در مورد تکنیک های هماهنگ سازی نوسان سازهای هرج و مرج و اجرای مبتنی بر FPGA برای انتقال ایمن تصویر

همگام سازی نوسان سازهای هرج و مرج یک چالش برای تضمین برنامه های موفق در ارتباطات امن بوده است. به این ترتیب ، سه روش هماهنگ سازی در اینجا به بیست و دو نوسان ساز هرج و مرج اعمال می شود ، سه مورد از آنها بر اساس توابع خطی جزئی و نوزده پیشنهاد شده توسط ژولین سی. این نوسان سازهای هرج و مرج برای تولید سری زمانی هرج و مرج که برای ارزیابی نمایندگان لیاپونف و بعد کاپلان-یورک برای رتبه بندی غیرقابل پیش بینی آنها استفاده می شود ، شبیه سازی می شوند. نوسان سازها با نمایندگی Lyapunov مثبت بالا در یک آرایه دروازه قابل برنامه ریزی میدانی (FPGA) اجرا می شوند ، و پس از آن در یک توپولوژی مستر برده با استفاده از سه تکنیک هماهنگ می شوند: کار منی معرفی شده توسط Pecora-Carroll ، Forms Hamiltonian و رویکرد Observer، و حلقه بسته به علاوه بسته (OPCL). این تکنیک ها با توجه به خطای همگام سازی و تأخیر آنها که با اجرای FPGA همراه است مقایسه می شوند. سرانجام ، نوسان سازهای هرج و مرج که نماینده Lyapunov مثبت بالایی را ارائه می دهند ، هماهنگ می شوند و برای انجام یک انتقال تصویر ایمن در یک سیستم ارتباطی با ماسک هرج و مرج استفاده می شوند. تجزیه و تحلیل همبستگی در بین تصویر اصلی ، کانال هرج و مرج و تصویر بازیابی شده برای سه طرح همگام سازی انجام می شود. نتایج تجربی نشان می دهد که هم فرم های همیلتون و هم OPCL می توانند تصویر اصلی را بازیابی کنند و همبستگی آن با کانال هرج و مرج به اندازه 0. 00002 کم است ، و این مزیت را نشان می دهد که هماهنگ کننده نوسان سازهای هرج و مرج با بازنمایی Lyapunov مثبت بالا برای تضمین امنیت بالا در انتقال داده ها است.

استناد: Guillén-Feández O ، Meléndez-Cano A ، Tlelo-Cuautle E ، Núñez-Pérez JC ، Rangel-Magdaleno JDJ (2019) در مورد تکنیک های هماهنگ سازی نوسانگورهای هرج و مرج و اجرای مبتنی بر FPGA آنها برای انتقال ایمن تصویر. PLOS ONE 14 (2): E0209618. https://doi.org/10. 1371/joual. pone. 0209618

ویراستار: Baogui Xin ، دانشگاه علوم و فناوری شاندونگ ، چین

دریافت: 3 سپتامبر 2018 ؛پذیرفته شده: 7 دسامبر 2018 ؛منتشر شده: 6 فوریه 2019

کپی رایت: © 2019 Guillén-Feández و همکاران. این یک مقاله دسترسی آزاد است که تحت شرایط مجوز انتساب Creative Commons توزیع شده است ، که اجازه استفاده ، توزیع و تولید مثل بدون محدودیت را در هر رسانه ای می دهد ، مشروط بر اینکه نویسنده و منبع اصلی اعتبار داشته باشند.

در دسترس بودن داده ها: کلیه داده های مربوطه در داخل مقاله هستند.

بودجه: این کار توسط Inaoe و Grant Number 237991 که توسط Conacyt Mexico به همه نویسندگان اعطا شده است ، پشتیبانی شد.

منافع رقابتی: نویسندگان اعلام کرده اند که هیچ منافع رقابتی وجود ندارد.

1. معرفی

سیستم های ارتباطی ایمن از زمان معرفی اولین روش هماهنگ سازی بین دو نوسان ساز هرج و مرج توسط Pecora و Carroll توسعه یافته اند [1 ، 2]. امروزه ، چندین چالش برای دستیابی و تضمین حریم خصوصی و امنیت بالای اطلاعات منتقل شده باز است ، به طوری که محققان در جستجوی بهترین نوسانگر هرج و مرج و رویکردهای همگام سازی هستند. به عنوان مثال ، نویسندگان در [3] 50 نوسان ساز هرج و مرج را تجدید نظر کردند تا نشان دهند که هرج و مرج جدید پیشنهادی آنها برای کاربردهای امنیتی بسیار بهتر است. با این حال ، آنها نماینده مثبت Lyapunov را برای رتبه بندی غیرقابل پیش بینی 50 نوسان ساز بهینه نکردند. سایر نویسندگان سیستم های ارتباطی امن و آشوب آور جدید معرفی شده اند [4] که ضرورت یک رویکرد همگام سازی خوب را به منظور تضمین انتقال موفقیت آمیز اطلاعات برجسته می کنند. علاوه بر این ، این مشارکتها باید الزامات تحمیل شده توسط برنامه های رمزنگاری مدرن در اینترنت صنعتی اشیاء [5] و شبکه های حسگر بی سیم [6] را برای تأمین حریم خصوصی و امنیت انجام دهد.

