(19)國家知識產(chǎn)權(quán)局(10)申請公布號CN120263411A(71)申請人平安科技(深圳)有限公司地址518000廣東省深圳市福田區(qū)福田街道福安社區(qū)益田路5033號平安金融中心23樓(72)發(fā)明人舒暢陳遠(yuǎn)旭葉愛萍(74)專利代理機(jī)構(gòu)廣東良馬律師事務(wù)所44395專利代理師侯麗燕本發(fā)明涉及數(shù)據(jù)安全技術(shù)領(lǐng)域，可應(yīng)用于金融科技、醫(yī)療健康等業(yè)務(wù)場景中，公開了一種數(shù)混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，監(jiān)測實(shí)時(shí)狀態(tài)向量的混沌特性生成混沌強(qiáng)度指標(biāo)，將混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，在滿足密鑰更新條件時(shí)基于實(shí)時(shí)狀態(tài)向量生成原始密鑰，根據(jù)混沌強(qiáng)度指標(biāo)動態(tài)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，對原始密鑰進(jìn)行密碼學(xué)處理生成最終密鑰，利用最終密鑰對目標(biāo)數(shù)據(jù)執(zhí)行加密處理，生成目標(biāo)加密數(shù)據(jù)。本發(fā)明通過將混沌神經(jīng)網(wǎng)絡(luò)的內(nèi)部狀態(tài)作為動態(tài)密鑰生成依2獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量；監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特性，生成混沌強(qiáng)度指標(biāo)；將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣；對所述原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰；通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)。2.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，包括：基于所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值的差值，確定自適應(yīng)增益因子；生成邏輯斯蒂映射的擾動矩陣；將所述擾動矩陣與所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的當(dāng)前權(quán)重矩陣進(jìn)行逐元素相乘，生成擾動后的權(quán)重矩陣；將所述擾動后的權(quán)重矩陣與所述自適應(yīng)增益因子加權(quán)疊加，生成更新后的權(quán)重矩陣；將所述更新后的權(quán)重矩陣加載至所述混沌神經(jīng)網(wǎng)絡(luò)處理單元，替換所述當(dāng)前權(quán)重矩3.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特獲取預(yù)設(shè)時(shí)間窗口內(nèi)的多個(gè)所述實(shí)時(shí)狀態(tài)向量；根據(jù)每個(gè)所述實(shí)時(shí)狀態(tài)向量確定對應(yīng)的雅可比矩陣；提取每個(gè)雅可比矩陣的主李亞普諾夫向量；基于所述主李亞普諾夫向量與對應(yīng)的所述雅可比矩陣的乘積，確定所述預(yù)設(shè)時(shí)間窗口內(nèi)的平均柯爾莫哥洛夫-西奈熵值，生成所述混沌強(qiáng)度指標(biāo)。4.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始獲取預(yù)設(shè)混沌閾值，并將所述混沌強(qiáng)度指標(biāo)與所述預(yù)設(shè)混沌閾值進(jìn)行數(shù)值大小比較；當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述混沌閾值時(shí)，判定滿足密鑰更新條件；將所述實(shí)時(shí)狀態(tài)向量通過投影矩陣映射至預(yù)設(shè)維度的低維空間，生成投影向量；對所述投影向量進(jìn)行非線性激活函數(shù)處理，生成激活向量；對所述激活向量進(jìn)行模運(yùn)算截?cái)嗵幚?，生成初始密鑰；將所述初始密鑰與一次性隨機(jī)數(shù)進(jìn)行異或操作，生成所述原始密鑰。5.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，對所述原始密鑰進(jìn)行密碼學(xué)處理，將所述原始密鑰輸入安全哈希模塊進(jìn)行哈希處理，生成哈希結(jié)果；對所述哈希結(jié)果進(jìn)行密鑰長度標(biāo)準(zhǔn)化截?cái)嗵幚?，生成?biāo)準(zhǔn)長度密鑰；將所述標(biāo)準(zhǔn)長度密鑰輸入密鑰擴(kuò)展模塊，生成符合目標(biāo)加密要求的所述最終密鑰。6.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)3初始化混沌神經(jīng)網(wǎng)絡(luò)處理單元，并激活所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的混沌動力學(xué)特性維持機(jī)制；通過數(shù)據(jù)采集模塊獲取所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的輸出信號；將所述輸出信號進(jìn)行狀態(tài)空間重構(gòu)，生成多維狀態(tài)向量；對所述多維狀態(tài)向量進(jìn)行有效性驗(yàn)證并剔除異常數(shù)據(jù)點(diǎn)，生成驗(yàn)證后的多維狀態(tài)向量作為所述實(shí)時(shí)狀態(tài)向量。7.如權(quán)利要求1所述的數(shù)據(jù)加密方法，其特征在于，通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行將目標(biāo)數(shù)據(jù)劃分為預(yù)設(shè)長度的明文數(shù)據(jù)塊，并根據(jù)預(yù)設(shè)的填充策略對最后一個(gè)明文數(shù)據(jù)塊進(jìn)行填充對齊處理；通過所述最終密鑰初始化加密執(zhí)行模塊；將每個(gè)明文數(shù)據(jù)塊輸入所述加密執(zhí)行模塊進(jìn)行加密處理，生成對應(yīng)的密文數(shù)據(jù)塊；將所有密文數(shù)據(jù)塊根據(jù)所述目標(biāo)數(shù)據(jù)的劃分順序組合，生成所述目標(biāo)加密數(shù)據(jù)。8.一種數(shù)據(jù)加密裝置，其特征在于，所述數(shù)據(jù)狀態(tài)采集模塊，用于獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量；混沌檢測模塊，用于監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特性，生成混沌強(qiáng)度指標(biāo)；密鑰生成模塊，用于將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；權(quán)重?cái)_動模塊，用于根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩密鑰強(qiáng)化模塊，用于對所述原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰；數(shù)據(jù)加密模塊，用于通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)。9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括存儲器、處理器以及存儲至所述存儲器上并可以在所述處理器上運(yùn)行的數(shù)據(jù)加密程序，所述數(shù)據(jù)加密程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的數(shù)據(jù)加密方法的步驟。10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有數(shù)據(jù)加密程序，所述數(shù)據(jù)加密程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任一項(xiàng)所述的數(shù)據(jù)加密方法的步驟。