專利名稱：一種基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機與信息安全技術(shù)領(lǐng)域，具體地說是一種用于信息網(wǎng)絡(luò)的基于復(fù) 雜動態(tài)網(wǎng)絡(luò)的Hash算法。
背景技術(shù)：
Hash函數(shù)主要用于 信息安全領(lǐng)域中加密算法，簡單的說就是一種將任意長度的消 息壓縮到某一固定長度的消息摘要的函數(shù)。Hash函數(shù)H將任意長的消息M映射成為定長的Hash值h，即，h = H(M)，其目的就 是產(chǎn)生文件、消息或其他數(shù)據(jù)塊的“指紋”。Hash函數(shù)可以直接應(yīng)用于數(shù)據(jù)完整性檢驗、鑒 別協(xié)議、零知識證明和隨機數(shù)發(fā)生器等，在數(shù)字簽名和消息驗證碼中有著非常重要的應(yīng)用。 Hash函數(shù)必須具有下列性質(zhì)1. Hash函數(shù)可應(yīng)用于任意大小的數(shù)據(jù)塊；2. Hash函數(shù)產(chǎn)生定長的輸出；3.對于任意給定的X，計算H(X)比較容易，用硬件和軟件均可實現(xiàn)；4.對任意給定的hash值h，找到滿足H(x) = h的χ在計算上是不可行的，這也稱 為Hash函數(shù)的單向性；5.對任意給定的分組X，找到滿足y<>x且H(X) =H(y)的y在計算上是不可行的， 這稱之為抗弱碰撞性6.找到滿足H(X) = H(y)的偶對(x，y)在計算上是不可行的，這稱之為抗強碰撞 性經(jīng)典Hash算法，如MD5、SHA等大多是基于復(fù)雜度假設(shè)，需要進行大量復(fù)雜的異或 等邏輯運算或是用分組加密方法進行多次迭代，運算量很大。而且，目前使用模差分技術(shù)成 功破解了 MD5、SHA1、HAVAL-128等流行的Hash函數(shù)，將以前認為找到SHAl碰撞需28°次操 作降至269次，可以在15分鐘到1個小時的計算時間內(nèi)成功發(fā)現(xiàn)MD5碰撞。由于混沌具有對初始條件敏感、偽隨機和類噪聲等優(yōu)良密碼特性，被廣泛應(yīng)用在 加密和隨機數(shù)生成算法中。將混沌應(yīng)用到Hash算法的研究中，基于混沌映射模型構(gòu)造出單 向Hash算法受到越來越多國內(nèi)外研究者的關(guān)注，提出了一些基于混沌構(gòu)造的單向Hash函 數(shù)算法，但許多方法在安全性方面存在一些缺陷，主要體現(xiàn)在(1)計算機有效字長精度效 應(yīng)使得混沌映射退化為周期序列；(2)消息參數(shù)映射不當易導(dǎo)致發(fā)生碰撞；(3)明文分組及 分組迭代值處理不當都易產(chǎn)生碰撞問題；(4) 一些系統(tǒng)是基于某一種低維混沌系統(tǒng)來構(gòu)造 的，研究發(fā)現(xiàn)利用自適應(yīng)同步預(yù)測相空間重構(gòu)等各種混沌預(yù)測技術(shù)可以成功分析預(yù)測，保 密性能堪憂。故選擇恰當?shù)南⑻幚砗陀成浞绞健⒃黾踊煦缧盘柕膹?fù)雜度和減小有限精度效應(yīng) 的影響是提高混沌Hash單向性、置亂性和碰撞性的關(guān)鍵。從對抗攻擊的角度上來說，混淆與擴散是設(shè)計加密系統(tǒng)首先應(yīng)遵循的兩條基本原 貝U?；煜鞘沟妹荑€與密文關(guān)系盡可能復(fù)雜，用在Hash函數(shù)中則是使Hash值與消息之間的統(tǒng)計關(guān)系盡可能復(fù)雜。擴散意味著密鑰和明文的微小變化都盡可能多地擴散到密文，同樣用在Hash函數(shù)設(shè)計中，表示明文及密鑰的任一微小變化都將導(dǎo)致生成的Hash值發(fā)生重 大變化。在現(xiàn)有的基于混沌的hash函數(shù)構(gòu)造算法中，基于耦合映射格子的Hash算法由于 引入時空混沌效應(yīng)，通常能獲得較好的混淆和擴散特性。