly consistent physical key generation method based on Neural Network

The invention discloses a high consistency physical key generation method based on neural network, which includes the following steps: Step 10): in a wireless physical key generation model, there is a source node S, a destination node D and a eavesdropping node E, all nodes work in TDD mode; at time t, source The channel coefficients between the node S and the destination node D are recorded as hSD (T), the channel coefficients between the source node S and the eavesdropping node E are recorded as hSE (T), the channel coefficients between the destination node D and the eavesdropping node E are recorded as hDE (T); step 20): step 30): establish the neural network model; step 40): training parameters; step 50): Generate key; step 60): consistency check. This method uses the time correlation of the detection results of the source node and the destination node, and trains the neural network parameters that can be effectively predicted by training the samples, and then uses the trained neural network to generate the physical key, and improves the consistency.

【技术实现步骤摘要】
一种基于神经网络的高一致性物理密钥生成方法
本专利技术属于通信领域，具体来说，涉及一种基于神经网络的高一致性物理密钥生成方法。
技术介绍
寻求一种新的安全技术以弥补现有无线加密机制的不足，实现更高的安全性保证是一个极具研究价值的课题。物理层安全为这一问题的解决开辟了新的路径，其原理是从信息论出发，利用无线信道的物理特性而不是增加计算复杂度来解决通信保密性问题。具体而言，根据对无线信道特性利用方式的不同，物理层安全解决方案可分为以下两大类。第一类，即利用信道差异性构建Wire-tap信道直接进行保密信息的安全传输。基于Wyner提出的Wire-tap窃听信道模型，只要主信道(源节点和目的节点间信道)优于窃听信道(源节点和窃听节点间信道)，源节点和目的节点就可以实现Shannon信息论意义上的绝对安全(亦称为“无条件安全”)。这类方案通常要求源节点同时具备主信道和窃听信道的信道状态信息以便进行安全传输所需的Wyner安全编码，因此在实际场景中其应用受到较大限制。第二类，就是基于无线信道随机动态特性的物理密钥生成方案。从物理特征上看，无线衰落信道呈现出随机动态且唯一的特性。无线信道的唯一性保证了主信道和窃听信道之间必然存在差异，而其随机动态变化特性又使得这一差异能够实时更新。这为利用无线信道物理特性实时生成动态密钥提供了可能。特别是在TDD(TimeDivisionDuplexing，时分双工)系统中，源节点到目的节点的信道与目的节点到源节点的信道之间具有短时互易特性。这意味着合法通信双方能够共享不为窃听节点所知的信道信息(例如信道冲激响应的幅度和相位信息等)。在通信过程中，合法通信双方通过各自独立对主信道进行估计，就能提取出主信道的特征信息，并生成窃听节点无法获知的一致密钥。此密钥为源节点和目的节点所共享且随主信道动态变化，可实现“一次一密”的安全通信。相较于传统密钥体制，基于无线信道物理特性生成的物理密钥具有以下优点：1)在线生成分发。合法通信双方各自独立从信道提取物理密钥，无需另外的密钥分发中心或用户认证中心，避免了传统密钥无线分发过程中的安全性问题。2)实时动态更新。无线信道的随机动态时变特性保证了物理密钥的实时动态更新。这有利于实现“一次一密”，大大提高了无线安全性。例如，在破解KASUMI过程中，先要发送数百万条明文经运营商网络加密，然后截取密文与明文进行比对分析加以破解。如果采用“一次一密”的物理密钥，这种比对分析将是无效的。大致上，物理密钥的生成过程可分为三个阶段：1)通信双方信道探测；2)信道特征提取量化；3)密钥一致性校验。无线信道最基本的特征之一就是信道冲激响应，其幅度、相位的随机变化为在线产生密钥提供了来源。然而，由于源节点、目的节点均工作于TDD模式，不能同时进行无线收发，二者的信道探测存在时延。时延导致了目的节点的探测结果和源节点的探测结果之间存在误差。
