一种基于类比例-微分事件协议的惯性神经网络加密方法

本发明提供一种基于类比例‑微分事件协议的惯性神经网络加密方法，属于混沌系统加密技术领域。通过构建具有系统参数模态跳变的惯性神经网络模型作为驱动‑响应系统模型；基于驱动‑响应系统模型设计自适应类比例‑微分事件触发安全同步机制以及同步控制器；驱动系统生成混沌序列；将混沌序列并与原始数据结合生成密文；响应系统通过自适应类比例‑微分事件触发安全同步机制与驱动系统进行同步，获取混沌序列；结合混沌序列与密文还原出原始数据，实现对数据的加密以及解密。本发明在混沌同步过程中考虑外部攻击干扰对惯性神经网络同步的影响，通过建立广义不确定半马尔可夫参数跳变模型对实际系统中的干扰因素进行建模，提高混沌系统加密安全性。