4數(shù)據(jù)加密方法、裝置、設(shè)備及介質(zhì)技術(shù)領(lǐng)域[0001]本發(fā)明涉及數(shù)據(jù)安全技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)加密方法、裝置、設(shè)備及存儲介背景技術(shù)[0002]隨著圖像在各類高敏感場景中的應(yīng)用不斷深化，現(xiàn)有圖像加密技術(shù)面臨諸多瓶頸。傳統(tǒng)對稱加密算法廣泛依賴靜態(tài)密鑰機(jī)制，難以抵御密鑰泄露或量子計(jì)算攻擊所帶來的系統(tǒng)性風(fēng)險(xiǎn)。部分研究引入混沌系統(tǒng)進(jìn)行密鑰流生成以提高不可預(yù)測性，但此類方法多依賴外部擾動源或固定初始參數(shù)，存在熵源不可控、擾動強(qiáng)度難以持續(xù)維持的問題。另一方面，部分神經(jīng)網(wǎng)絡(luò)模型雖然具備處理時(shí)變數(shù)據(jù)的能力，但在實(shí)際圖像加密應(yīng)用中仍需依賴外部熵提取或參數(shù)注入，導(dǎo)致整體系統(tǒng)復(fù)雜度增加、加密延遲升高，難以滿足高并發(fā)、實(shí)時(shí)性強(qiáng)的圖像處理需求。[0003]在金融科技業(yè)務(wù)領(lǐng)域，圖像廣泛用于身份識別、風(fēng)險(xiǎn)控制和交易憑證的生成與驗(yàn)證。面部識別圖像、電子簽章圖像以及圖像化交易單據(jù)等敏感信息成為攻擊者的重點(diǎn)目標(biāo)。當(dāng)前圖像加密系統(tǒng)多采用固定密鑰機(jī)制，缺乏動態(tài)響應(yīng)能力，在高頻交易與實(shí)時(shí)風(fēng)控環(huán)境下極易出現(xiàn)安全窗口。一旦密鑰被泄露或預(yù)測，可能導(dǎo)致批量用戶信息遭受破壞或資金被[0004]在醫(yī)療健康業(yè)務(wù)領(lǐng)域，醫(yī)學(xué)影像數(shù)據(jù)在遠(yuǎn)程醫(yī)療、臨床診斷與多中心病例分析中已成為數(shù)據(jù)主流。高分辨率CT、MRI或超聲圖像不僅具轉(zhuǎn)的特點(diǎn)，傳統(tǒng)加密方法在實(shí)時(shí)性與穩(wěn)定性方面難以兼顧。一方面，混沌加密方法雖具一定隨機(jī)性，但往往依賴固定擾動初值或外部噪聲，難以實(shí)現(xiàn)動態(tài)熵控制；另一方面，部分神經(jīng)網(wǎng)絡(luò)加密方案仍需調(diào)用外部熵源執(zhí)行密鑰生成，導(dǎo)致響應(yīng)延遲顯著,無法支撐連續(xù)圖像流下的實(shí)時(shí)加密需求。發(fā)明內(nèi)容[0005]本發(fā)明的主要目的在于提供一種數(shù)據(jù)加密方法、裝置、設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)中密鑰生成依賴靜態(tài)規(guī)則或低頻更新機(jī)制，無法實(shí)時(shí)響應(yīng)系統(tǒng)混沌狀態(tài)變化，導(dǎo)致密鑰更新滯后且抗攻擊能力弱的技術(shù)問題。[0007]獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量；[0008]監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特性，生成混沌強(qiáng)度指標(biāo)；[0009]將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；[0010]根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣；[0011]對所述原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰；[0012]通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)。5[0014]狀態(tài)采集模塊，用于獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量；[0015]混沌檢測模塊，用于監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混[0016]密鑰生成模塊，用于將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；[0017]權(quán)重?cái)_動模塊，用于根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣；[0019]數(shù)據(jù)加密模塊，用于通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密[0020]進(jìn)一步地，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)設(shè)備，所述計(jì)算機(jī)設(shè)備包括存儲器、處理器以及存儲至所述存儲器上并可在所述處理器上運(yùn)行的數(shù)據(jù)加密程序，所述數(shù)據(jù)加密程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述所述的數(shù)據(jù)加密方法的步驟。[0021]進(jìn)一步地，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，所述存儲介質(zhì)上存儲有數(shù)據(jù)加密程序，所述數(shù)據(jù)加密程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的數(shù)據(jù)加密方法的步驟。[0022]有益效果：本發(fā)明涉及數(shù)據(jù)安全技術(shù)領(lǐng)域，可應(yīng)用于金融科技、醫(yī)療健康等業(yè)務(wù)場運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，監(jiān)測實(shí)時(shí)狀態(tài)向量的混沌特性生成混沌強(qiáng)度指標(biāo)，將混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，在滿足密鑰更新條件時(shí)基于實(shí)時(shí)狀態(tài)向量生成原始密鑰，根據(jù)混沌強(qiáng)度指標(biāo)動態(tài)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，對原始密鑰進(jìn)行密碼學(xué)處理生成最終密鑰，利用最終密鑰對目標(biāo)數(shù)據(jù)執(zhí)行加密處理，生成目標(biāo)加密數(shù)據(jù)。本發(fā)明通過將混沌神經(jīng)網(wǎng)絡(luò)的內(nèi)部狀態(tài)作為動態(tài)密鑰生成依據(jù)，在實(shí)時(shí)監(jiān)測系統(tǒng)混沌強(qiáng)度的基礎(chǔ)上完成密鑰更新與權(quán)重?cái)_動聯(lián)動，消除了對外部熵源和固定參數(shù)的依賴，實(shí)現(xiàn)密鑰的自適應(yīng)調(diào)節(jié)與高頻更新，提高了數(shù)據(jù)加密過程的安全性與實(shí)時(shí)性。附圖說明[0023]下面將結(jié)合附圖及實(shí)施例對本發(fā)明作進(jìn)一步說明，附圖中：[0024]圖1為本發(fā)明一實(shí)施例中數(shù)據(jù)加密方法的一應(yīng)用環(huán)境示意圖；[0025]圖2為本發(fā)明數(shù)據(jù)加密方法一實(shí)施例的流程示意圖；[0026]圖3為本發(fā)明數(shù)據(jù)加密裝置較佳實(shí)施例的功能模塊示意圖；[0027]圖4為本發(fā)明一實(shí)施例中計(jì)算機(jī)設(shè)備的一結(jié)構(gòu)示意圖；[0028]圖5為本發(fā)明一實(shí)施例中計(jì)算機(jī)設(shè)備的另一結(jié)構(gòu)示意圖。具體實(shí)施方式[0029]應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。[0030]本發(fā)明實(shí)施例提供的數(shù)據(jù)加密方法，可應(yīng)用在如圖1的應(yīng)用環(huán)境中，其中，用戶端通過網(wǎng)絡(luò)與服務(wù)端進(jìn)行通信。