移动办公数据多层混沌序列加密方法仿真

陈 鑫,顾炜江

(南京林业大学,江苏 南京 210037)

1 引言

在网络技术和计算机技术不断进步的背景下,人们逐渐开始使用计算机办公和通讯,计算机可以实现用户之间的信息沟通和共享[1],移动办公逐渐成为主流趋势,计算机中的办公数据日益增多,由此引发了一些问题和安全隐患,如一些非法分子通过一些手段偷袭和盗取网络信道中传输的移动办公数据,造成了严重的损失。在数据安全性无法得到保证的环境下,研究移动办公数据加密方法具有重要意义[2]。

牛淑芬等人[3]提出区块链上基于云辅助的密文策略属性基数据共享加密方法,针对待加密数据,通过属性加密技术加密对称密钥,并在云服务器中存储对称密钥,引入可搜索加密方法加密数据中存在的关键字,并在区块链中嵌入关键字密文,实现数据加密,该方法生成的密文置乱性较低,加密后的数据安全性较差。朱鹏等人[4]提出基于区块链的社交网络隐私数据保护方法,分类处理需要加密的数据,建立Hash函数匿名化处理分类后的数据,并通过非对称加密算法加密处理数据,通过python模拟建立区块链,实现数据的加密保护,该方法生成密文所需的时间较长,进而延长了数据加密时间,存在加密效率低的问题。

为了解决上述方法中存在的问题,提出基于混沌序列的移动办公数据多层加密方法,该方法利用混沌序列对移动办公数据展开双层加密,以此提高数据的安全性,增强移动办公数据的加密效果。

2 方法

2.1 移动办公数据预处理

为了提高移动办公数据的安全性,需要对其去噪处理。通过结合独立分量分析方法[5-6]和经验模态分解方法消除移动办公数据中存在的噪声数据。

用X=[x1,x2,…,xm]T表示m维的移动办公数据,由n个独立的分量d=[d1,d2,…,dn]T经线性混叠获得:

(1)

式中,sij代表的是混合系数,用矩阵X=Sd描述上式,其中S代表的是混合矩阵。观测信号模型在日常应用过程中会受到噪声的干扰,建立移动办公数据加噪模型:

X=Sd+o

(2)

式中,向量o由噪声构成。在加噪模型的基础上通过下式描述存在噪声的移动办公数据x0:

(3)

式中,si代表的是噪声oi对应的权重;s0描述的是有用数据d对应的权重。为了处理含噪移动办公数据,需要将一维移动办公数据通过虚拟观测通道转变为多维数据。用O=[o1,o2,…,om]T表示移动办公数据中存在的虚拟噪声,建立标准独立分量模型X:

(4)

分析上述过程可知,建立虚拟通道是移动办公数据去噪的关键。采用经验模态分解方法[7-8]分解处理移动办公数据X:

(5)

式中,ri代表的是余项;IMFi描述的是分解得到的固有模态分量。计算上式分解得到的IMFi对应的时频谱,设置互相关系数T(d,IMFi),分析有用数据d与固有模态分量IMFi之间的关系:

(6)

式中,cov(a,b)描述的是a、b的协方差,根据互相关系数T(d,IMFi)将噪声o从移动办公数据中分离出来:

(7)

2.2 混沌序列设计

采用混沌序列对移动办公数据加密的具体过程如下:

1)根据保守混沌系统的初始值获取移动办公数据的混沌序列,将扰动引入移动办公数据的混沌序列中,获得多个混沌序列[9-10],采用主成分分析方法对混沌序列降维处理,获得移动办公数据的第一主成分混沌序列Rd。

2)在移动办公数据的三维Arnold变换过程中,通过混沌序列对参数控制,加密处理符号矩阵。

3)建立Frank矩阵,完成移动办公数据的加密处理。

通过下述公式表示保守混沌系统:

(8)

式中,P代表的是控制参数;dx、dy、dz代表的是混沌系统参数x、y、z的微分。

混沌系统在移动办公数据加密过程中容易受到多种因素的影响,导致混沌迭代数值在此条件下的差异性较小,进而引发移动办公数据发生退化现象,在此背景下移动办公数据容易受到外来攻击。因此引入主成分分析方法[11-12]处理混沌序列。

混沌序列的降维过程可表示为Γ:Rd→G,其中Γ代表的是映射操作;G描述的是移动办公数据的特征空间,主成分分析方法对移动办公数据降维处理的过程主要分为以下两个部分:

1)d维移动办公数据在映射Γ1:Rd→Rm的基础上转变为m维数据;

2)建立移动办公数据的特征空间,对m维移动办公数据展开Γ2:Rm→G映射处理,将数据通过映射存储到特征空间G中,在此基础上估计特征空间G中存在的原始移动办公数据。

采用主成分分析方法降维处理混沌序列的具体过程如下:

1)用d×N型矩阵U描述混沌序列:

(9)

5)采用最小化对比函数根据对比函数V(E)和核函数K(x,y)搜索解混矩阵E。

6)在矩阵E的基础上,获得降维后的混沌序列Xn、Yn、Zn:

