| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-11页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 基于神经同步的密钥交换协议 | 第9-10页 |
| 1.3 本文主要内容及章节设置 | 第10-11页 |
| 2 神经同步 | 第11-16页 |
| 2.1 树形奇偶机模型 | 第11-12页 |
| 2.2 学习规则 | 第12-13页 |
| 2.3 相关参数 | 第13页 |
| 2.4 神经加密 | 第13-16页 |
| 2.4.1 简单攻击 | 第14页 |
| 2.4.2 几何攻击 | 第14-15页 |
| 2.4.3 主要攻击 | 第15-16页 |
| 3 神经同步过程的动力学分析 | 第16-29页 |
| 3.1 学习规则的影响 | 第16-20页 |
| 3.1.1 权值的分布 | 第16-18页 |
| 3.1.2 吸引步和排斥步 | 第18-20页 |
| 3.2 转移概率 | 第20-22页 |
| 3.2.1 简单攻击 | 第20-21页 |
| 3.2.2 同步 | 第21-22页 |
| 3.3 权值变化的动力学分析 | 第22-25页 |
| 3.3.1 等待一次反弹的时间 | 第23-24页 |
| 3.3.2 两个随机行走权值的同步 | 第24-25页 |
| 3.4 同步程度的随机行走 | 第25-27页 |
| 3.5 同步时间 | 第27-29页 |
| 3.5.1 隐藏单元的数量 | 第27-28页 |
| 3.5.2 学习规则 | 第28-29页 |
| 4 神经密钥交换协议的安全性 | 第29-39页 |
| 4.1 成功概率 | 第29-33页 |
| 4.1.1 采用单个神经网络的攻击 | 第30-31页 |
| 4.1.2 主要攻击 | 第31-33页 |
| 4.2 交互的安全性 | 第33-35页 |
| 4.3 密钥的数量 | 第35-39页 |
| 4.3.1 无交互的同步 | 第35-37页 |
| 4.3.2 有效密钥长度 | 第37-39页 |
| 5 神经同步学习规则的改进 | 第39-54页 |
| 5.1 Hebbian等经典学习规则的局限 | 第39页 |
| 5.2 δ Hebbian学习规则 | 第39-46页 |
| 5.2.1 学习规则的设计思想 | 第39页 |
| 5.2.2 学习规则 | 第39-40页 |
| 5.2.3 仿真实验及结果分析 | 第40-44页 |
| 5.2.4 学习规则下神经密钥交换协议的安全性分析 | 第44-46页 |
| 5.3 α Hebbian学习规则 | 第46-54页 |
| 5.3.1 能够加速神经同步进程的原因 | 第47-48页 |
| 5.3.2 仿真实验结果及分析 | 第48-50页 |
| 5.3.3 收缩系数对神经同步后权值分布的影响 | 第50-51页 |
| 5.3.4 学习规则下的神经密钥交换协议的安全性分析 | 第51-54页 |
| 6 结语与展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
| 作者在攻读硕士学位期间所发表的文章目录 | 第60页 |