服務(wù)端可以通過用戶端獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，監(jiān)測實(shí)時(shí)狀態(tài)向量的混沌特性生成混沌強(qiáng)度指標(biāo)，將混沌強(qiáng)度指標(biāo)6與預(yù)設(shè)混沌閾值比較，在滿足密鑰更新條件時(shí)基于實(shí)時(shí)狀態(tài)向量生成原始密鑰，根據(jù)混沌強(qiáng)度指標(biāo)動態(tài)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，對原始密鑰進(jìn)行密碼學(xué)處理生成最終密鑰，利用最終密鑰對目標(biāo)數(shù)據(jù)執(zhí)行加密處理，生成目標(biāo)加密數(shù)據(jù)。本發(fā)明通過將混沌神經(jīng)網(wǎng)絡(luò)的內(nèi)部狀態(tài)作為動態(tài)密鑰生成依據(jù)，在實(shí)時(shí)監(jiān)測系統(tǒng)混沌強(qiáng)度的基礎(chǔ)上完成密鑰更新與權(quán)重?cái)_動聯(lián)動，消除了對外部熵源和固定參數(shù)的依賴，實(shí)現(xiàn)密鑰的自適應(yīng)調(diào)節(jié)與高頻更新，提高了數(shù)據(jù)加密過程的安全性與實(shí)時(shí)性。其中，用戶端可以但不限于各種個(gè)人計(jì)算機(jī)、筆記本電腦、智能手機(jī)、平板電腦和便攜式可穿戴設(shè)備。服務(wù)端可以用獨(dú)立的服務(wù)器或者是多個(gè)服務(wù)器組成的服務(wù)器集群來實(shí)現(xiàn)。下面通過具體的實(shí)施例對本發(fā)明進(jìn)行詳細(xì)的描述。[0031]請參閱圖2,圖2為本發(fā)明提供的數(shù)據(jù)加密方法一實(shí)施例的流程示意圖。需要說明的是，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。[0032]如圖2所示，本發(fā)明提出的數(shù)據(jù)加密方法包括如下步驟：[0033]S10,獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量；[0034]在本實(shí)施例中，獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，其本質(zhì)是從網(wǎng)絡(luò)的動態(tài)演化行為中實(shí)時(shí)提取反映其內(nèi)部運(yùn)行狀態(tài)的高維數(shù)據(jù)結(jié)構(gòu)，以作為后續(xù)加密過程中的密鑰生成基礎(chǔ)或狀態(tài)調(diào)控依據(jù)。混沌神經(jīng)網(wǎng)絡(luò)處理單元在進(jìn)入運(yùn)行狀態(tài)前，需要執(zhí)行初始化過程，該過程不僅包括網(wǎng)絡(luò)結(jié)構(gòu)與初始參數(shù)的加載，還需啟動其內(nèi)部具備混沌特性的演化機(jī)制。該機(jī)制通常通過引入擾動路徑完成，例如在網(wǎng)絡(luò)的遞推關(guān)系中嵌入非線性擾動因子，使網(wǎng)絡(luò)狀態(tài)在保持穩(wěn)定誤差收斂的同時(shí)表現(xiàn)出一定程度的敏感性與復(fù)雜性。擾動機(jī)制可以采用基于非線性映射的遞推控制函數(shù)，如Logistic映射、Tent映射或具有分叉行為的參數(shù)函數(shù)，通過調(diào)節(jié)擾動強(qiáng)度與反饋權(quán)重共同控制網(wǎng)絡(luò)演化路徑的多樣性與不確定性。[0035]完成初始化后，網(wǎng)絡(luò)將進(jìn)入連續(xù)運(yùn)行狀態(tài)。在該狀態(tài)下，需要通過采集模塊實(shí)時(shí)捕捉網(wǎng)絡(luò)的狀態(tài)輸出。采集模塊可以設(shè)計(jì)為周期性掃描網(wǎng)絡(luò)輸出節(jié)點(diǎn)的激活值，也可以通過事件觸發(fā)方式在輸入或權(quán)重更新發(fā)生變化時(shí)進(jìn)行采樣。實(shí)際實(shí)現(xiàn)中，采集目標(biāo)不僅限于網(wǎng)絡(luò)的最終輸出層，也可以位于中間隱含層，特別是那些受非線性變換影響較大的中間狀態(tài)，往往更能體現(xiàn)網(wǎng)絡(luò)整體的動態(tài)響應(yīng)。采集的數(shù)據(jù)一般為一組隨時(shí)間變化的數(shù)值序列，在采集后應(yīng)按統(tǒng)一格式組織為時(shí)間序列信號，以便執(zhí)行后續(xù)重構(gòu)操作。[0036]采集到的輸出信號需進(jìn)一步進(jìn)行狀態(tài)空間重構(gòu)，從而將一維時(shí)間序列轉(zhuǎn)化為多維向量形式，重建網(wǎng)絡(luò)的相空間軌跡。該操作通常采用延遲嵌入技術(shù)，通過設(shè)定嵌入維度和時(shí)間延遲，將連續(xù)時(shí)間點(diǎn)的數(shù)據(jù)組織為向量。例如，設(shè)定嵌入維度為d,延遲為t,則每個(gè)向量由信號在t、t+t、t+2t...t+(d-1)τ時(shí)刻的數(shù)值組成，構(gòu)建出d維狀態(tài)軌號的歷史信息與局部變化結(jié)構(gòu)，避免因直接使用原始序列而導(dǎo)致的表達(dá)能力不足。[0037]為了確保生成的狀態(tài)向量具備可靠性與代表性，還需對其進(jìn)行有效性檢測。有效性檢測可以通過滑動窗口內(nèi)的方差檢測、基于動態(tài)范圍的閾值過濾、或者通過結(jié)構(gòu)一致性檢驗(yàn)等方法實(shí)現(xiàn)。在實(shí)際系統(tǒng)中，可能存在因網(wǎng)絡(luò)短暫收斂或擾動失效而導(dǎo)致的狀態(tài)凍結(jié)現(xiàn)象，此類狀態(tài)向量一旦用于后續(xù)處理將顯著降低系統(tǒng)安全性，因此必須提前識別并剔除。經(jīng)篩選后的向量可視為當(dāng)前時(shí)刻的有效實(shí)時(shí)狀態(tài)向量，并作為后續(xù)處理模塊的輸入。7[0038]可以通過將零化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)嵌入一個(gè)時(shí)間驅(qū)動的輸入流控制模塊實(shí)現(xiàn)網(wǎng)絡(luò)的連續(xù)運(yùn)行，輸入流可以是隨機(jī)激勵信號、實(shí)時(shí)圖像數(shù)據(jù)的特征編碼，或者由系統(tǒng)內(nèi)部的反饋生成。初始化時(shí)加載權(quán)重矩陣與擾動結(jié)構(gòu)，設(shè)置非線性擾動通道的初始參數(shù)范圍，如擾動強(qiáng)度范圍設(shè)定在動態(tài)區(qū)間，并通過時(shí)間控制器設(shè)定擾動迭代的頻率。采集模塊可以設(shè)計(jì)為與GPU計(jì)算圖異步工作的結(jié)構(gòu)，使用共享內(nèi)存結(jié)構(gòu)讀取當(dāng)前狀態(tài)向量，避免阻塞計(jì)算流。在狀態(tài)空間重構(gòu)階段，重構(gòu)參數(shù)可由外部配置文件動態(tài)加載，根據(jù)實(shí)際采樣頻率進(jìn)行自動優(yōu)化，以提升重構(gòu)軌跡的表達(dá)能力。在異常狀態(tài)點(diǎn)處理上，可以配置本地均值模型對突變點(diǎn)進(jìn)行回填，或者通過濾波器對波動范圍異常的向量進(jìn)行抑制，最終輸出結(jié)構(gòu)穩(wěn)定、具有動態(tài)響應(yīng)特性的實(shí)時(shí)狀態(tài)向量。[0039]示例說明：在醫(yī)療健康業(yè)務(wù)領(lǐng)域，醫(yī)學(xué)影像系統(tǒng)中往往需要對CT圖像、MRI圖像等連續(xù)幀數(shù)據(jù)進(jìn)行上傳前加密。系統(tǒng)在圖像接收端通過零化神經(jīng)網(wǎng)絡(luò)處理單元持續(xù)運(yùn)行，通過圖像幀序列的嵌入特征作為動態(tài)輸入驅(qū)動網(wǎng)絡(luò)演化。在每幀圖像處理時(shí)，實(shí)時(shí)從該神經(jīng)網(wǎng)絡(luò)中獲取當(dāng)前的輸出狀態(tài)，通過數(shù)據(jù)采集模塊提取狀態(tài)序列，并進(jìn)行狀態(tài)空間重構(gòu)操作構(gòu)成當(dāng)前幀對應(yīng)的高維狀態(tài)向量。該狀態(tài)向量實(shí)時(shí)反映神經(jīng)網(wǎng)絡(luò)在當(dāng)前圖像輸入下的響應(yīng)狀態(tài)，具有高度圖像相關(guān)性。