【技术实现步骤摘要】
本专利技术涉及计算机网络，尤其涉及安全通信方法、系统、设备和介质。
技术介绍
1、随着神经网络应用于越来越复杂的任务，它们经常被训练以满足超出简单功能规范的端到端目标。这些目标包括，例如，生成逼真的图像和解决多智能体问题等。推进这些工作，表明神经网络可以学会保护它们的通信以满足对手的特定政策。
2、传统的机器学习方法，一般都会定义一个什么模型让数据去学习。比如说假设知道原始数据属于高斯分布，只是不知道高斯分布的参数，这个时候定义高斯分布，然后利用数据去学习高斯分布的参数得到最终的模型。再比如说定义一个分类器，比如svm(supportvector machine)，然后强行让数据进行东变西变，进行各种高维映射，最后可以变成一个简单的分布，svm可以很轻易的进行二分类分开，其实svm已经放松了这种映射关系了，但是也是给了一个模型，这个模型就是核映射（什么径向基函数等等）。所有的这些方法都在直接或者间接的告诉数据该怎么映射，只是不同的映射方法能力不一样。
3、许多复杂的加密算法现在广泛用于机密保护例如医疗、金融的信息...
【技术保护点】
1.一种安全通信方法，其特征在于，包括：
2.根据权利要求1所述的安全通信方法，其特征在于，所述采用所述历史通信数据分别对预设非对称神经网络模型和预设对称神经网络模型进行模型训练，构建目标非对称加密模型和目标对称加密模型的步骤，包括：
3.根据权利要求2所述的安全通信方法，其特征在于，所述将所述第二密文和所述第二密文对应的历史密钥输入所述初始非对称加密模型进行解密并进行曼哈顿距离计算，得到所述历史明文对应的非对称解密明文、第一距离值和第二距离值的步骤，包括：
4.根据权利要求2所述的安全通信方法，其特征在于，所述将所述非对称解密明文...
【技术特征摘要】
1.一种安全通信方法，其特征在于，包括：
2.根据权利要求1所述的安全通信方法，其特征在于，所述采用所述历史通信数据分别对预设非对称神经网络模型和预设对称神经网络模型进行模型训练，构建目标非对称加密模型和目标对称加密模型的步骤，包括：
3.根据权利要求2所述的安全通信方法，其特征在于，所述将所述第二密文和所述第二密文对应的历史密钥输入所述初始非对称加密模型进行解密并进行曼哈顿距离计算，得到所述历史明文对应的非对称解密明文、第一距离值和第二距离值的步骤，包括：
4.根据权利要求2所述的安全通信方法，其特征在于，所述将所述非对称解密明文和所述第一密文输入初始对称加密模型进行解密并进行曼哈顿距离计算，得到所述历史明文对应的第三距离值和第四距离值的步骤，包括：
5.根据权利要求2所述的安全通信方法，其特征在于，所述基于所述训练数据进行模型选取，得到目标非对称加密模型和目标对称加密模型的步骤，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。