作者：邹阿金 张雨浓 肖秀春hermite神经网络正交多项式混沌异步加密
摘要：基于最佳均方逼近，采用Hermite正交多项式做为神经网络隐层的激励函数，引入一种新型的Hermite神经网络模型．通过神经网络权值和混沌初值产生性能接近于理论值的混沌序列，从中提取与明文等长的序列进行排序，将排序结果对明文置换后即可得密文．加密与解密信息完全隐藏于神经网络产生的混沌序列中，与混沌初值无显式关系，且只需改变混沌初值，便可实现“一次一密”异步加密，其安全性取决于混沌序列的复杂性和无法预测性．理论分析和加密实例表明，该加密算法简单易行，克服了混沌同步加密的诸多缺陷，具有良好的安全性．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