將該狀態(tài)向量作為后續(xù)密鑰生成的基礎(chǔ)，不僅實(shí)現(xiàn)圖像敏感密鑰生成，也打破了加密過程中的靜態(tài)密鑰結(jié)構(gòu)，提高了每幀圖像加密的差異性與安全性。[0040]在金融科技業(yè)務(wù)領(lǐng)域，面對高頻交易場景中頻繁觸發(fā)的數(shù)據(jù)加密需求，可以將用戶的每一次交易行為轉(zhuǎn)換為擾動輸入，驅(qū)動零化神經(jīng)網(wǎng)絡(luò)處理單元在高頻狀態(tài)下運(yùn)行。每當(dāng)新的交易動作發(fā)生，系統(tǒng)會通過輸出監(jiān)測接口采集網(wǎng)絡(luò)的狀態(tài)響應(yīng)序列，對這些輸出進(jìn)行嵌入處理構(gòu)建多維狀態(tài)向量，并通過異常篩選確保狀態(tài)向量反映當(dāng)前交易情境下的有效狀態(tài)變化。該向量在后續(xù)密鑰路徑中被用于動態(tài)生成對應(yīng)交易的數(shù)據(jù)加密參數(shù)，實(shí)現(xiàn)交易級別的狀態(tài)驅(qū)動型密鑰切換，從而避免由于重復(fù)使用固定密鑰導(dǎo)致的密鑰泄露風(fēng)險(xiǎn)。狀態(tài)向量的動態(tài)性與網(wǎng)絡(luò)內(nèi)生擾動機(jī)制共同形成加密系統(tǒng)的實(shí)時(shí)自適應(yīng)能力，特別適用于資金高敏環(huán)境下的微秒級加密策略執(zhí)行。[0041]本實(shí)施例通過構(gòu)建從混沌神經(jīng)網(wǎng)絡(luò)運(yùn)行狀態(tài)到高維狀態(tài)向量的穩(wěn)定映射路徑，使網(wǎng)絡(luò)的內(nèi)部動態(tài)變化能夠以結(jié)構(gòu)化形式被持續(xù)提取與利用，不依賴外部熵源或外部狀態(tài)監(jiān)測模塊，形成從網(wǎng)絡(luò)自身提取加密驅(qū)動信息的能力，提高整體系統(tǒng)對輸入波動的響應(yīng)靈敏度和密鑰調(diào)控的內(nèi)生適應(yīng)性。[0042]S20,監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特性，生成混沌強(qiáng)度指標(biāo)；[0043]在本實(shí)施例中，監(jiān)測實(shí)時(shí)狀態(tài)向量的混沌特性并生成混沌強(qiáng)度指標(biāo)，是動態(tài)加密流程中的關(guān)鍵反饋環(huán)節(jié)，其本質(zhì)在于對當(dāng)前系統(tǒng)運(yùn)行狀態(tài)所表現(xiàn)出的非線性復(fù)雜度與混沌性程度進(jìn)行量化，從而為后續(xù)密鑰生成條件判斷與神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)控提供動態(tài)依據(jù)。該過程首先基于已獲取的實(shí)時(shí)狀態(tài)向量集合，構(gòu)建用于動力學(xué)特征分析的時(shí)間窗口序列，該窗口包含連續(xù)的歷史狀態(tài)向量樣本，用于捕捉系統(tǒng)短期內(nèi)的演化趨勢與軌跡變化特征。[0044]在該時(shí)間窗口內(nèi)，對每個(gè)實(shí)時(shí)狀態(tài)向量執(zhí)行Jacobian矩陣的估算操作。Jacobian矩陣表示系統(tǒng)多維狀態(tài)在不同維度上的局部偏導(dǎo)數(shù)分布，反映當(dāng)前系統(tǒng)在狀態(tài)空間中對擾動的響應(yīng)敏感性。通過在每一維度上計(jì)算相鄰向量間的線性變化率，可以在無模型條件下構(gòu)建近似的局部線性描述。在此基礎(chǔ)上，提取Jacobian矩陣的主李亞普諾夫向量，該向量代表在當(dāng)前動力系統(tǒng)中最不穩(wěn)定方向上的擾動擴(kuò)張趨勢，能夠捕捉狀態(tài)演化中的指數(shù)發(fā)散特8[0045]將主李亞普諾夫向量與其對應(yīng)的Jacobian矩陣進(jìn)行向量矩陣乘積，可以獲得每一時(shí)間點(diǎn)上的局部軌道發(fā)散趨勢序列。在整個(gè)時(shí)間窗口范圍內(nèi)，對所有結(jié)果進(jìn)行積分平均，進(jìn)而估算Kolmogorov-Sinai熵的近似值。KS熵作為混沌強(qiáng)度的量化指標(biāo)，其值越大表示系統(tǒng)在該時(shí)段內(nèi)的軌道復(fù)雜度與信息生成速率越高。最終生成的混沌強(qiáng)度指標(biāo)即為此近似KS熵值的歸一化結(jié)果，作為后續(xù)密鑰更新判定的動態(tài)驅(qū)動信號。[0046]整個(gè)操作流程需在狀態(tài)向量演化中保持連續(xù)性、局部線性可估性與收斂趨勢穩(wěn)定性，才能確?；煦鐝?qiáng)度指標(biāo)具有良好的動態(tài)響應(yīng)與穩(wěn)定的數(shù)值趨勢。該指標(biāo)不僅反映當(dāng)前系統(tǒng)的混沌活躍度，還對異常狀態(tài)、過度穩(wěn)定或狀態(tài)退化具有顯著區(qū)分能力，能夠作為驅(qū)動密鑰切換與擾動調(diào)控的重要量化依據(jù)。[0047]可以選取固定長度的時(shí)間滑動窗口，將連續(xù)獲取的狀態(tài)向量按時(shí)間順序堆疊構(gòu)成軌道矩陣，使用有限差分或數(shù)值微分方法近似構(gòu)建各向量的Jacobian估計(jì)。對于高維狀態(tài)向量，可以使用奇異值分解方法提取主要變化方向作為近似主李亞普諾夫向量，從而降低計(jì)算維度。局部KS熵值的估算可基于每一幀主李亞普諾夫指數(shù)的絕對值加權(quán)平均，并使用指數(shù)衰減窗口加速在線更新。最終的混沌強(qiáng)度指標(biāo)通過歸一化處理壓縮到穩(wěn)定的指標(biāo)空[0048]在系統(tǒng)資源受限的邊緣設(shè)備場景中，還可以使用替代性指標(biāo)如樣本熵、近鄰熵或自信息增量等計(jì)算復(fù)雜度較低的熵類估計(jì)方式作為近似值，以實(shí)現(xiàn)簡化模型部署并降低運(yùn)行負(fù)載。[0049]示例說明：在醫(yī)療健康業(yè)務(wù)場景中，面對連續(xù)獲取的超聲圖像幀或心電圖動態(tài)序列，每幀圖像或每個(gè)采樣周期都將生成狀態(tài)向量，系統(tǒng)通過監(jiān)測這些狀態(tài)向量的混沌變化程度，實(shí)時(shí)計(jì)算混沌強(qiáng)度指標(biāo)。當(dāng)患者狀態(tài)突變或圖像信號變化劇烈時(shí)，混沌強(qiáng)度顯著上升，系統(tǒng)立即響應(yīng)切換密鑰路徑，實(shí)現(xiàn)對異常圖像段的高強(qiáng)度保護(hù)，防止攻擊者利用數(shù)據(jù)分布規(guī)律進(jìn)行解密推演。[0050]在金融科技業(yè)務(wù)場景中，每次交易事件都引發(fā)神經(jīng)網(wǎng)絡(luò)狀態(tài)的動態(tài)更新，交易密集期內(nèi)狀態(tài)序列波動性增強(qiáng)。系統(tǒng)通過監(jiān)測狀態(tài)序列中的混沌強(qiáng)度指標(biāo)動態(tài)判斷網(wǎng)絡(luò)當(dāng)前處于高風(fēng)險(xiǎn)或低風(fēng)險(xiǎn)狀態(tài)，并據(jù)此決定是否觸發(fā)新的密鑰生成邏輯。該機(jī)制使系統(tǒng)能夠根據(jù)實(shí)際業(yè)務(wù)強(qiáng)度調(diào)整加密復(fù)雜度，實(shí)現(xiàn)資源分配與安全級別動態(tài)平衡。[0051]本實(shí)施例通過對實(shí)時(shí)狀態(tài)向量中的軌道變化趨勢進(jìn)行局部敏感度估計(jì)與熵值量化，可實(shí)時(shí)獲得反映當(dāng)前神經(jīng)網(wǎng)絡(luò)運(yùn)行混沌程度的指標(biāo)信號。該指標(biāo)具備精度可調(diào)與計(jì)算路徑閉環(huán)的特性，能夠動態(tài)驅(qū)動密鑰更新判斷與網(wǎng)絡(luò)擾動調(diào)節(jié)，使加密系統(tǒng)具備內(nèi)生狀態(tài)感知能力與實(shí)時(shí)安全調(diào)節(jié)能力，從根本上提升動態(tài)密鑰機(jī)制的響應(yīng)靈敏度與加密路徑的不可預(yù)測性。[0052]S30,將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；[0053]在本實(shí)施例中，比較混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值的操作，屬于動態(tài)密鑰控制機(jī)制中的判定階段，其目的是對當(dāng)前神經(jīng)網(wǎng)絡(luò)狀態(tài)的非線性復(fù)雜度進(jìn)行閾值判斷，從而決定是否需要更新密鑰路徑?