基于脑电信号的双混沌加密方法、系统及存储介质技术方案

本发明专利技术属于混沌加密技术领域，尤其涉及基于脑电信号的双混沌加密方法、系统及存储介质，将脑电数据中的时域特征、频域特征以及多域特征进行处理后，作为混沌加密模型中PLCM映射的初始值和结构参数以及LTM映射的结构参数，经过模型的迭代运转后，输出的随机混沌序列进行阈值判断，生成加密二进制序列，将加密二进制序列与明文的序列进行逐位异或操作，即可完成明文的加密。本发明专利技术能够实现一种能够满足高数据加密强度要求的轻量级数据加密方法，满足电子医疗服务加密需求。满足电子医疗服务加密需求。满足电子医疗服务加密需求。

【技术实现步骤摘要】
基于脑电信号的双混沌加密方法、系统及存储介质


[0001]本专利技术属于混沌加密
，尤其涉及基于脑电信号的双混沌加密方法、系统及存储介质。

技术介绍

[0002]在无线人体局域网中，能够通过传感器设备获取人体的脑电信息、心电信息和肌电信息等，而脑电信息在申请人的研究下，得到脑电信息是以电的形式客观的反映了人类大脑皮层的神经活动，其特征是非平稳的、较大个差异的和混沌的，蕴含着巨大不确定性，常用于情绪识别、癫痫检测和辅助驾驶中，而脑电的自然特征还体现在同一个人在同一场景和同一刺激下的脑电会随着时间的推移而表现出不同的行为，同时每个人在同一场景和同一刺激下的脑电也具有巨大的差异，因此，申请人在研究中尝试将其应用至加密学中。
[0003]目前的加密学中，混沌系统因为表现出极度敏感依赖于初始条件的非线性动力学系统，因此可以用于生成伪随机数序列，具有高度不可预测性；而将脑电信号与混沌系统进行结合的应用较少，尤其是在电子医疗服务中，目前尚无较成熟的使用，因此，需要进一步进行研究。

