初始值對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)混沌特性的影響

朱艷平（信陽農(nóng)林學(xué)院　信息工程學(xué)院，河南　信陽　464000）

?

初始值對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)混沌特性的影響

朱艷平
（信陽農(nóng)林學(xué)院信息工程學(xué)院，河南信陽464000）

摘要：為了能使細(xì)胞神經(jīng)網(wǎng)絡(luò)系統(tǒng)產(chǎn)生混沌吸引子和混沌信號(hào)，以便于將其作為密鑰源應(yīng)用于加密系統(tǒng)中，以四維CNN、五維CNN和六維CNN為例，對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)的初始值進(jìn)行研究.仿真實(shí)驗(yàn)得出能夠產(chǎn)生混沌特性的初始值取值規(guī)律，這一結(jié)果將有助于細(xì)胞神經(jīng)網(wǎng)絡(luò)在加密領(lǐng)域中的應(yīng)用研究.

關(guān)鍵詞：細(xì)胞神經(jīng)網(wǎng)絡(luò)；初始值；混沌特性；取值規(guī)律；加密

細(xì)胞神經(jīng)網(wǎng)絡(luò)是Chua和Yang在1988年首次提出的，簡(jiǎn)稱為CNN[1-2].CNN是一個(gè)局部互聯(lián)網(wǎng)絡(luò)，具有復(fù)雜的混沌動(dòng)力學(xué)特性，同時(shí)又具有實(shí)時(shí)、高速、并行處理信號(hào)，易于超大規(guī)模集成電路實(shí)現(xiàn)的優(yōu)點(diǎn)，被廣泛應(yīng)用于加密系統(tǒng)中[3].文獻(xiàn)[4-6]分別將CNN系統(tǒng)用于彩色數(shù)字水印加密、語音加密和圖像加密系統(tǒng)中，均取得了良好的加密效果.

細(xì)胞神經(jīng)網(wǎng)絡(luò)用于加密的前提條件是，該系統(tǒng)能夠產(chǎn)生混沌吸引子和混沌信號(hào).對(duì)于已經(jīng)構(gòu)造的CNN混沌系統(tǒng)數(shù)學(xué)模型，初始值的取值不同，將直接影響其混沌吸引子的產(chǎn)生與否.本文分析了初始值對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)混沌特性的影響，通過仿真實(shí)驗(yàn)，得出能夠產(chǎn)生混沌信號(hào)的CNN初始值的取值規(guī)律.這對(duì)細(xì)胞神經(jīng)網(wǎng)絡(luò)在加密領(lǐng)域的應(yīng)用，具有一定的理論意義和現(xiàn)實(shí)意義.

1　細(xì)胞神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)模型

細(xì)胞神經(jīng)網(wǎng)絡(luò)是受Hopfield神經(jīng)網(wǎng)絡(luò)和細(xì)胞自動(dòng)機(jī)的影響，而提出的一種人工神經(jīng)網(wǎng)絡(luò)[7].對(duì)于全互連n階細(xì)胞神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型，其動(dòng)力學(xué)方程如式(1)所示[8]：

其中j為細(xì)胞記號(hào)，aj、Ajk、Sjk和I軇j為系統(tǒng)參數(shù)，xj為狀態(tài)變量，f(xj)為細(xì)胞對(duì)應(yīng)的分段線性輸出函數(shù).若n的取值為4，S11、S23和S33的取值為1，S13和S14的取值為-1，S22的取值為3，S31的取值為12，S32的取值為-13，S41的取值為96，S44的取值為-89，a4的取值為198，其余參數(shù)的取值均為0.則四維CNN系統(tǒng)如式(2)所示：

若n的取值為5，S11、S23和S33的取值為1，S13、S14、S45和S55的取值為-1，S22的取值為3，S31的取值為11，S32的取值為-12，S41的取值為92，S44的取值為-94，S53的取值為15，a4的取值為202，其余參數(shù)的取值均為0.則五維CNN系統(tǒng)如式(3)所示：

若n的取值為6，S11、S23、S33和S51的取值為1，S22的取值為3，S31的取值為14，S32的取值為-14，S41和S62的取值為100，S44的取值為-99，S52的取值為18，S65的取值為4，S66的取值為-3，a4的取值為200，其余參數(shù)的取值均為0.則六維CNN系統(tǒng)如式(4)所示：