技术实现思路
技术问题：本专利技术所要解决的技术问题是：提出一种基于神经网络的高一致性物理密钥生成方法，利用源节点、目的节点探测结果的时间相关性，通过对样本进行训练得到能够进行有效预测的神经网络参数，再利用训练好的神经网络进行物理密钥生成，提高一致性。技术方案：为解决上述技术问题，本专利技术采用的技术方案是：一种基于神经网络的高一致性物理密钥生成方法，该生成方法包括以下步骤：步骤10)：在一无线物理密钥生成模型中，设有一个源节点S、一个目的节点D和一个窃听节点E，所有节点采用TDD方式工作；设在时刻t，源节点S和目的节点D之间的信道系数记为hSD(t)，源节点S和窃听节点E之间的信道系数记为hSE(t)，目的节点D和窃听节点E之间的信道系数记为hDE(t)；步骤20)：获取训练样本；步骤30)：建立神经网络模型；步骤40)：训练参数；步骤50)：生成密钥；步骤60)：进行一致性检验。作为优选例，所述步骤20)包括：受TDD方式限制，源节点S和目的节点D不能同时进行信号收发，故二者交替进行信道探测；设从t1到tn时刻，源节点S通过信道探测得到的幅度值为aS＝[a(t1),a(t2),...,a(tn)]，目的节点D每次信道探测比源节点S延后Δ时刻，得到的幅度值为aD＝[a(t1+Δ),a(t2+Δ),...,a(tn+Δ)]；随后，目的节点D将aD发送给源节点S，供源节点S进行神经网络参数训练；源节点S在进行神经网络训练之前，对(aS,aD)进行归一化处理，得到其中，将作为训练样本。作为优选例，所述步骤30)包括：神经网络模型包括输入层、隐层和输出层，其中，输入层：以即归一化的源节点信道探测结果为输入向量，设输入层神经元个数为q1个；隐层：设隐层神经元个数为q2个，隐层输入向量为α，隐层输出向量为b，隐层阈值向量为γ，输入层和隐层的连接矩阵为V；输出层：输出层神经元个数为1；隐层和输出层的连接向量为w，输出层的输入值为β，输出层阈值为θ，输出层输出为源节点基于得到的关于的预测值；通过神经网络模型，源节点利用自身ti至ti+4时刻的信道探测结果，预测目的节点ti+4+Δ时刻的信道探测结果。作为优选例，所述步骤40)包括：以步骤20)中归一化的信道系数幅度值为训练集，对步骤30)的神经网络模型进行训练；源节点对进行分组，分为n-4组：为第1组，为第2组，……，为第n-4组；源节点将上述分组输入步骤30)建立的神经网络模型中，经隐层计算，对神经网络模型的输出结果去归一化，得到对目的节点t5时刻之后探测结果的预测向量预测值与真实值a(t5+Δ)的差值，即预测误差ξi如式(1)所示：源节点利用梯度下降算法更新神经网络参数V、γ、w和θ，并继续将剩余分组依次输入神经网络，得到对目的节点后续时刻探测结果的预测值及预测误差；所有分组输入完毕，得累积误差E如式(2)所示循环进行上述训练过程，直到累计预测误差的减小值小于0.0001，完成神经网络训练。作为优选例，所述步骤50)包括：源节点、目的节点重新交替对hSD(t)进行探测，获取hSD(t)的幅度值a(t)；目的节点根据自己所得的探测结果aD进行量化得到目的节点物理密钥KD，源节点通过步骤40)训练得到的神经网络基于aS对aD进行预测，再对预测结果进行量化，得到源节点物理密钥KS。作为优选例，所述步骤60)包括：目的节点以KD为输入得到Hash函数值HD，源节点以KS为输入得到Hash函数值HS，目的节点将HD发送给源节点，源节点检验HS是否与HD相等；若相等，则表明源节点、目的节点生成了一致密钥；若不相等，则表明密钥有不一致比特，返回步骤50)，若重新比较HS和HD仍不相等，则返回步骤20)。作为优选例，所述步骤20)中，q1＝5。作为优选例，所述步骤20)中，q2＝10。有益效果：与现有技术相比，本专利技术具有以下有益效果：1.在线生成。通信双方基于对无线信道物理特性的共同观察在线生成物理密钥，无需额外节点进行分发管理。在本专利技术中，合法通信双方各自分别对相互之间的无线信道进行探测，并对信道的观测值进行量化得到物理密钥。在密钥生成过程中，并不需要其它节点的介入和帮助，而是利用无线信道的互易性使双方得到一致密钥。也就是要得到物理密钥，只要双方进行信道探测就可得到，不是其它机构或节点分发的，而是通信双方本文档来自技高网...