從網(wǎng)絡(luò)的角度看，混沌耦合映射格 子可以相當于最近鄰耦合網(wǎng)絡(luò)，任何一個格點的微弱變化，通過相鄰節(jié)點的耦合作用而持 續(xù)地將變化擴散到全網(wǎng)絡(luò)。但通常這類混沌映射的算法迭代次數(shù)太多，算法復(fù)雜度較高，導(dǎo) 致Hash值生成太慢而不能得以實際應(yīng)用。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)中存在的混沌映射的算法迭代次數(shù)太多，算法復(fù)雜度較高的問 題技術(shù)問題，本發(fā)明的目的是提供一種基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法。該算法首 先基于待Hash的消息塊，構(gòu)建出消息的含權(quán)網(wǎng)絡(luò)拓撲；然后，將該消息網(wǎng)絡(luò)中的節(jié)點和邊 權(quán)分別映射到混沌耦合映射網(wǎng)絡(luò)的參數(shù)空間，建立消息到混沌耦合映射網(wǎng)絡(luò)的緊密聯(lián)系； 最后，利用混沌耦合映射網(wǎng)絡(luò)優(yōu)良的參數(shù)敏感性，使得任何消息的微小變化能夠通過包含 該變化的節(jié)點及節(jié)點間的邊權(quán)迅速擴散并擾動到其它節(jié)點。從而，獲得優(yōu)良的混淆和擴散 特性，同時，能有效降低迭代次數(shù)，提高算法效率。本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的一種基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法，其特征在于該方法采用基于消息 建立的復(fù)雜動態(tài)網(wǎng)絡(luò)，將該網(wǎng)絡(luò)參數(shù)映射到混沌耦合映射網(wǎng)絡(luò)進行迭代、量化處理，得到 Hash值，具體包括以下步驟1)從網(wǎng)絡(luò)的角度，建立消息塊的網(wǎng)絡(luò)拓撲，構(gòu)建消息塊網(wǎng)絡(luò) (Message-blocknetwork，MBN)，建立消息塊網(wǎng)絡(luò)；首先，預(yù)處理待Hash的原始消息M，將M 分為固定長度的K個消息塊Mk(k = 1，. . .，K)，每個消息塊可以再劃分為N個組元Ci (i = 1，. . .，N)，如果將每個組元作為網(wǎng)絡(luò)中的節(jié)點，以組元間(如，Ci和Cj)的二者進行異或運 算關(guān)系，作為網(wǎng)絡(luò)中節(jié)點之間的聯(lián)系，其運算值~作為邊權(quán)，從任意消息塊構(gòu)建出一個含 權(quán)的消息塊網(wǎng)絡(luò)；2)建立消息塊網(wǎng)絡(luò)到復(fù)雜動態(tài)網(wǎng)絡(luò)(Complex Dynamiccal network, CDN)的 映射；將消息塊網(wǎng)絡(luò)的節(jié)點集V= (Ci)N和邊集A= (aij)NXN信息，映射到復(fù)雜動態(tài)網(wǎng)絡(luò)
JV
(^1=/(^；)+a ^x/, i=l,2,...,N )中的節(jié)點狀態(tài)初值t Λ,、和網(wǎng)絡(luò)鄰接矩陣E 7=140=ι,·..，τν)
=(θυ)ΝΧΝ中，得到含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)(Weighted complex dynamical network,
WCDN)，使得消息中的任何微小變化通過節(jié)點初值和網(wǎng)絡(luò)拓撲矩陣迅速擴散到全網(wǎng)的所有節(jié)占.
