基于LeNet5-RF算法的分組密碼體制識(shí)別方法

基本信息

申請(qǐng)?zhí)?/td> CN202111431871.5 申請(qǐng)日 -
公開（公告）號(hào) CN114169499A 公開（公告）日 2022-03-11
申請(qǐng)公布號(hào) CN114169499A 申請(qǐng)公布日 2022-03-11
分類號(hào) G06N3/04（2006.01）I;G06N3/08（2006.01）I;H04L9/06（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 彭波;胡繼強(qiáng);程才;劉慰;吳楊;彭波;姜慧;趙江娟;劉歆怡;官琳琳;鄭州;葉林陽;王仲麟;張婷 申請(qǐng)（專利權(quán)）人 中信數(shù)智（武漢）科技有限公司
代理機(jī)構(gòu) 武漢宇晨專利事務(wù)所（普通合伙） 代理人 李鵬;王敏鋒
地址 430014湖北省武漢市江岸區(qū)解放大道41號(hào)
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了基于LeNet5?RF算法的分組密碼體制識(shí)別方法，構(gòu)建密文數(shù)據(jù)集、LeNet5神經(jīng)網(wǎng)絡(luò)、以及隨機(jī)森林模型；根據(jù)密文文件獲得密文映射矩陣；對(duì)密文映射矩陣進(jìn)行卷積和池化獲得密文特征；正則化密文映射矩陣；將密文映射矩陣輸入到LeNet5神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并輸出密文特征向量和對(duì)應(yīng)的權(quán)重到隨機(jī)森林模型，對(duì)隨機(jī)森林模型進(jìn)行訓(xùn)練；將用戶提交的密文文件依次經(jīng)過訓(xùn)練好的LeNet5神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林模型處理，獲得對(duì)應(yīng)的分類結(jié)果。本發(fā)明相較于傳統(tǒng)的分組密文識(shí)別模型，本發(fā)明創(chuàng)新性地將LeNet5神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林模型結(jié)合。使用卷積神經(jīng)網(wǎng)絡(luò)在細(xì)粒度層次提取密文特征。較傳統(tǒng)的隨機(jī)性檢測(cè)和密文熵特征分類準(zhǔn)確率得到提升。