در طی سالهای گذشته ، بسیاری از تکنیک های هماهنگ سازی برای نوسان سازهای هرج و مرج به همراه برخی از برنامه های امنیتی معرفی شده اند ، به عنوان مثال آثار اخیر ارائه شده در [7-17] را ببینید. هدف اصلی همگام سازی دو نوسان ساز هرج و مرج برای توسعه سیستم های ارتباطی ایمن برای حفظ حریم خصوصی ، تأمین امنیت و قوی بودن در حملات است. این مسائل را می توان با استفاده از نوسان سازهای هرج و مرج انجام داد زیرا خاصیت حساسیت بالایی نسبت به شرایط اولیه دارند ، که می توان با ارزیابی و به حداکثر رساندن نماینده مثبت لیاپونف اندازه گیری کرد. ارزیابی بعد فراکتال همچنین ویژگی هایی را برای رتبه بندی تصادفی و غیرقابل پیش بینی بودن نوسان سازهای هرج و مرج فراهم می کند. به این ترتیب ، این کار نشان می دهد که هماهنگ سازی استاد برده دو نوسان ساز هرج و مرج که دارای مأمورین لیاپونف مثبت بالا هستند ، امنیت بالایی را تضمین می کنند ، و اگر خطای هماهنگ سازی بسیار کم باشد ، می توان اطلاعات اصلی را بدون از دست دادن داده ها بازیابی کرد. این می تواند از طریق ارزیابی همبستگی بین داده های اصلی ، کانال هرج و مرج که اطلاعاتی را که با هرج و مرج منتقل می شود و داده های بازیابی شده ماسک می کند ، اثبات کرد. این یک کار بی اهمیت نیست زیرا اگر کسی روش عددی خوبی را با اندازه گام خوب انتخاب نکند ، ممکن است شبیه سازی سرکوب هرج و مرج مصنوعی را القا کند یا می تواند ظاهر راه حل های فریبنده را ایجاد کند. این در [18] نشان داده شده است ، جایی که نویسندگان روش های یک مرحله ای مناسب برای اجرای آرایه دروازه قابل برنامه ریزی (FPGA) را در مقابل روشی مبتنی بر چند جمله ای مثلثاتی مقایسه می کنند ، نتیجه می گیرند که آخرین مورد برای حل سیستم های دینامیکی با ویژگی های نوسان است. بشردر این کار ما با ارزیابی نقاط تعادل و سپس مقادیر ویژه 22 نوسان ساز هرج و مرج ، سه مرحله صحیح از روش عددی را انتخاب می کنیم ، سه مورد از آنها بر اساس توابع خطی و خطی (PWL) و نوزده پیشنهاد شده توسط ژولین C. Sprott [19-21]نماینده Lyapunov مثبت از سری زمانی هرج و مرج ارزیابی می شود و سپس هماهنگ سازی بین دو نوسان ساز هرج و مرج در یک توپولوژی استاد برده انجام می شود.

مقاله به شرح زیر سازماندهی شده است: بخش 2 مدل های ریاضی و شبیه سازی سه نوسان ساز هرج و مرج را بر اساس توابع PWL و نوزده پیشنهاد شده توسط Sprott نشان می دهد [19]. نقاط تعادل و مقادیر ویژه 22 نوسان ساز هرج و مرج و همچنین نماینده مثبت لیاپونوف هر زمان هرج و مرج و بعد Kaplan-York مربوطه محاسبه می شوند. بخش 3 جزئیات سه تکنیک هماهنگ سازی ، یعنی: کار اصلی Pecora-Carroll [1] ، کار منی روی فرم های همیلتون و رویکرد ناظر [22] و تکنیک حلقه بسته به علاوه بسته (OPCL) [23]. این تکنیک ها با توجه به خطای همگام سازی آنها مقایسه می شوند. بخش 4 نتایج تجربی از جاذبه های هرج و مرج را که در یک FPGA اجرا شده است ، نشان می دهد ، نتایج همگام سازی بین دو نوسان ساز هرج و مرج در یک توپولوژی کارشناسی ارشد و انتقال یک تصویر از طریق ماسک هرج و مرج با استفاده از اجرای مبتنی بر FPGA از یک سیستم ارتباطی ایمن. سرانجام ، نتیجه گیری در بخش خلاصه می شود. 5

2 نوسان ساز هرج و مرج

در بین انواع نوسان سازهای هرج و مرج ، ما سه مدل ریاضی را بر اساس توابع PWL انتخاب می کنیم [24-27] ، و نوزده پیشنهاد شده توسط ژولین اسپروت [20].

به ما اجازه می دهد نوسان ساز هرج و مرج را بر اساس سری عملکرد غیرخطی اشباع (SNLF) که توسط (1) مدل شده است ، در نظر بگیریم. از سه متغیر دولتی x تشکیل شده است₁، ایکس₂، ایکس₃، چهار ضرایب A ، B ، C ، D₁و SNLF F (x₁) که می توان با عملکرد PWL شرح داده شده توسط (2) و در شکل 1 (a) برای تولید 2-scroll نشان داده شد. در (2) ، BP 1 نشانگر نقاط شکست و F است (x₁) می تواند برای تولید جاذبه های چند پیچ و خم افزایش یابد ، همانطور که در [26] شرح داده شده است.