买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了欺骗攻击下基于多模态惯性神经网络的保密通信方法，包括建立具有随机扰动和混合时滞的多模态惯性神经网络系统；根据所述多模态惯性神经网络系统，建立目标系统；根据所述多模态惯性神经网络系统和所述目标系统，设定同步误差，构建同步误差系统；充分考虑通信网络中的欺骗攻击，设计抗攻击控制器，所述多模态惯性神经网络系统在所述抗攻击控制器的作用下，指数同步于所述目标系统，从而成功完成了明文信号的加密与解密，进一步实现了保密通信方法；搭建多模态惯性神经网络模型，并通过数值仿真验证其指数同步效果及其在保密通信方面的有效性。本发明不但能达到保密通信作用，而且能够抵御通信网络攻击，控制成本低且安全性高。

主权项：1.欺骗攻击下基于多模态惯性神经网络的保密通信方法，其特征在于，包括以下步骤：步骤S1：建立具有随机扰动和混合时滞的多模态惯性神经网络系统，其动力学方程为： 其中，N表示所述神经网络系统的节点个数；表示第p个节点在t时刻的状态变量；fxpt＝[f1xp1t,…,fnxpnt]T、fxpt-δt＝[f1xp1t-δt,…,fnxpnt-δt]T和fxps＝[f1xp1s,…,fnxpns]T表示神经元的激活函数且满足|fpy-fpx|≤lp|y-x|，其中lp为正常数，且y≠x为已知参数；表示惯性项；δt和τt分别表示离散时滞和分布时滞，且满足0δt≤δ和0τt≤τ，表示系统的外部输入；表示正定对角矩阵；代表n维欧几里得空间，表示n×n的实数矩阵；表示连接权重矩阵；φps和ψps是连续有界函数；rt是右连续的马尔可夫过程，值为并有如下模态转换概率： 其中，X0且满足πij≥0i≠j表示从第i个模态转移到第j个模态的转移概率，c表示耦合强度，表示内部耦合正定矩阵，G＝GpqrtN×N表示耦合权重配置矩阵；如果第q个节点与第pp≠q个节点存在连接，则Gpqrt0，否则Gpqrt＝0，同时G的对角元素定义为表示系统受到的随机干扰强度且满足|ρt,xpt,rt|2≤Ξpi|xpt|2，其中Ξpi为正常数；Wt表示定义在完整概率空间上的布朗运动，其中Ω为样本空间，为样本空间子集，为概率；upt为抗攻击控制器；对所述具有随机扰动和混合时滞的多模态惯性神经网络进行变量代换降阶处理，替代变量设置为进而将系统改写成如下形式： 其中，Crt＝Crt+In-Drt，In表示n阶单位矩阵；φps、ψps和Δps是连续有界函数；步骤S2：根据所述多模态惯性神经网络系统，建立目标系统为： 其中，表示目标系统的状态变量；φ*ω和ψ*ω是连续有界函数；所述目标系统中其它性能指标和步骤S1中所述具有随机扰动和混合时滞的多模态惯性神经网络中的性能指标相同；对所述目标系统进行变量代换降阶处理，替代变量设置为进而将系统改写成如下形式： 其中，Crt＝Crt+In-Drt，φ*ω、ψ*ω和Δ*ω是连续有界函数；步骤S3：根据所述多模态惯性神经网络系统和所述目标系统，设定同步误差，构建同步误差系统，具体包括以下步骤：步骤S3-1：设定所述多模态惯性神经网络系统和所述目标系统的同步误差为：ept＝xpt-St；步骤S3-2：根据所述的同步误差，构建同步误差系统为： 对所述误差系统进行变量代换降阶处理，替代变量设置为进而将系统改写成如下形式： 其中，gept＝fxpt-fSt，gept-δt＝fxpt-δt-fSt-δt，geps＝fxps-fSs；步骤S4：充分考虑通信网络中的欺骗攻击，根据步骤S3构建的同步误差系统，设计欺骗攻击下的抗攻击控制器upt，使得所述多模态惯性神经网络系统在所述抗攻击控制器upt的作用下指数同步于所述目标系统，从而成功完成明文信号的加密与解密，进一步实现保密通信；步骤S5：搭建多模态惯性神经网络模型，并通过数值仿真验证其在欺骗攻击下指数同步效果及其在保密通信方面的有效性。

全文数据：

权利要求：

百度查询： 盐城工学院 欺骗攻击下基于多模态惯性神经网络的保密通信方法