；煦鐝?qiáng)度指標(biāo)作為前一階段分析得到的數(shù)值量反映系統(tǒng)的運(yùn)行混沌程度，該指標(biāo)通常是歸一化后的Kolmogorov-Sinai熵或其近似估算值。在運(yùn)行過程中，系9統(tǒng)需要持續(xù)與一組靜態(tài)設(shè)定的混沌閾值進(jìn)行比較。該混沌閾值用于界定混沌特性的活躍區(qū)域，其數(shù)值設(shè)計(jì)原則為介于系統(tǒng)穩(wěn)定運(yùn)行區(qū)間與過度擾動區(qū)間之間，具有判定參考的雙向容錯(cuò)能力。[0054]判斷條件的核心邏輯在于，當(dāng)混沌強(qiáng)度指標(biāo)超過預(yù)設(shè)混沌閾值時(shí)，表明當(dāng)前神經(jīng)網(wǎng)絡(luò)狀態(tài)處于高動態(tài)復(fù)雜度區(qū)域，具備足夠的熵輸入與敏感性擴(kuò)散能力，因此此時(shí)生成的密鑰更具不可預(yù)測性與非周期性，系統(tǒng)將進(jìn)入密鑰更新流程。此流程的輸入為當(dāng)前時(shí)刻采集并重構(gòu)完成的實(shí)時(shí)狀態(tài)向量，該向量結(jié)構(gòu)性地反映了神經(jīng)網(wǎng)絡(luò)在高混沌狀態(tài)下的響應(yīng)結(jié)果，具備較高的狀態(tài)分辨力與數(shù)據(jù)冗余抑制能力。[0055]為了從該狀態(tài)向量中構(gòu)造原始密鑰，需要對其執(zhí)行維度壓縮、非線性映射與擾動收斂三個(gè)階段的變換操作。首先通過投影矩陣將高維狀態(tài)向量映射到預(yù)定義的低維空間，投影矩陣的結(jié)構(gòu)可以為固定構(gòu)造矩陣，如正交投影、隨機(jī)高斯矩陣或SVD降維子空間基組。降維的目的是壓縮狀態(tài)表達(dá)中的冗余信息，同時(shí)增強(qiáng)輸入空間與密鑰結(jié)構(gòu)之間的分離性。提高輸出的非線性分布，使密鑰分布在取值空間中呈現(xiàn)高度不均勻性，提升破解復(fù)雜度。最后，對非線性映射后的向量進(jìn)行模運(yùn)算處理，以截?cái)噙B續(xù)實(shí)數(shù)空間并映射至離散整數(shù)密鑰空間，確保密鑰滿足加密協(xié)議格式要求。該結(jié)果即為原始密鑰。[0056]原始密鑰在后續(xù)將被進(jìn)一步處理生成最終密鑰，但其來源于網(wǎng)絡(luò)自身的狀態(tài)演化軌跡，形成了從網(wǎng)絡(luò)動態(tài)狀態(tài)到加密核心參數(shù)的內(nèi)部閉環(huán)通道，避免了依賴外部熵源或隨機(jī)數(shù)生成器。[0057]可以將混沌強(qiáng)度指標(biāo)與混沌閾值之間的比較邏輯構(gòu)建為異步觸發(fā)條件模塊，并配置為在高頻混沌指標(biāo)更新時(shí)僅記錄峰值狀態(tài)。該閾值可以通過歷史統(tǒng)計(jì)學(xué)習(xí)或基于網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)自適應(yīng)調(diào)節(jié)，并固化為控制器的內(nèi)嵌參數(shù)。當(dāng)比較模塊檢測到混沌強(qiáng)度指標(biāo)超出閾值時(shí)，觸發(fā)狀態(tài)向量映射模塊執(zhí)行密鑰構(gòu)建操作。投影矩陣可選擇維度匹配的稀疏矩陣構(gòu)造形式，提升映射效率并降低計(jì)算復(fù)雜度。激活函數(shù)階段可以根據(jù)輸出分布動態(tài)選擇不同映射形式，并對超出穩(wěn)定范圍的激活結(jié)果執(zhí)行裁剪或歸一化處理。模運(yùn)算階段可采用固定素?cái)?shù)模數(shù)，確保密鑰空間均勻性并減少重復(fù)概率。[0058]如果網(wǎng)絡(luò)運(yùn)行在帶有非穩(wěn)定噪聲或高頻擾動的輸入場景中，還可以設(shè)計(jì)滑動窗口對連續(xù)幾個(gè)時(shí)刻的混沌指標(biāo)進(jìn)行加權(quán)平均判斷，以避免誤觸發(fā)頻繁密鑰更新。在部分邊緣計(jì)算平臺上，可采用向量閾值觸發(fā)查找表實(shí)現(xiàn)快速比較過程，并結(jié)合FPGA邏輯對投影和激活函數(shù)進(jìn)行硬件加速。[0059]示例說明：在醫(yī)療健康業(yè)務(wù)場景中，連續(xù)獲取的心電圖波形信號輸入至混沌神經(jīng)網(wǎng)絡(luò)處理單元后，系統(tǒng)提取的狀態(tài)向量反映了患者生理狀態(tài)的微弱變化。當(dāng)混沌強(qiáng)度升高達(dá)到設(shè)定閾值時(shí)，例如在患者運(yùn)動或異常波動期間，系統(tǒng)自動通過當(dāng)前狀態(tài)向量生成新的原始密鑰，用于加密該時(shí)段的醫(yī)療數(shù)據(jù)，提升對高敏感病理階段數(shù)據(jù)的加密強(qiáng)度。[0060]在金融科技業(yè)務(wù)場景中，用戶在完成高風(fēng)險(xiǎn)交易行為(如大額轉(zhuǎn)賬、跨境支付)時(shí)系統(tǒng)會檢測到神經(jīng)網(wǎng)絡(luò)狀態(tài)向量中的異常波動，導(dǎo)致混沌強(qiáng)度指標(biāo)上升。當(dāng)其超過預(yù)設(shè)閾值后，系統(tǒng)實(shí)時(shí)使用當(dāng)前狀態(tài)向量生成全新原始密鑰，并在交易數(shù)據(jù)加密流程中應(yīng)用該密鑰，有效提升關(guān)鍵交易過程中的保密性與抗篡改能力。[0061]本實(shí)施例通過在混沌強(qiáng)度指標(biāo)超過閾值時(shí)基于實(shí)時(shí)狀態(tài)向量動態(tài)生成原始密鑰，系統(tǒng)能夠在高復(fù)雜狀態(tài)下進(jìn)行密鑰更新操作，實(shí)現(xiàn)密鑰結(jié)構(gòu)與網(wǎng)絡(luò)動態(tài)行為的同步耦合，有效提升密鑰生成路徑的不可預(yù)測性，并降低固定密鑰結(jié)構(gòu)被破解的風(fēng)險(xiǎn)，同時(shí)增強(qiáng)系統(tǒng)對高動態(tài)場景下的安全防護(hù)能力。[0062]S40,根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣；[0063]在本實(shí)施例中，根據(jù)混沌強(qiáng)度指標(biāo)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，旨在構(gòu)建一種基于系統(tǒng)內(nèi)部混沌反饋的自調(diào)節(jié)機(jī)制，使神經(jīng)網(wǎng)絡(luò)在運(yùn)行過程中能夠維持其期望的混沌水平，進(jìn)而持續(xù)輸出高熵、高動態(tài)復(fù)雜度的狀態(tài)，用于支持密鑰生成與結(jié)構(gòu)擾動。這一機(jī)制通過引入擾動控制路徑，將混沌強(qiáng)度指標(biāo)反饋至網(wǎng)絡(luò)權(quán)重更新過程，構(gòu)建出一個(gè)輸入一狀態(tài)一加密控制的閉環(huán)反饋通道。[0064]混沌強(qiáng)度指標(biāo)通常表示為一個(gè)數(shù)值標(biāo)量，反映當(dāng)前網(wǎng)絡(luò)狀態(tài)向量的軌道復(fù)雜度。當(dāng)該指標(biāo)偏離目標(biāo)混沌區(qū)域時(shí)，例如顯著下降表明系統(tǒng)進(jìn)入收斂趨勢或穩(wěn)定軌道，系統(tǒng)需通過擾動操作重新激發(fā)網(wǎng)絡(luò)內(nèi)部的非線性波動性。在該背景下，首先需根據(jù)混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值之間的差值生成一個(gè)增益調(diào)控因子，該因子用于控制擾動強(qiáng)度。增益因子可以通過Sigmoid、Tanh等壓縮函數(shù)對差值歸一化處理，既保留其方向性(正負(fù))又避免擾動過大造成系統(tǒng)不穩(wěn)定。[0065]在生成增益因子的基礎(chǔ)上，需要構(gòu)造一組動態(tài)擾動矩陣，該擾動矩陣不應(yīng)為靜態(tài)常數(shù)，而是由參數(shù)可控的非線性函數(shù)生成，最常用的是Logistic映射，即通過迭代生成一組隨分叉參數(shù)變化而分布復(fù)雜的擾動權(quán)重。