一种基于复杂动态网络的Hash函数构造方法

摘要

本发明公开了一种基于复杂动态网络的Hash算法。该算法采用对待Hash的原始消息的消息块按一定的规则构造消息块网络MBN，并将该MBN的点集和边集使用一定变换规则映射到复杂动态网络CDN的节点状态初值和邻接矩阵中，从而，构成包含原始消息结构的权重复杂动态网络WCDN。通过对每个消息块的WCDN进行迭代、量化处理以及异或处理最终得到Hash值。本发明利用WCDN对初值及参数的极其敏感性，在少数的几次WCDN迭代处理后，就可获得混淆和扩散特性优良的安全性能，同时也有效降低了计算复杂度。

主权项

1.一种基于复杂动态网络的Hash函数构造方法，其特征在于该方法用于信息安全领域中，采用基于消息建立的复杂动态网络，将该网络参数映射到混沌耦合映射网络进行迭代、量化处理，得到Hash值，具体包括以下步骤：1)从网络的角度，建立消息块的网络拓扑，构建消息块网络，建立消息块网络；首先，预处理待Hash的原始消息M，将M分为固定长度的K个消息块M_k，其中，k＝1，...，K，每个消息块可以再划分为N个组元c_i，其中，i＝1，...，N，如果将每个组元作为网络中的节点，以组元间的二者c_i和c_j进行异或运算关系，作为网络中节点之间的联系，其运算值a_ij作为边权，从任意消息块构建出一个含权的消息块网络；其中，i＝1，...，N，j＝1，......N，i≠j；2)建立消息块网络到复杂动态网络的映射；将消息块网络的节点集V＝(c_i)_N和边集A＝(a_ij)_N×N信息，映射到复杂动态网络i＝1，2，...，N中的节点状态初值(i=1，...，N)和网络邻接矩阵E＝(e_ij)_N×N中，其中，为复杂动态网络中节点i在t时刻的动力学状态变量，为节点i的本地动力学方程，本方法中，取为logistic映射，即，f(x)＝mx(1-x)，m∈(3.57，4)，得到含消息权重的复杂动态网络，使得消息中的任何微小变化通过节点初值和网络拓扑矩阵迅速扩散到全网的所有节点；3)通过对消息块M_k的含消息权重的复杂动态网络进行R轮迭代运算及量化处理，得到输出Y_k，再与第k-1个消息块的中间Hash值H_k-1进行异或运算，获得本次对消息块M_k处理的中间Hash值H_k，最后一块MK处理完毕得到的Hash值H_K即为最终Hash值。