【技术保护点】
1.一种基于神经网络的高一致性物理密钥生成方法，其特征在于：该生成方法包括以下步骤：步骤10)：在一无线物理密钥生成模型中，设有一个源节点S、一个目的节点D和一个窃听节点E，所有节点采用TDD方式工作；设在时刻t，源节点S和目的节点D之间的信道系数记为hSD(t)，源节点S和窃听节点E之间的信道系数记为hSE(t)，目的节点D和窃听节点E之间的信道系数记为hDE(t)；步骤20)：获取训练样本；步骤30)：建立神经网络模型；步骤40)：训练参数；步骤50)：生成密钥；步骤60)：进行一致性检验。

【技术特征摘要】
1.一种基于神经网络的高一致性物理密钥生成方法，其特征在于：该生成方法包括以下步骤：步骤10)：在一无线物理密钥生成模型中，设有一个源节点S、一个目的节点D和一个窃听节点E，所有节点采用TDD方式工作；设在时刻t，源节点S和目的节点D之间的信道系数记为hSD(t)，源节点S和窃听节点E之间的信道系数记为hSE(t)，目的节点D和窃听节点E之间的信道系数记为hDE(t)；步骤20)：获取训练样本；步骤30)：建立神经网络模型；步骤40)：训练参数；步骤50)：生成密钥；步骤60)：进行一致性检验。2.按照权利要求1所述的基于神经网络的高一致性物理密钥生成方法，其特征在于：所述步骤20)包括：受TDD方式限制，源节点S和目的节点D不能同时进行信号收发，故二者交替进行信道探测；设从t1到tn时刻，源节点S通过信道探测得到的幅度值为aS＝[a(t1),a(t2),...,a(tn)]，目的节点D每次信道探测比源节点S延后Δ时刻，得到的幅度值为aD＝[a(t1+Δ),a(t2+Δ),...,a(tn+Δ)]；随后，目的节点D将aD发送给源节点S，供源节点S进行神经网络参数训练；源节点S在进行神经网络训练之前，对(aS,aD)进行归一化处理，得到其中，将作为训练样本。3.按照权利要求2所述的基于神经网络的高一致性物理密钥生成方法，其特征在于：所述步骤30)包括：神经网络模型包括输入层、隐层和输出层，其中，输入层：以即归一化的源节点信道探测结果为输入向量，设输入层神经元个数为q1个；隐层：设隐层神经元个数为q2个，隐层输入向量为α，隐层输出向量为b，隐层阈值向量为γ，输入层和隐层的连接矩阵为V；输出层：输出层神经元个数为1；隐层和输出层的连接向量为w，输出层的输入值为β，输出层阈值为θ，输出层输出为源节点基于得到的关于的预测值；通过神经网络模型，源节点利用自身ti至ti+4时刻的信道探测结果，预测目的节点ti+4+Δ时刻的信道探测结果。4.按照权...

【专利技术属性】
技术研发人员：管新荣，蔡跃明，杨炜伟，杨文东，吴丹，石会，王易达，丁宁，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏,32