-
公开(公告)号：CN112597519B
公开(公告)日：2024-02-13
申请号：CN202011580474.X
申请日：2020-12-28
Applicant: 杭州电子科技大学
IPC: G06F21/60 , G06N3/0464 , G06F18/214 , G06N3/084 , G06F21/57 , H04L27/26 , H04L27/36
Abstract: 本发明公开了OFDM加密系统中基于卷积神经网络的无密钥解密方法，包括：S1、加密数据获取：数据经过串并转换、QAM映射，产生QAM符号，利用Arnold变换进行QAM符号的置乱，得到加密数据；S2、数据训练：将加密数据输入到卷积神经网络模型中，密文通过卷积神经网络的前向传播，提取加密数据的特征，前向传播产生的结果与明文对比，计算出两者之间的误差；然后进行反向传播，通过更新卷积神经网络各个层的权值，使得误差变小；通过上述循环，训练出无密钥解密模型；S3、解密：待解密数据置乱后进入信道中传输，在接收端将接收的信号输入无密钥解密模型进行信号解密。本发明实现无密钥解密，降低传输带宽。
-
公开(公告)号：CN112865794B
公开(公告)日：2022-07-05
申请号：CN202110033035.5
申请日：2021-01-11
Applicant: 杭州电子科技大学
IPC: H03M1/12
Abstract: 本发明涉及一种移相非均匀光量化模数转换器，包括电光调制器、非均匀移相器模块以及多阈值判决模块，在模数转换器中，首先将待量化的模拟电信号和光脉冲信号输入到电光调制器中进行调制，再将得到的调制光信号输入到非均匀移相器模块中进行移相操作，最后通过多阈值判决模块对移相信号进行比较判决输出非均匀量化编码。本发明所述移相非均匀光量化模数转换器降低了量化误差，提高了采样精度，能够更好的满足大带宽通信系统及信号采集系统的需求。
-
公开(公告)号：CN112865794A
公开(公告)日：2021-05-28
申请号：CN202110033035.5
申请日：2021-01-11
Applicant: 杭州电子科技大学
IPC: H03M1/12
Abstract: 本发明涉及一种移相非均匀光量化模数转换器，包括电光调制器、非均匀移相器模块以及多阈值判决模块，在模数转换器中，首先将待量化的模拟电信号和光脉冲信号输入到电光调制器中进行调制，再将得到的调制光信号输入到非均匀移相器模块中进行移相操作，最后通过多阈值判决模块对移相信号进行比较判决输出非均匀量化编码。本发明所述移相非均匀光量化模数转换器降低了量化误差，提高了采样精度，能够更好的满足大带宽通信系统及信号采集系统的需求。
-
Patent Agency Ranking
公开(公告)号：CN114302270B
公开(公告)日：2024-02-09
申请号：CN202111637633.X
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多混沌系统与分层置乱的OFDM‑PON物理层加密方法及系统，本发明方法包括：S1.在发射端利用多种数字混沌系统的初始值产生多种混沌序列，组建混沌序列库；S2.利用混沌序列库对PRBS信号进行第一层异或加密；S3.第一层加密后的信号经过QAM映射后利用混沌序列库进行第二层相位扰乱加密。S4.第二层加密的信号利用混沌序列库进行第三层频域加密，进行三次加密的信号经过电光调制器转换为光信号，并将光信号通过光纤信道传输至接收端。本发明采用多层加密，扩大了密钥空间，且随机性更强，因此，本发明采用多个混沌系统具有更好的安全性。
-
公开(公告)号：CN112448807A
公开(公告)日：2021-03-05
申请号：CN202011276157.9
申请日：2020-11-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于保守数字混沌的三维Arnold变换的OFDM‑PON物理层加密方法，包括步骤：S1.在发射端利用保守数字混沌系统的初始值产生混沌序列，将产生的混沌序列加入扰动，并拓展为若干组混沌序列，将若干组混沌序列进行主成分分析算法PCA处理，选取第一主成分的混沌序列；S2.将选取的第一主成分的混沌序列控制三维Arnold变换的参数，对OFDM信号进行第一层加密；S3.通过Frank序列随机抽取产生混沌Frank矩阵，对OFDM信号进行第二层加密，将进行二次加密的信号经过电光调制器转换为光信号，并将光信号通过光纤信道传输至接收端；S4.在接收端经过光电探测器将光信号转换为电信号，并利用密钥对加密的电信号进行解密，输出原始数据。
-
公开(公告)号：CN112448807B
公开(公告)日：2022-06-10
申请号：CN202011276157.9
申请日：2020-11-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于保守数字混沌的三维Arnold变换的OFDM‑PON物理层加密方法，包括步骤：S1.在发射端利用保守数字混沌系统的初始值产生混沌序列，将产生的混沌序列加入扰动，并拓展为若干组混沌序列，将若干组混沌序列进行主成分分析算法PCA处理，选取第一主成分的混沌序列；S2.将选取的第一主成分的混沌序列控制三维Arnold变换的参数，对OFDM信号进行第一层加密；S3.通过Frank序列随机抽取产生混沌Frank矩阵，对OFDM信号进行第二层加密，将进行二次加密的信号经过电光调制器转换为光信号，并将光信号通过光纤信道传输至接收端；S4.在接收端经过光电探测器将光信号转换为电信号，并利用密钥对加密的电信号进行解密，输出原始数据。
-
公开(公告)号：CN114302270A
公开(公告)日：2022-04-08
申请号：CN202111637633.X
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多混沌系统与分层置乱的OFDM‑PON物理层加密方法及系统，本发明方法包括：S1.在发射端利用多种数字混沌系统的初始值产生多种混沌序列，组建混沌序列库；S2.利用混沌序列库对PRBS信号进行第一层异或加密；S3.第一层加密后的信号经过QAM映射后利用混沌序列库进行第二层相位扰乱加密。S4.第二层加密的信号利用混沌序列库进行第三层频域加密，进行三次加密的信号经过电光调制器转换为光信号，并将光信号通过光纤信道传输至接收端。本发明采用多层加密，扩大了密钥空间，且随机性更强，因此，本发明采用多个混沌系统具有更好的安全性。
-
公开(公告)号：CN112597519A
公开(公告)日：2021-04-02
申请号：CN202011580474.X
申请日：2020-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了OFDM加密系统中基于卷积神经网络的无密钥解密方法，包括：S1、加密数据获取：数据经过串并转换、QAM映射，产生QAM符号，利用Arnold变换进行QAM符号的置乱，得到加密数据；S2、数据训练：将加密数据输入到卷积神经网络模型中，密文通过卷积神经网络的前向传播，提取加密数据的特征，前向传播产生的结果与明文对比，计算出两者之间的误差；然后进行反向传播，通过更新卷积神经网络各个层的权值，使得误差变小；通过上述循环，训练出无密钥解密模型；S3、解密：待解密数据置乱后进入信道中传输，在接收端将接收的信号输入无密钥解密模型进行信号解密。本发明实现无密钥解密，降低传输带宽。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