2　初始值對(duì)CNN系統(tǒng)混沌動(dòng)力學(xué)行為的影響

圖1　四維CNN系統(tǒng)部分超混沌吸引子

圖2　四維CNN系統(tǒng)部分超混沌信號(hào)

對(duì)于式(2)的四維CNN系統(tǒng)，若初始值x1(0)的取值為0.1，其它四個(gè)初始值的取值均為0.2，則該系統(tǒng)的相空間圖如圖1所示，這里只給出了x1、x2和x3序列所產(chǎn)生的相軌跡，以及x2、x3和x4序列所產(chǎn)生的相軌跡.該系統(tǒng)所產(chǎn)生的部分信號(hào)如圖2所示，這里只給出了x1和x2的信號(hào)，x3和x4的信號(hào)與此類似.

從圖1和圖2可以看出，當(dāng)初始值的取值為0.1、0.2、0.2和0.2時(shí)，該四維CNN系統(tǒng)x1、x2和x3序列能夠產(chǎn)生超混沌吸引子，x2、x3和x4序列也能夠產(chǎn)生超混沌吸引子.另外該系統(tǒng)產(chǎn)生的x1和x2的信號(hào)是超混沌信號(hào)，該系統(tǒng)為超混沌系統(tǒng)，可以用作加密系統(tǒng)的密鑰源.

若該四維CNN系統(tǒng)的四個(gè)初始值取值均為2，則圖3給出了x1、x2和x3序列所產(chǎn)生的相軌跡，以及x2、x3和x4序列所產(chǎn)生的相軌跡.圖4給出了該系統(tǒng)所產(chǎn)生的x1和x2信號(hào)，x3和x4的信號(hào)與此類似.

圖4　四維CNN系統(tǒng)未能產(chǎn)生超混沌信號(hào)

從圖3和圖4可以看出，當(dāng)初始值的取值均為2時(shí)，序列x1、x2和x3不能產(chǎn)生混沌吸引子，序列x2、x3和x4也不能產(chǎn)生混沌吸引子，x1和x2也不是混沌信號(hào).該四維CNN系統(tǒng)不能夠產(chǎn)生超混沌吸引子和超混沌信號(hào)，故該系統(tǒng)不是混沌系統(tǒng).

從圖1、圖2、圖3和圖4可以看出，對(duì)于同一個(gè)四維CNN系統(tǒng)，只因初始值的取值不同，將直接影響該系統(tǒng)能否產(chǎn)生混沌吸引子和混沌信號(hào).若計(jì)算精度取小數(shù)點(diǎn)后的三位數(shù)字，經(jīng)過仿真實(shí)驗(yàn)證明，該四維CNN系統(tǒng)的初始值對(duì)其混沌特性的影響如下：

(1)四個(gè)初始值不能全部為0，若全部為0，則該系統(tǒng)不能產(chǎn)生混沌吸引子和混沌信號(hào)，不具備混沌特性；

(2)當(dāng)x1(0)∈(-3.259,3.259)且x1(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x2(0)∈(-2.991,2.991)且x2(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x3(0)∈(-10.099,10.099)且x3(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x4(0)∈(-273.055, 273.055)且x4(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性.

(3)當(dāng)四個(gè)初始值取值相同，且均不為0，取值在如下區(qū)間內(nèi)(-1.853,1.853)，則該系統(tǒng)具備混沌特性.

式(3)的五維CNN系統(tǒng)的初始值對(duì)其混沌特性的影響如下：

(1)五個(gè)初始值不能全部為0，若全部為0，則該系統(tǒng)不具備混沌特性；

(2)當(dāng)x1(0)∈(-3.203,3.203)且x1(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x2(0)∈(-3.033,3.033)且x2(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x3(0)∈(-9.599,9.599)且x3(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x4(0)∈(-283.750,284.750)且x4(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性.當(dāng)x5(0)∈(-247.749, 247.749)且x5(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性.

(3)當(dāng)五個(gè)初始值取值相同，且均不為0，取值在如下區(qū)間內(nèi)(-1.839,1.839)，則該系統(tǒng)具備混沌特性.