I— /、、、 3)通過對消息塊Mk的含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)進行R輪迭代運算及量化處理， 得到輸出Yk，再與第k-Ι個消息塊的中間Hash值Hlrl進行異或運算，獲得本次對消息塊Mk 處理的中間Hash值Hk，最后一塊MK處理完畢得到的Hash值Hk即為最終Hash值。本發(fā)明步驟2)中，節(jié)點動力學(xué)方程采Logistic映射，含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò) 中的節(jié)點動力學(xué)方程用任意混沌映射替代。含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)中混沌映射的相空間參數(shù)，采用Logistic映射時的參數(shù)μ ρ μ ρ . . .，μ N作為帶密鑰的Hash算法中的密鑰。本發(fā)明中首先建立消息塊網(wǎng)絡(luò)(Message-block network，MBN)。預(yù)處理待Hash 的原始消息M，將M分為固定長度的K個消息塊Mk(k = 1，. . .，K)，每個消息塊可以再劃分 為N個組元Ci (i = 1，...，N)，如果將每個組元作為網(wǎng)絡(luò)中的節(jié)點，以組元間(如，(^和…) 的某種運算關(guān)系(如，二者進行異或運算)作為網(wǎng)絡(luò)中節(jié)點之間的聯(lián)系，其運算值作為 邊權(quán)，這樣我們可以從任意消息塊構(gòu)建出一個含權(quán)的消息塊網(wǎng)絡(luò)(Message-blocknetwork， MBN)，如圖1所示；然后建立MBN到復(fù)雜動態(tài)網(wǎng)絡(luò)(Complex Dynamiccal network, CDN)的映射。算
N
法中的 CDN 為一耦合映射系統(tǒng)(coupled map system, CMS) =
2，. . .，N，其中，之為⑶N中節(jié)點i在t時刻的動力學(xué)狀態(tài)變量，/W)為節(jié)點i的本地動力學(xué) 方程，本算法中，取為logistic映射，S卩，f(x) =mx(l-x), μ e (3. 57，4)。e。為節(jié)點i和 節(jié)點j的邊權(quán)信息，也是反映CDN節(jié)點拓撲鄰接矩陣E中的因子。選擇一定的線性或非線性 變換，建立起MBN網(wǎng)絡(luò)到⑶N網(wǎng)絡(luò)中節(jié)點和邊的一一映射， . — x'0，Cij — eiJO通過映射，得 到一個含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)(Weighted complex dynamicalnetwork, WCDN)系統(tǒng)；最后通過對消息塊Mk的WCDN進行R輪迭代運算及量化處理，得到輸出Yk，再與第 k-Ι個消息塊的中間Hash值Hh進行異或運算，獲得本次對消息塊Mk處理的中間Hash值 Hk,最后一塊MK處理完畢得到的Hash值Hk即為最終Hash值。Hash函數(shù)生成過程如圖2所 示，對WCDN迭代后的量化處理過程如圖3所示。本發(fā)明利用混沌耦合映射網(wǎng)絡(luò)優(yōu)良的參數(shù)敏感性，基于復(fù)雜動態(tài)網(wǎng)絡(luò)的思想，處 理待Hash的消息塊，構(gòu)建消息的網(wǎng)絡(luò)拓撲，建立該消息網(wǎng)絡(luò)拓撲到混沌耦合映射網(wǎng)絡(luò)的映 射，實現(xiàn)低計算復(fù)雜度的安全Hash函數(shù)，將消息的任何微小變化通過少數(shù)的幾次迭代迅速 擴散到全網(wǎng)。為提高Hash算法的運算效率和安全性，本發(fā)明采用基于消息建立的復(fù)雜動態(tài)網(wǎng) 絡(luò)，并將該網(wǎng)絡(luò)參數(shù)映射到混沌耦合映射網(wǎng)絡(luò)進行迭代、量化處理，得到Hash值，該方法可 以獲得很好的混淆和擴散特性，且算法復(fù)雜度可以有效降低，是一種低計算復(fù)雜度的安全 Hash函數(shù)算法。本以明的有益效果如下本發(fā)明為信息網(wǎng)絡(luò)中的數(shù)字簽名、消息認證、數(shù)據(jù)完整性認證等安全應(yīng)用領(lǐng)域提 供了一個實用可行的低復(fù)雜度的安全Hash函數(shù)方案。本發(fā)明在提升Hash函數(shù)混淆和擴散性能的同時，降低了混沌迭代次數(shù)，減少了計 算復(fù)雜度。不僅考慮消息的值，還考慮組成消息的各部分字節(jié)之間的關(guān)系，建立消息信息 建立權(quán)重網(wǎng)絡(luò)。并將該網(wǎng)絡(luò)的節(jié)點信息和拓撲信息完全映射到復(fù)雜動態(tài)網(wǎng)絡(luò)系統(tǒng)中，得到 關(guān)于消息的權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)，通過對該復(fù)雜權(quán)重網(wǎng)絡(luò)的迭代、量化處理得到所需的Hash 值。本發(fā)明利用復(fù)雜動態(tài)網(wǎng)絡(luò)對初值和網(wǎng)絡(luò)鄰接矩陣中邊權(quán)值的極其敏感性，使得消息的 任何微小變化通過節(jié)點初值和網(wǎng)絡(luò)拓撲矩陣迅速擴散到全網(wǎng)的所有節(jié)點，在提高算法安全 性的同時，有效降低算法的計算復(fù)雜度。