技术实现思路

[0004]本专利技术所解决的技术问题在于提供一种基于脑电信号的双混沌加密方法、系统及存储介质，以实现一种能够满足高数据加密强度要求的轻量级数据加密方法，满足电子医疗服务加密需求。
[0005]本专利技术提供的基础方案：基于脑电信号的双混沌加密方法，包括：
[0006]S1：通过EEG通道获取脑电原始数据，并将脑电原始数据进行特征提取，生成原始时域特征和原始频域特征；
[0007]S2：构建深度自编码器和解码器，将生成的原始时域特征和原始频域特征分别输入至深度自编码器中，输出深度时域特征和深度频域特征，并将深度时域特征和深度频域特征通过解码器解码，输出可读取的时域特征和频域特征；
[0008]S3：将可读取的时域特征和频域特征进行级联层合并生成多域特征，将多域特征输入至深度自编码器中，输出深度多域特征，并将深度多域特征通过解码器解码，输出可读取的多域特征；
[0009]S4：根据PLCM映射和LTM映射构建混沌加密模型，对时域特征、频域特征和多域特征进行预处理后，将时域特征作为PLCM映射的初始值，将频域特征作为PLCM映射的结构参数，将多域特征作为LTM映射的结构参数，并通过混沌加密模型进行迭代操作，输出加密序列流；
[0010]S5：将加密序列流与待加密的明文进行逐位异或操作，输出密文序列流。
[0011]进一步，所述S1包括：
[0012]S1
‑
1：从数据库中调取EEG，并选取预设EEG通道的数据作为脑电原始数据，所述脑
电原始数据定义为：
[0013]x∈R
s
×
c
×
f
[0014]其中，s表示采样点数，c表示拾取的信道，f表示采样点数，R表示实数集；
[0015]S1
‑
2：根据脑电原始数据进行时域特征向量提取，获取原始时域特征，所述原始时域特征表达式为：
[0016]x
t
∈R
s
×
c
×
t
[0017]其中，t表示时域特征向量的长度；
[0018]S1
‑
3：根据脑电原始数据按照预设的频段进行特征提取，获取原始频域特征，所述原始频域特征表达式为：
[0019]x
f
∈R
s
×
c
×
p
[0020]其中，p表示频段。
[0021]进一步，所述时域特征向量包括时间序列的能量、均值、标准差、一阶差分、归一化一阶差分、二阶差分、归一化二阶差分、移动性和复杂性；所述频段包括与无意识思维相关的1～3Hz频段、在无意识思维中起重要作用的4～7Hz频、与放松的精神状态相关的8～13Hz频段、与活跃的精神相关的14～30Hz频段以及与注意力和学习过程相关的30～50Hz频段。
[0022]进一步，所述S2包括：
[0023]S2
‑
1：构建深度自编码器和解码器；
[0024]S2
‑
2：将原始时域特征和原始频域特征分别输入深度自编码器中，通过深度自编码器中的全连接层输出深度时域特征和深度频域特征，并通过解码器对深度时域特征和深度频域特征进行解码，输出时域特征和频域特征，计算公式为：
[0025]h
t
＝E(x
t
)
[0026]h
f
＝E(x
f
)
[0027]x
t
＝D(E(x
t
))
[0028]x
f
＝D(E(x
f
))
[0029]其中，E()和D()分别表示编码操作和解码操作，h
t
表示深度时域特征，h
f
表示深度频域特征。
[0030]进一步，所述S3包括：
[0031]S3
‑
1：将解码器解码的时域特征和频域特征进行级联层合并生成多域特征，计算公式为：
[0032]x
m
＝contact(h
t
,h
f
)
[0033]其中，x
m
表示多域特征；
[0034]S3
‑
2：将多域特征输入深度自编码器中输出深度多域特征，计算公式为：
[0035]h
m
＝E(x
m
)
[0036]其中，h
m
表示深度多域特征；
[0037]S3
‑
3：将深度多域特征通过解码器解码，输出可读取的多域特征，计算公式为：
[0038]x
m
＝D(E(x
m
))
[0039]其中，x
m
表示多域特征。
[0040]进一步，所述S4包括：
[0041]S4
‑
1：对可读取的时域特征、频域特征和多域特征进行归一化处理，计算公式为：
[0042][0043]其中，X
i
表示归一化前的第i个样本，X
min
表示该特征的最小值，X
max
表示该特征的最大值；
[0044]S4
‑
2：将归一化处理后的时域特征作为PLCM映射的初始值，频域特征作为PLCM映射的结构参数以及多域特征作为LTM映射的结构参数；
[0045]S4
‑
3：通过PLCM映射迭代得到一个随机序列，所述随机序列的范围为(0，1)，并将PLCM映射迭代的前20次舍弃，将第21次的迭代值作为LTM映射的初始值，并设定LTM映射迭代的次数，当未达到LTM映射指定的迭代次数时，PLCM映射迭代一次生成的迭代值作为LTM映射的下一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于脑电信号的双混沌加密方法，其特征在于：包括：S1：通过EEG通道获取脑电原始数据，并将脑电原始数据进行特征提取，生成原始时域特征和原始频域特征；S2：构建深度自编码器和解码器，将生成的原始时域特征和原始频域特征分别输入至深度自编码器中，输出深度时域特征和深度频域特征，并将深度时域特征和深度频域特征通过解码器解码，输出可读取的时域特征和频域特征；S3：将可读取的时域特征和频域特征进行级联层合并生成多域特征，将多域特征输入至深度自编码器中，输出深度多域特征，并将深度多域特征通过解码器解码，输出可读取的多域特征；S4：根据PLCM映射和LTM映射构建混沌加密模型，对时域特征、频域特征和多域特征进行预处理后，将时域特征作为PLCM映射的初始值，将频域特征作为PLCM映射的结构参数，将多域特征作为LTM映射的结构参数，并通过混沌加密模型进行迭代操作，输出加密序列流；S5：将加密序列流与待加密的明文进行逐位异或操作，输出密文序列流。2.根据权利要求1所述的基于脑电信号的双混沌加密方法，其特征在于：所述S1包括：S1
‑
1：从数据库中调取EEG，并选取预设EEG通道的数据作为脑电原始数据，所述脑电原始数据定义为：x∈R
s
×
c
×
f
其中，s表示采样点数，c表示拾取的信道，f表示采样点数，R表示实数集；S1
‑
2：根据脑电原始数据进行时域特征向量提取，获取原始时域特征，所述原始时域特征表达式为：x
t
∈R
s
×
c
×
t
其中，t表示时域特征向量的长度；S1
‑
3：根据脑电原始数据按照预设的频段进行特征提取，获取原始频域特征，所述原始频域特征表达式为：x
f
∈R
s
×
c
×
p
其中，p表示频段。3.根据权利要求2所述的基于脑电信号的双混沌加密方法，其特征在于：所述时域特征向量包括时间序列的能量、均值、标准差、一阶差分、归一化一阶差分、二阶差分、归一化二阶差分、移动性和复杂性；所述频段包括与无意识思维相关的1～3Hz频段、在无意识思维中起重要作用的4～7Hz频、与放松的精神状态相关的8～13Hz频段、与活跃的精神相关的14～30Hz频段以及与注意力和学习过程相关的30～50Hz频段。4.根据权利要求3所述的基于脑电信号的双混沌加密方法，其特征在于：所述S2包括：S2
‑
1：构建深度自编码器和解码器；S2
‑
2：将原始时域特征和原始频域特征分别输入深度自编码器中，通过深度自编码器中的全连接层输出深度时域特征和深度频域特征，并通过解码器对深度时域特征和深度频域特征进行解码，输出时域特征和频域特征，计算公式为：h
t
＝E(x
t
)h
f
＝E(x
f
)x
t
＝D(E(x
t
))
x
f
＝D(E(x
f
))其中，E(...

【专利技术属性】
技术研发人员：王骏超，艾佳，冯俊东，李方洁，曾骐，
申请(专利权)人：重庆大学，
类型：发明
国别省市：