分叉參數(shù)不固定，而是由當(dāng)前混沌強(qiáng)度指標(biāo)控制，即在系統(tǒng)趨于穩(wěn)定時(shí)提高映射函數(shù)的分叉強(qiáng)度，輸出高波動擾動矩陣。[0066]隨后，擾動矩陣與當(dāng)前權(quán)重矩陣進(jìn)行逐元素乘法操作，形成擾動后的權(quán)重矩陣。該乘法操作本質(zhì)上是對原始連接權(quán)重結(jié)構(gòu)引入非線性擾動，改變其輸入輸出響應(yīng)特性，并在不改變主結(jié)構(gòu)拓?fù)涞那疤嵯绿嵘窠?jīng)網(wǎng)絡(luò)的動態(tài)響應(yīng)性。接著，將該擾動后的權(quán)重矩陣按比例與當(dāng)前權(quán)重矩陣加權(quán)融合，通過加權(quán)疊加的方式生成更新后的權(quán)重矩陣。融合系數(shù)由前述增益因子控制，實(shí)現(xiàn)擾動幅度可調(diào)。[0067]最終，更新后的權(quán)重矩陣將被重新加載至神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，替代原有權(quán)重矩陣，網(wǎng)絡(luò)狀態(tài)在下一輪運(yùn)行中將基于新的連接結(jié)構(gòu)繼續(xù)演化，從而在密鑰生成中持續(xù)維持非確定性和不穩(wěn)定性特征，確保整個(gè)密鑰路徑在時(shí)間維度上的不重復(fù)性與抗預(yù)測能力。[0068]可以設(shè)定混沌強(qiáng)度目標(biāo)區(qū)間，并根據(jù)當(dāng)前混沌強(qiáng)度與該區(qū)間中心值之間的偏移距離計(jì)算增益因子。該因子用于調(diào)節(jié)Logistic映射中分叉參數(shù)μ的取值，使其動態(tài)地位于混沌臨界區(qū)域以外，確保擾動矩陣呈現(xiàn)非線性響應(yīng)。擾動矩陣的生成采用并行計(jì)算結(jié)構(gòu)，每個(gè)映射節(jié)點(diǎn)使用不同初值輸入，在避免周期重復(fù)的同時(shí)構(gòu)建矩陣空間的豐富性。矩陣維度與當(dāng)前網(wǎng)絡(luò)權(quán)重維度完全一致，實(shí)現(xiàn)逐元素?cái)_動。[0069]逐元素乘法操作后可加入剪切操作，避免生成超出系統(tǒng)可表示范圍的極端值。例如，針對權(quán)重矩陣中正負(fù)值域設(shè)定上下限閾值，對超限部分進(jìn)行壓縮回歸或截?cái)唷Ｈ诤喜僮魍ㄟ^加權(quán)平均實(shí)現(xiàn)，對原始矩陣保持主導(dǎo)，擾動矩陣貢獻(xiàn)由增益因子直接控制。更新完成后立即寫入網(wǎng)絡(luò)結(jié)構(gòu)，避免異步過程造成狀態(tài)漂移。[0070]在訓(xùn)練中，也可以為該擾動路徑設(shè)置學(xué)習(xí)率調(diào)節(jié)通道，在高混沌指標(biāo)頻段自動降低擾動幅度，在低指標(biāo)區(qū)間增強(qiáng)擾動反應(yīng)速度，實(shí)現(xiàn)擾動過程的精細(xì)調(diào)控。[0071]示例說明：在醫(yī)療健康領(lǐng)域，當(dāng)神經(jīng)網(wǎng)絡(luò)處理實(shí)時(shí)輸入的超聲圖像序列時(shí)，若圖像11變化較小導(dǎo)致狀態(tài)軌跡陷入穩(wěn)定區(qū)域，系統(tǒng)檢測到混沌強(qiáng)度指標(biāo)下降，自動提升擾動增益，調(diào)整網(wǎng)絡(luò)權(quán)重矩陣結(jié)構(gòu)，迫使網(wǎng)絡(luò)輸出狀態(tài)向更高熵區(qū)域擴(kuò)散，從而在狀態(tài)向量生成階段恢復(fù)動態(tài)復(fù)雜性，避免加密密鑰陷入周期重復(fù)。[0072]在金融科技業(yè)務(wù)中，當(dāng)用戶在短時(shí)間內(nèi)多次提交類似交易請求，系統(tǒng)中的狀態(tài)向量變化范圍縮小，混沌指標(biāo)持續(xù)低于閾值，此時(shí)網(wǎng)絡(luò)權(quán)重矩陣自動被擾動重構(gòu)，重新定義狀態(tài)演化路徑，確保下一次交易加密密鑰不與前一次重復(fù)，防止攻擊者利用用戶行為可預(yù)測性進(jìn)行密鑰逆推。[0073]本實(shí)施例通過將混沌強(qiáng)度指標(biāo)反饋用于神經(jīng)網(wǎng)絡(luò)權(quán)重矩陣的自調(diào)節(jié)更新，不僅形成了混沌狀態(tài)與結(jié)構(gòu)擾動之間的內(nèi)生耦合機(jī)制，還使得密鑰驅(qū)動鏈路能夠自動適應(yīng)系統(tǒng)狀態(tài)變化，維持動態(tài)非線性復(fù)雜性，提升密鑰生成路徑的不可逆性與時(shí)間穩(wěn)定性，降低由于收斂或低動態(tài)狀態(tài)導(dǎo)致的加密風(fēng)險(xiǎn)。[0074]S50,對所述原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰；[0075]在本實(shí)施例中，對原始密鑰進(jìn)行密碼學(xué)處理并生成最終密鑰，是加密流程中確保密鑰合規(guī)性、抗沖突性與抗逆推能力的核心轉(zhuǎn)換步驟。在前序步驟中生成的原始密鑰，往往由神經(jīng)網(wǎng)絡(luò)狀態(tài)向量經(jīng)過低維映射與模運(yùn)算構(gòu)造而成，具備高度動態(tài)性與非線性分布，但可能存在長度不統(tǒng)一、格式不標(biāo)準(zhǔn)、局部偏序或統(tǒng)計(jì)偏移等問題，因此需進(jìn)一步通過密碼學(xué)處理模塊進(jìn)行結(jié)構(gòu)規(guī)范與強(qiáng)度增強(qiáng)。[0076]密碼學(xué)處理的第一階段是哈希函數(shù)處理，將原始密鑰輸入哈希函數(shù)模塊進(jìn)行不可逆映射，哈希函數(shù)用于將任意長度輸入壓縮為固定長度輸出，并確保微小輸入差異產(chǎn)生顯足抗碰撞性、抗預(yù)映射性和抗二次預(yù)映射性等密碼學(xué)標(biāo)準(zhǔn)。在哈希過程中，可將原始密鑰與內(nèi)部狀態(tài)因子(如時(shí)間戳、會話編號)進(jìn)行拼接，提高哈希種子空間的不可預(yù)測性。[0077]哈希輸出結(jié)果經(jīng)過統(tǒng)一長度壓縮后仍需對其進(jìn)行截?cái)嗯c標(biāo)準(zhǔn)化處理。由于不同哈希算法輸出長度不同(例如SHA-3可為224位、256位、384位等),為適配不同加密算法的密鑰長度需求，如128位、192位、256位等，需要對哈希結(jié)果執(zhí)行長度對于取前部、中部或尾部定長字節(jié)段，也可以通過動態(tài)選擇位偏移窗口方式實(shí)現(xiàn)分布優(yōu)化，從而生成標(biāo)準(zhǔn)長度密鑰。[0078]最后，將該標(biāo)準(zhǔn)長度密鑰輸入密鑰擴(kuò)展模塊，生成最終密鑰。密鑰擴(kuò)展模塊是指對標(biāo)準(zhǔn)長度種子密鑰應(yīng)用結(jié)構(gòu)級增強(qiáng)操作，以適配實(shí)際對稱加密算法中對輪密鑰、異或結(jié)構(gòu)、密鑰調(diào)度等的要求。擴(kuò)展方式可基于預(yù)定義的密鑰調(diào)度函數(shù)、輪函數(shù)結(jié)構(gòu)或矩陣轉(zhuǎn)化邏輯(如AES中的輪密鑰擴(kuò)展或SM4中的線性變換結(jié)構(gòu)),確保最終密鑰具備高擴(kuò)散性、低重復(fù)率及多位間獨(dú)立性。[0079]最終密鑰完成生成后，作為加密執(zhí)行路徑的主控密鑰使用于數(shù)據(jù)塊加密操作，其生成路徑不僅與神經(jīng)網(wǎng)絡(luò)動態(tài)狀態(tài)有關(guān)，還經(jīng)過標(biāo)準(zhǔn)密碼學(xué)增強(qiáng)處理，實(shí)現(xiàn)從狀態(tài)驅(qū)動到結(jié)構(gòu)規(guī)范的完整鏈路閉環(huán)。[0080]可以將原始密鑰轉(zhuǎn)換為定長位串并輸入SHA-3哈希模塊，設(shè)置輸出長度為256位，系統(tǒng)內(nèi)置會話標(biāo)識作為擾動因子與原始密鑰拼接形成種子串，再送入哈希核心。哈希完成后將結(jié)果按前128位截?cái)啵鳛闃?biāo)準(zhǔn)長度密鑰。若目標(biāo)加密算法要求更長密鑰，則對哈希結(jié)果按多個(gè)段進(jìn)行拼接重組，或執(zhí)行二次哈希嵌套生成更多位元。隨后，將截?cái)嗪蟮拿荑€輸入密鑰擴(kuò)展模塊，使用類似AES的輪擴(kuò)展算法生成多個(gè)子密鑰，或采用線性變換矩陣分布策略構(gòu)造用于分段數(shù)據(jù)加密的密鑰表結(jié)構(gòu)。