(10)

式中,n代表的是保守混沌序列对应的索引;XP表示PCA变换;xn、yn、zn代表的是上述过程获取的不同保守混沌序列;d描述的是混沌相空间对应的维数;υ描述的是延迟时间。

将主成分分析法引入移动办公数据加密过程中,选取移动办公数据的最大特征值,获得其第一主成分。通过上述过程获得的第一主成分加密处理移动办公数据。

2.3 移动办公数据第一层加密

根据上述处理结果,采用三维Arnold映射加密方法[13]在保守混沌序列的基础上对移动办公数据展开第一层加密:

1)在混沌系统中P/S转换以及QAM映射处理移动办公数据,并将子载波分配给数据,获得OFDM信号。

2)排列子载波对应的QAM符号,获得一个平面,将频率从低到高的顺序排序N个子载波,建立三维空间矩阵,在Z轴中排列OFDM信号。

3)针对三维Arnold变换过程中存在的控制变量,利用上述过程获取的保守混沌序列代替,并置乱处理三维OFDM信号[14]。

Arnold变换属于保面积变换,可重新排列矩阵中存在的点。三维Arnold变换过程可描述为:

(11)

式中,a、b、c、d代表的是不同的控制变量;(x,y,z)表示数据对应的坐标;(x′,y′,z′)描述的是经过变换后数据对应的坐标。

为了提高移动办公数据的安全性,需要加密处理上述三维Arnold变换过程中存在的参数a、b、c。

2.4 移动办公数据第二层加密

在上述加密的基础上采用混沌Frank矩阵对移动办公数据第二层加密处理。Frank矩阵的弱互相关性和自相关性优异,属于恒包络自相关序列。可通过下式描述Frank序列:

(12)

式中,t表示加密时间;l表示数据长度;Z代表的是序列的长度,通过上式生成Frank序列g={g1,…,gZ}。在g={g1,…,gZ}序列的基础上建立矩阵时,通过混沌序列控制方法[15-16]抽取Frank序列的起点Wy,n,以此提高移动办公数据在传输过程中的安全性:

Wy,n=mod[Xceil(Un×108),Z]

(13)

式中,Xceil代表的是取整函数。通过上述方法在Frank序列中抽取元素,获得H×W混沌Frank矩阵G:

(14)

各个向量之间在Frank矩阵中具有较强的正交性,因此混沌Frank矩阵中具有逆矩阵,该性质可确保加密后的移动办公数据被用户正确破解,获得原始数据,实现移动办公数据的多层加密。

3 实验与分析

为了验证基于混沌序列的移动办公数据多层加密方法的整体有效性,需要对其展开测试。

采用基于混沌序列的移动办公数据多层加密方法、区块链上基于云辅助的密文策略属性基数据共享加密方法(参考文献[3]方法)和基于区块链的社交网络隐私数据保护方法(参考文献[4]方法)对移动办公数据展开加密测试,三种方法加密后的密文位数如图1所示。

图1 不同方法的密文位数

由图1可知,采用所提方法对移动办公数据加密后,密文的位数变化不存在规律,而参考文献[3]方法和参考文献[4]方法生成的密文位数存在一定的规律。对比所提方法、参考文献[3]方法和参考文献[4]方法的测试结果可知,所提方法生成的密文具有较高的置乱性,表明所提方法具有良好的加密效果。

在上述测试的基础上,分析所提方法、参考文献[3]方法和参考文献[4]方法生成密文所需的时间,测试结果如表1所示。

表1 不同方法的密文生成时间

根据表1中的数据可知,所提方法生成密文所需的时间在130ms内,而其他两种方法生成密文所需的时间大于300ms。所提方法远低于参考文献[3]方法和参考文献[4]方法生成密文所需的时间,这是因为所提方法结合独立分量分析方法和经验模态分解方法对移动办公数据展开了去噪处理,避免加密过程受噪声的干扰,缩短了密文生成时间,提高了所提方法的加密效率。

现采用所提方法、参考文献[3]方法和参考文献[4]方法对图2所示的移动办公数据展开加密处理,处理结果如图3所示。

图2 移动办公数据

图3 不同方法的数据加密结果

根据图3可知,采用所提方法对移动办公数据加密后,无法获取原始数据中存在的信息,而参考文献[3]方法和参考文献[4]方法对移动办公数据加密效果较差,仍然可以获取原始数据中的部分信息。通过上述测试可知,所提方法具有良好的加密性能,因为所提方法采用混沌序列对移动办公数据展开了双层加密处理,提高了数据的安全性。

4 结束语

为了提高移动办公数据的安全性,避免数据被伪造和丢失等现象的发生,需要对移动办公数据展开加密处理。为此,提出基于混沌序列的移动办公数据多层加密方法,该方法对移动办公数据展开去噪处理,利用混沌序列对移动办公数据展开多层加密,提高了数据的安全性,且缩短了数据加密时间,验证了在数据加密领域中,所提方法具有良好的性能,保障了移动办公数据传输和存储的安全性。