圖1是從消息生成網(wǎng)絡(luò)拓撲的示意圖；圖2是Hash函數(shù)生成示意圖。圖3是量化過程示意圖
具體實施例方式一種本發(fā)明所述的基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法，該方法采用基于消 息建立的復(fù)雜動態(tài)網(wǎng)絡(luò)，將該網(wǎng)絡(luò)參數(shù)映射到混沌耦合映射網(wǎng)絡(luò)進行迭代、量化處理，得到 Hash值，具體包括以下步驟1、預(yù)處理原始消息對原始消息M首先進行如下變換M' = M+string (| M |) +padding(1)其目的是使得變換后的消息Μ’能分割成K個長度為Lbits的消息子塊Mk(k = 1，...，K)，k消息塊序號，(1)式中‘ + ’表示字符串的連接運算，String(IMl)是原始消息M 的長度的字符串形式；padding是指當最后一個塊不足Lbits時的填充位以保證最后一個 子塊也為L位；2、初始化相關(guān)參數(shù)對復(fù)雜動態(tài)網(wǎng)絡(luò)中的相關(guān)初始參數(shù)，Hash初始值等進行設(shè)定 消息塊長度L，例如L = 256bits· CDN中網(wǎng)絡(luò)大小N，例如N = 8· logistic 映射的相參數(shù) μ” μ”··.，μ Ν 例如 W1= μ2 = . . . = μ Ν = 3. 95· Hash 值的長度 h，例如h = 160bits· Hash值的初值向量HQ，例如Htl = 0 量化級別為2D，和迭代輪數(shù)R，注意的是h = NXDXR，例如D = 4，R = 53、建立含權(quán)的消息網(wǎng)絡(luò)(MBN)將Mk再劃分成N個組元Cl，c2，. . .，cN，每個組元Ci (i = 1，. . .，N)有m個字節(jié)， 即Ci = (Ci[l]，Ci[2]，. . .，Ci [m])，顯然消息位長和組元位長滿足關(guān)系L = NX 8m，例如，本 方案中取L = 256，N = 8，m = 4.令 i，j =丨，2，. . .，N，‘十，表示異或操作。顯然aij的長度也為m個字 節(jié)，艮口 Cilj = (aij[l], Cilj [2], . . . , Cilj [m])以Ci(i = 1，. . .，N)作為消息網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點，以％作為節(jié)點Ci和Cj的邊權(quán)， 那么我們就建立了一個網(wǎng)絡(luò)規(guī)模為N的含權(quán)消息網(wǎng)絡(luò)MBN。記MBN 的點集 V = (Ci)N，邊集 A = (Bij)nxn,則 MBN 可記為=MBN = (V, A)。4、建立權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)(WCDN)本發(fā)明中的復(fù)雜動態(tài)網(wǎng)絡(luò)(⑶N)可以用下式描述 該動態(tài)網(wǎng)絡(luò)中，取節(jié)點動力學(xué)為logistic映射，該方程取絕對值并對1取模的目 的是確保節(jié)點狀態(tài)值
。 節(jié)點映射考慮消息塊序號k，將消息網(wǎng)絡(luò)中的第i個節(jié)點Ci通過線性變換映射 至ij網(wǎng)絡(luò)⑵中節(jié)點的初始參數(shù);ci中 其中dec (Ci)表示將Ci轉(zhuǎn)換成十進制整數(shù)值 邊權(quán)映射將第k個消息塊中第i個節(jié)點和第j個節(jié)點的邊Cij通過下列變換映 射到⑶N中的網(wǎng)絡(luò)鄰接矩陣E = (eiJ)NXN中的第i行第j列的因子、中。 注消息塊的塊序號和節(jié)點序號都是變換中的參量。通過上述變換，⑶N則為一包含了 MBN信息的權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)(WCDN)。5、對權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)迭代量化對每k個消息塊映射的權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)式(2)執(zhí)行R輪迭代，，第i個節(jié)點的第 t輪迭代的結(jié)果，按下式進行2D級量化 int(.)表示取整，則β;€
，其二進制序列可以表示為
則包含N個節(jié)點的WCDN在第t輪迭代的量化向量為
我們?nèi)?Y1 =砂丨..力礦矽..擬作為第t輪的輸出，則R輪迭代完成后，連接每一輪的的輸出 得到第k個消息塊的輸出向量為