式(4)的六維CNN系統(tǒng)的初始值對(duì)其混沌特性的影響如下：

(1)六個(gè)初始值不能全部為0，若全部為0，則該系統(tǒng)不具備混沌特性；

(2)當(dāng)x1(0)∈(-2.700,2.700)且x1(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x2(0)∈(-2.596,2.596)且x2(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x3(0)∈(-9.387,9.387)且x3(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性；當(dāng)x4(0)∈(-251.150, 251.150)且x4(0)≠0，而其余的初始值取值均為0時(shí)，該系統(tǒng)具備混沌特性.當(dāng)x1(0)、x2(0)、x3(0)、x4(0)和x6(0)的取值都為0，x5(0)無論取任何值，該系統(tǒng)都不具備混沌特性；當(dāng)x1(0)、x2(0)、x3(0)、x4(0)和x5(0)的取值都為0，x6(0)無論取任何值，該系統(tǒng)都不具備混沌特性.

(3)當(dāng)六個(gè)初始值取值相同，且均不為0，取值在如下區(qū)間內(nèi)(-1.540,1.540)，則該系統(tǒng)具備混沌特性.

從上面的實(shí)驗(yàn)數(shù)據(jù)可知，當(dāng)CNN系統(tǒng)的初始值均為0時(shí)，該CNN系統(tǒng)不具備混沌特性；當(dāng)初始值有一個(gè)不為0，其余均為0時(shí)，不為0的這個(gè)初始值取值應(yīng)滿足一定的區(qū)間范圍，否則該系統(tǒng)不具備混沌特性；當(dāng)初始值取值都相同且不為0時(shí)，取值范圍也必須滿足一定的區(qū)間范圍，否則該系統(tǒng)不具備混沌特性.

3　結(jié)束語

本文對(duì)四維CNN系統(tǒng)、五維CNN系統(tǒng)和六維CNN系統(tǒng)的初始值進(jìn)行了分析研究，得出初始值對(duì)CNN系統(tǒng)混沌特性的影響規(guī)律.該研究結(jié)果，有助于CNN超混沌系統(tǒng)的構(gòu)造，并將其作為密鑰源應(yīng)用于加密系統(tǒng)中.目前已有文獻(xiàn)將其它混沌系統(tǒng)生成的混沌值作為CNN系統(tǒng)的初始值，再生成CNN超混沌序列用于加密.若其它混沌系統(tǒng)生成的混沌值不滿足上述規(guī)律，將其作為CNN系統(tǒng)的初始值，是不能夠產(chǎn)生混沌序列的.因此該研究結(jié)果也有助于加密算法的研究.

參考文獻(xiàn)：

〔1〕Changjin Xu, Yusen Wu. Anti-periodic solutions for high -order cellular neural networks with mixed delays and impulses [J]. Advances in Difference Equations, 2015,2015(1):1-14.

〔2〕Liqun Zhou. Global asymptotic stability of cellular neural networks with proportional delays [J].Nonlinear Dynamics, 2014,77(1-2): 41-47.

〔3〕張小紅,汪佳.異構(gòu)細(xì)胞神經(jīng)網(wǎng)絡(luò)與超混沌系統(tǒng)的同步研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(3): 1034-1038.

〔4〕趙國(guó)敏，李國(guó)東，朱文輝.基于DCT和CNN混沌系統(tǒng)的彩色數(shù)字水印加密新算法[J].四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版),2014,27(5):58-63.

〔5〕朱艷平,閔潔.基于CNN超混沌序列的語音加密方案研究[J].廊坊師范學(xué)院學(xué)報(bào)（自然科學(xué)版）,2011,11(2):31～32,37.

〔6〕董虎勝,陸萍,馬小虎.基于CNN超混沌系統(tǒng)與擴(kuò)展ZigZag的圖像加密算法[J].計(jì)算機(jī)應(yīng)用與軟件,2013,30(5):132-136.

〔7〕韓琦.神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性及其在聯(lián)想記憶中的應(yīng)用研究[D].重慶:重慶大學(xué),2012.

〔8〕Shukai Duan, Xiaofang Hu, Lidan Wang, et al. Hybrid memristor/RTD structure -based cellular neural networks with applications in image processing [J].Neural Computing and Applications, 2014,25(2):291-296.

基金項(xiàng)目:河南省教育廳高等學(xué)校重點(diǎn)科研項(xiàng)目（15A520095，教科技〔2015〕95號(hào)）資助.

收稿日期：2015-11-25

中圖分類號(hào)：TP183

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-260X（2016）01-0038-03