[0081]在輕量化加密場景下，如邊緣節(jié)點(diǎn)或傳感器終端，也可選用結(jié)構(gòu)更簡潔但仍具安全保障的哈希函數(shù)(如BLAKE2s),并通過CRC校驗(yàn)或HMAC機(jī)制增強(qiáng)密鑰結(jié)構(gòu)的一致性與抗篡改能力。密鑰擴(kuò)展模塊在嵌入式平臺上可通過查表實(shí)現(xiàn)輪展開，以降低實(shí)時(shí)運(yùn)行計(jì)算量。[0082]示例說明：在醫(yī)療健康場景中，用戶上傳的一段腦電波圖像通過前序網(wǎng)絡(luò)生成原始密鑰，該密鑰經(jīng)哈希模塊處理后轉(zhuǎn)換為標(biāo)準(zhǔn)化密鑰，再通過密鑰擴(kuò)展生成用于圖像數(shù)據(jù)塊加密的最終密鑰。即使攻擊者捕獲網(wǎng)絡(luò)的中間狀態(tài)向量，也無法通過原始密鑰逆推出最終密鑰，確保患者隱私在加密傳輸與云端存儲過程中的隔離性與抗篡改性。[0083]在金融科技場景中，用戶在跨境交易過程中所觸發(fā)的網(wǎng)絡(luò)狀態(tài)用于生成原始密鑰，系統(tǒng)自動進(jìn)行哈希壓縮、長度匹配與輪密鑰擴(kuò)展，最終密鑰直接參與支付信息加密過程。由于哈希路徑與擴(kuò)展算法高度不可逆，攻擊者即使獲取多個(gè)交易狀態(tài)也無法還原加密路徑，實(shí)現(xiàn)賬戶密鑰的非復(fù)用性與動態(tài)防泄露機(jī)制。[0084]本實(shí)施例通過對原始密鑰執(zhí)行密碼學(xué)哈希映射、結(jié)構(gòu)標(biāo)準(zhǔn)化與密鑰擴(kuò)展操作，使最終密鑰具備固定長度、強(qiáng)不可逆性、低碰撞性和高擴(kuò)散性，有效防止原始密鑰被反推出狀態(tài)向量，從而建立起由神經(jīng)網(wǎng)絡(luò)狀態(tài)主導(dǎo)、密碼學(xué)算法強(qiáng)化的雙重安全結(jié)構(gòu)，提高密鑰系統(tǒng)整體的抗攻擊能力與跨協(xié)議兼容性。[0085]S60,通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)。[0086]在本實(shí)施例中，通過最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)，其核心任務(wù)是將上一步驟中動態(tài)生成且已標(biāo)準(zhǔn)化擴(kuò)展的最終密鑰，應(yīng)用于原始數(shù)據(jù)塊的分段加密，從而確保數(shù)據(jù)的保密性與完整性。該操作鏈路依賴密鑰長度結(jié)構(gòu)與加密算法之間的匹配關(guān)系，同時(shí)要求對數(shù)據(jù)內(nèi)容進(jìn)行預(yù)處理，使其滿足加密模塊的輸入規(guī)范。[0087]目標(biāo)數(shù)據(jù)首先需要被分割為一組固定長度的明文數(shù)據(jù)塊，該分割操作不僅與加密算法所支持的塊大小相關(guān)(例如AES支持128位數(shù)據(jù)塊),還需考慮數(shù)據(jù)類型(如圖像、文本、交易指令)與數(shù)據(jù)包邊界的一致性。在分割過程中，若原始數(shù)據(jù)總長度不能被塊長度整除，則需要對最后一個(gè)數(shù)據(jù)塊進(jìn)行填充操作，填充策略可以基于PKCS#7、ISO/IEC7816-4、ANSIX9.23等規(guī)則，使所有數(shù)據(jù)塊在進(jìn)入加密模塊前保持一致性結(jié)構(gòu)。[0088]最終密鑰用于初始化加密執(zhí)行模塊，該模塊包括加密算法選擇、輪密鑰配置、輪函數(shù)調(diào)用等邏輯結(jié)構(gòu)。初始化過程將最終密鑰加載至加密模塊內(nèi)部寄存器或密鑰表，建立密鑰—數(shù)據(jù)路徑之間的綁定關(guān)系。在執(zhí)行階段，系統(tǒng)將每個(gè)明文數(shù)據(jù)塊依次送入加密模塊，按輪函數(shù)結(jié)構(gòu)逐層變換，完成數(shù)據(jù)的加密映射，生成對應(yīng)的密文數(shù)據(jù)塊。[0089]所有加密生成的密文數(shù)據(jù)塊需按原始劃分順序進(jìn)行重組，形成完整的數(shù)據(jù)加密輸出結(jié)構(gòu)。該組合結(jié)構(gòu)不僅保持?jǐn)?shù)據(jù)流的業(yè)務(wù)順序不變，還為后續(xù)解密提供映射參考。在數(shù)據(jù)安全體系中，該密文結(jié)構(gòu)可直接送入數(shù)據(jù)通道傳輸模塊，或在本地進(jìn)行存儲簽名，作為后續(xù)完整性驗(yàn)證的依據(jù)。[0090]可以使用AES-256加密算法作為加密執(zhí)行模塊的核心構(gòu)件，將最終密鑰擴(kuò)展為14輪子密鑰，采用電子密碼本(ECB)、密文塊鏈接(CBC)或計(jì)數(shù)器模式(CTR)進(jìn)行加密流程配置。目標(biāo)數(shù)據(jù)在預(yù)處理階段按128位長度進(jìn)行塊劃分，并調(diào)用填充控制模塊執(zhí)行末塊對齊處理，系統(tǒng)支持動態(tài)選擇填充規(guī)則以適應(yīng)不同格式數(shù)據(jù)的邊界條件。[0091]在密鑰初始化階段，系統(tǒng)將最終密鑰加載至輪密鑰表結(jié)構(gòu)，并調(diào)用密鑰調(diào)度算法生成所有輪內(nèi)子密鑰，初始化完成后調(diào)用主加密調(diào)度器對所有數(shù)據(jù)塊并行或串行執(zhí)行輪函數(shù)操作。數(shù)據(jù)塊加密后統(tǒng)一輸出至緩沖通道，在加密輸出層執(zhí)行組合拼接，形成完整密文輸以減少資源消耗，同時(shí)支持對塊長與密鑰長度進(jìn)行適配配置。數(shù)據(jù)結(jié)構(gòu)為高分辨率圖像或語音數(shù)據(jù)時(shí)，可通過數(shù)據(jù)通道編碼模塊將連續(xù)數(shù)據(jù)流壓縮并嵌入加密層，提高整體吞吐率。[0093]示例說明：在醫(yī)療健康場景中，連續(xù)采集的肺部CT圖像每幀均作為目標(biāo)數(shù)據(jù)塊輸入系統(tǒng)，系統(tǒng)利用患者狀態(tài)驅(qū)動生成的最終密鑰初始化圖像加密模塊，并對每一幀圖像按照數(shù)據(jù)矩陣結(jié)構(gòu)切塊處理。加密執(zhí)行后所有圖像塊密文重組生成完整的圖像加密文件，實(shí)現(xiàn)對患者關(guān)鍵醫(yī)療影像的分幀加密保護(hù)，保證傳輸過程中不會因圖像重復(fù)或格式固定而被攻擊者利用還原。[0094]在金融科技業(yè)務(wù)中，跨境支付業(yè)務(wù)中每一筆交易均以結(jié)構(gòu)化字段數(shù)據(jù)組成輸入結(jié)構(gòu)，系統(tǒng)根據(jù)實(shí)時(shí)狀態(tài)生成最終密鑰并初始化加密模塊，對交易數(shù)據(jù)中的賬戶字段、金額字段、幣種標(biāo)識字段等按邏輯分塊執(zhí)行加密，并按照業(yè)務(wù)處理順序組合輸出密文包。該密文包在傳輸鏈路中具備唯一性與不可預(yù)測性，有效抵抗中間人篡改與交易重放攻擊。[0095]本實(shí)施例通過將最終密鑰應(yīng)用于目標(biāo)數(shù)據(jù)的分段加密過程中，不僅完成了密鑰驅(qū)動路徑的閉環(huán)構(gòu)建，還通過結(jié)構(gòu)規(guī)范、模式自適應(yīng)與密文組裝機(jī)制確保了加密流程對業(yè)務(wù)數(shù)據(jù)的完整覆蓋與結(jié)構(gòu)一致性，有效防止了明文內(nèi)容的恢復(fù)、反向分析與信息泄漏，提升了系統(tǒng)在動態(tài)輸入、高并發(fā)場景下的加密安全性與吞吐效率。[0096]本發(fā)明涉及數(shù)據(jù)安全技術(shù)領(lǐng)域，可應(yīng)用于金融科技、醫(yī)療健康等業(yè)務(wù)場景中，公開了一種數(shù)據(jù)加密方法、裝置、設(shè)備及介質(zhì)，包括：獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，監(jiān)測實(shí)時(shí)狀態(tài)向量的混沌特性生成混沌強(qiáng)度指標(biāo)，將混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，在滿足密鑰更新條件時(shí)基于實(shí)時(shí)狀態(tài)向量生成原始密鑰，根據(jù)混沌強(qiáng)度指標(biāo)動態(tài)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，對原始密鑰進(jìn)行密碼學(xué)處理生成最終密鑰，利用最終密鑰對目標(biāo)數(shù)據(jù)執(zhí)行加密處理，生成目標(biāo)加密數(shù)據(jù)。