整個量化過程如圖3所示。以第k個消息塊的輸出和K-I塊的hash輸出進行異或作為第k個消息塊的Hash 輸出 6、輸出 Hash 值重復(fù)上述步驟3、4和5直到處理完所有的K塊消息。以最后一個消息塊Mk的Hash 輸出Hk作為最終的Hash結(jié)果。本發(fā)明利用復(fù)雜動態(tài)網(wǎng)絡(luò)對初值和網(wǎng)絡(luò)鄰接矩陣中邊權(quán)值的極其敏感性，使得消 息的任何微小變化通過節(jié)點初值和網(wǎng)絡(luò)拓撲矩陣迅速擴散到全網(wǎng)的所有節(jié)點，在提高算法 安全性的同時，有效降低算法的計算復(fù)雜度。
權(quán)利要求
一種基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法，其特征在于該方法采用基于消息建立的復(fù)雜動態(tài)網(wǎng)絡(luò)，將該網(wǎng)絡(luò)參數(shù)映射到混沌耦合映射網(wǎng)絡(luò)進行迭代、量化處理，得到Hash值，具體包括以下步驟1)從網(wǎng)絡(luò)的角度，建立消息塊的網(wǎng)絡(luò)拓撲，構(gòu)建消息塊網(wǎng)絡(luò)，建立消息塊網(wǎng)絡(luò)；首先，預(yù)處理待Hash的原始消息M，將M分為固定長度的K個消息塊Mk(k＝1，...，K)，每個消息塊可以再劃分為N個組元ci(i＝1，...，N)，如果將每個組元作為網(wǎng)絡(luò)中的節(jié)點，以組元間(如，ci和cj)的二者進行異或運算關(guān)系，作為網(wǎng)絡(luò)中節(jié)點之間的聯(lián)系，其運算值aij作為邊權(quán)，從任意消息塊構(gòu)建出一個含權(quán)的消息塊網(wǎng)絡(luò)；2)建立消息塊網(wǎng)絡(luò)到復(fù)雜動態(tài)網(wǎng)絡(luò)的映射；將消息塊網(wǎng)絡(luò)的節(jié)點集V＝(ci)N和邊集A＝(aij)N×N信息，映射到復(fù)雜動態(tài)網(wǎng)絡(luò)和的節(jié)點狀態(tài)初值和網(wǎng)絡(luò)鄰接矩陣E＝(eij)N×N中，得到含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)，使得消息中的任何微小變化通過節(jié)點初值和網(wǎng)絡(luò)拓撲矩陣迅速擴散到全網(wǎng)的所有節(jié)點；3)通過對消息塊Mk的含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)進行R輪迭代運算及量化處理，得到輸出Yk，再與第k-1個消息塊的中間Hash值Hk-1進行異或運算，獲得本次對消息塊Mk處理的中間Hash值Hk，最后一塊MK處理完畢得到的Hash值HK即為最終Hash值。FSA00000155484700011.tif,FSA00000155484700012.tif
2.根據(jù)權(quán)利要求1所述的基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法，其特征在于步驟 2)中，節(jié)點動力學(xué)方程采用Logistic映射，含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)中的節(jié)點動力學(xué)方 程用任意混沌映射替代。
3.根據(jù)權(quán)利要求1所述的基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash函數(shù)構(gòu)造算法，其特征在于步驟 2)中，含消息權(quán)重的復(fù)雜動態(tài)網(wǎng)絡(luò)中混沌映射的相空間參數(shù)，采用Logistic映射時的參數(shù) ii ii i，. . .，ii N作為帶密鑰的Hash算法中的密鑰。
全文摘要
本發(fā)明公開了一種基于復(fù)雜動態(tài)網(wǎng)絡(luò)的Hash算法。該算法采用對待Hash的原始消息的消息塊按一定的規(guī)則構(gòu)造消息塊網(wǎng)絡(luò)MBN，并將該MBN的點集和邊集使用一定變換規(guī)則映射到復(fù)雜動態(tài)網(wǎng)絡(luò)CDN的節(jié)點狀態(tài)初值和鄰接矩陣中，從而，構(gòu)成包含原始消息結(jié)構(gòu)的權(quán)重復(fù)雜動態(tài)網(wǎng)絡(luò)WCDN。通過對每個消息塊的WCDN進行迭代、量化處理以及異或處理最終得到Hash值。本發(fā)明利用WCDN對初值及參數(shù)的極其敏感性，在少數(shù)的幾次WCDN迭代處理后，就可獲得混淆和擴散特性優(yōu)良的安全性能，同時也有效降低了計算復(fù)雜度。
文檔編號H04L29/06GK101872339SQ20101019798
公開日2010年10月27日 申請日期2010年6月11日 優(yōu)先權(quán)日2010年6月11日
發(fā)明者宋玉蓉, 樊春霞, 王亞奇, 蔣國平 申請人:南京郵電大學(xué)