[发明专利]一种基于神经网络的高一致性物理密钥生成方法

权利要求书

1.一种基于神经网络的高一致性物理密钥生成方法，其特征在于：该生成方法包括以下步骤：

步骤10)：在一无线物理密钥生成模型中，设有一个源节点S、一个目的节点D和一个窃听节点E，所有节点采用TDD方式工作；设在时刻t，源节点S和目的节点D之间的信道系数记为h_SD(t)，源节点S和窃听节点E之间的信道系数记为h_SE(t)，目的节点D和窃听节点E之间的信道系数记为h_DE(t)；

步骤20)：获取训练样本；具体包括：受TDD方式限制，源节点S和目的节点D不能同时进行信号收发，故二者交替进行信道探测；设从t₁到t_n时刻，源节点S通过信道探测得到的幅度值为a_S＝[a(t₁),a(t₂),...,a(t_n)]，目的节点D每次信道探测比源节点S延后Δ时刻，得到的幅度值为a_D＝[a(t₁+Δ),a(t₂+Δ),...,a(t_n+Δ)]；随后，目的节点D将a_D发送给源节点S，供源节点S进行神经网络参数训练；源节点S在进行神经网络训练之前，对(a_S,a_D)进行归一化处理，得到其中，将作为训练样本；

步骤30)：建立神经网络模型；

步骤40)：训练参数；

步骤50)：生成密钥；具体包括：源节点、目的节点重新交替对h_SD(t)进行探测，获取h_SD(t)的幅度值a(t)；目的节点对a_D进行量化得到目的节点物理密钥K_D，源节点通过步骤40)训练得到的神经网络基于a_S对a_D进行预测，再对预测结果进行量化，得到源节点物理密钥K_S；步骤60)：进行一致性检验。

2.按照权利要求1所述的基于神经网络的高一致性物理密钥生成方法，其特征在于：所述步骤30)包括：神经网络模型包括输入层、隐层和输出层，其中，

输入层：以即归一化的源节点信道探测结果为输入向量，设输入层神经元个数为q₁个；

隐层：设隐层神经元个数为q₂个，隐层输入向量为α，隐层输出向量为b，隐层阈值向量为γ，输入层和隐层的连接矩阵为V；

输出层：输出层神经元个数为1；隐层和输出层的连接向量为w，输出层的输入值为β，输出层阈值为θ，输出层输出为源节点基于得到的关于的预测值；

通过神经网络模型，源节点利用自身t_i至t_i+4时刻的信道探测结果，预测目的节点t_i+4+Δ时刻的信道探测结果。

3.按照权利要求2所述的基于神经网络的高一致性物理密钥生成方法，其特征在于：所述步骤40)包括：以步骤20)中归一化的信道系数幅度值为训练集，对步骤30)的神经网络模型进行训练；

源节点对进行分组，分为n-4组：为第1组，为第2组，……，为第n-4组；

源节点将上述分组输入步骤30)建立的神经网络模型中，经隐层计算，对神经网络模型的输出结果去归一化，得到对目的节点t₅时刻之后探测结果的预测向量

预测值与真实值a(t₅+Δ)的差值，即预测误差ξ_i如式(1)所示：

源节点利用梯度下降算法更新神经网络参数V、γ、w和θ，并继续将剩余分组依次输入神经网络，得到对目的节点后续时刻探测结果的预测值及预测误差；所有分组输入完毕，得累积误差E如式(2)所示

循环进行上述训练过程，直到累计预测误差的减小值小于0.0001，完成神经网络训练。