本發(fā)明通過將混沌神經(jīng)網(wǎng)絡(luò)的內(nèi)部狀態(tài)作為動態(tài)密鑰生成依據(jù)，在實(shí)時(shí)監(jiān)測系統(tǒng)混沌強(qiáng)度的基礎(chǔ)上完成密鑰更新與權(quán)重?cái)_動聯(lián)動，消除了對外部熵源和固定參數(shù)的依賴，實(shí)現(xiàn)密鑰的自適應(yīng)調(diào)節(jié)與高頻更新，提高了數(shù)據(jù)加密過程的安全性與實(shí)時(shí)性。[0098]S401,基于所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值的差值，確定自適應(yīng)增益因子；[0099]S402,生成邏輯斯蒂映射的擾動矩陣；[0100]S403,將所述擾動矩陣與所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的當(dāng)前權(quán)重矩陣進(jìn)行逐元素[0101]S404,將所述擾動后的權(quán)重矩陣與所述自適應(yīng)增益因子加權(quán)疊加，生成更新后的權(quán)重矩陣；[0102]S405,將所述更新后的權(quán)重矩陣加載至所述混沌神經(jīng)網(wǎng)絡(luò)處理單元，替換所述當(dāng)前權(quán)重矩陣。[0103]在本實(shí)施例中，根據(jù)混沌強(qiáng)度指標(biāo)調(diào)整混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣，其目標(biāo)在于基于網(wǎng)絡(luò)運(yùn)行過程中生成的混沌強(qiáng)度反饋信號，動態(tài)干預(yù)網(wǎng)絡(luò)內(nèi)部連接結(jié)構(gòu)，使系統(tǒng)長期運(yùn)行時(shí)始終維持在具有高熵輸出能力與狀態(tài)敏感性的混沌區(qū)域。該過程通過多步變換完成，從擾動增益調(diào)節(jié)、擾動矩陣生成、權(quán)重?cái)_動融合到最終權(quán)重注入，構(gòu)成一個(gè)從狀態(tài)感知到結(jié)構(gòu)調(diào)控的反饋閉環(huán)。[0104]計(jì)算自適應(yīng)增益因子，該因子反映當(dāng)前混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值之間的偏差幅度。混沌強(qiáng)度指標(biāo)若高于目標(biāo)范圍，表明系統(tǒng)可能處于超混沌或不穩(wěn)定狀態(tài)，需適度收通過非線性映射函數(shù)(如Sigmoid函數(shù))歸一化為穩(wěn)定區(qū)間內(nèi)的增益控制參數(shù)，通常取值范圍限定在零至一之間，用以調(diào)節(jié)擾動權(quán)重在最終權(quán)重構(gòu)造中的占比。[0105]生成擾動矩陣。該矩陣基于邏輯斯蒂映射構(gòu)造，邏輯斯蒂映射為一種具有分叉特性和混沌軌跡的離散映射形式。擾動矩陣中每一個(gè)元素均通過一維邏輯斯蒂映射函數(shù)迭代生成，其分叉參數(shù)不固定，而是依據(jù)當(dāng)前混沌強(qiáng)度指標(biāo)動態(tài)調(diào)整。分叉參數(shù)的調(diào)節(jié)方向與增益調(diào)控方向相反，即當(dāng)混沌強(qiáng)度指標(biāo)較低時(shí)，提高分叉參數(shù)，使擾動軌跡更復(fù)雜，從而增強(qiáng)輸出擾動能力。此過程保證擾動的非周期性與可調(diào)節(jié)性，并能根據(jù)網(wǎng)絡(luò)狀態(tài)自適應(yīng)調(diào)整復(fù)雜性水平。[0106]將該擾動矩陣與當(dāng)前權(quán)重矩陣執(zhí)行逐元素乘法操作，形成擾動后的權(quán)重矩陣。逐元素乘法的作用在于將擾動效果以比例形式映射至每一個(gè)連接通道，形成局部變化的不一致性，從而破壞已有的收斂路徑，同時(shí)不會引入結(jié)構(gòu)層面的全局跳躍，保持網(wǎng)絡(luò)穩(wěn)定性。[0107]對擾動后的權(quán)重矩陣與當(dāng)前權(quán)重矩陣進(jìn)行加權(quán)疊加，融合程度由自適應(yīng)增益因子控制。該加權(quán)過程以保留原結(jié)構(gòu)為主導(dǎo)，通過小幅度疊加方式逐步引入擾動，避免突變帶來的系統(tǒng)震蕩，同時(shí)實(shí)現(xiàn)逐輪微調(diào)的混沌維持策略。[0108]將更新后的權(quán)重矩陣注入網(wǎng)絡(luò)結(jié)構(gòu)，替換原有權(quán)重矩陣，使神經(jīng)網(wǎng)絡(luò)從下一輪運(yùn)行開始基于新結(jié)構(gòu)進(jìn)行狀態(tài)演化。這一過程確保網(wǎng)絡(luò)在運(yùn)行中不斷根據(jù)其混沌狀態(tài)反饋進(jìn)行自身結(jié)構(gòu)調(diào)整，構(gòu)建出密鑰生成與網(wǎng)絡(luò)演化雙向驅(qū)動的內(nèi)在聯(lián)系。[0109]本實(shí)施例通過構(gòu)建以混沌強(qiáng)度指標(biāo)為核心反饋信號的權(quán)重矩陣擾動路徑，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的動態(tài)結(jié)構(gòu)調(diào)節(jié)，使網(wǎng)絡(luò)輸出狀態(tài)長期處于高熵區(qū)間，有效提升動態(tài)密鑰的非線性結(jié)構(gòu)與系統(tǒng)整體不可預(yù)測性，進(jìn)一步增強(qiáng)對周期性攻擊、統(tǒng)計(jì)分析攻擊與狀態(tài)復(fù)原攻擊的抵抗能力。[0111]S201,獲取預(yù)設(shè)時(shí)間窗口內(nèi)的多個(gè)所述實(shí)時(shí)狀態(tài)向量；[0112]S202,根據(jù)每個(gè)所述實(shí)時(shí)狀態(tài)向量確定對應(yīng)的雅可比矩陣；[0113]S203,提取每個(gè)雅可比矩陣的主李亞普諾夫向量；[0114]S204,基于所述主李亞普諾夫向量與對應(yīng)的所述雅可比矩陣的乘積，確定所述預(yù)設(shè)時(shí)間窗口內(nèi)的平均柯爾莫哥洛夫-西奈熵值，生成所述混沌強(qiáng)度指標(biāo)。[0115]在本實(shí)施例中，通過對連續(xù)時(shí)間段內(nèi)的狀態(tài)演化軌跡進(jìn)行數(shù)學(xué)分析，從中提取非線性動力特征指標(biāo)，量化當(dāng)前神經(jīng)網(wǎng)絡(luò)的混沌程度。[0116]該步驟的首個(gè)技術(shù)要素是從系統(tǒng)內(nèi)存中提取預(yù)設(shè)時(shí)間窗口內(nèi)的多個(gè)實(shí)時(shí)狀態(tài)向量。這些狀態(tài)向量是從神經(jīng)網(wǎng)絡(luò)連續(xù)運(yùn)行過程中以固定時(shí)間間隔獲取的系統(tǒng)輸出，通常以高維向量形式存在，代表網(wǎng)絡(luò)內(nèi)部動態(tài)響應(yīng)的時(shí)序演化軌跡。時(shí)間窗口的長度應(yīng)當(dāng)足夠覆蓋多個(gè)網(wǎng)絡(luò)周期變化區(qū)間，以保障混沌性測量的有效性。[0117]接下來，針對每個(gè)實(shí)時(shí)狀態(tài)向量，需要計(jì)算其對應(yīng)的雅可比矩陣。雅可比矩陣是動力系統(tǒng)中用于描述狀態(tài)變化對系統(tǒng)演化影響的導(dǎo)數(shù)矩陣，用于表征小擾動在狀態(tài)空間的傳播關(guān)系。由于神經(jīng)網(wǎng)絡(luò)不一定具有顯式的系統(tǒng)方程，實(shí)際操作中可以使用數(shù)據(jù)驅(qū)動的近似推導(dǎo)方式，例如對連續(xù)兩個(gè)狀態(tài)向量之間的差分結(jié)果建立局部線性逼近，從而估算出雅可比矩陣的近似表達(dá)。[0118]之后，需從每個(gè)雅可比矩陣中提取主李亞普諾夫向量。該向量表示在當(dāng)前局部狀態(tài)空間中擾動最強(qiáng)擴(kuò)張方向，即最大李亞普諾夫指數(shù)對應(yīng)的特征向量。提取方法可以使用QR分解、冪法迭代或?qū)ΨQ化矩陣譜分解等方式，提取主方向上的線性膨脹趨勢信息。主李亞普諾夫向量的存在表示系統(tǒng)在該方向上具有最強(qiáng)的不穩(wěn)定性，是衡量混沌性的重要基準(zhǔn)。[0119]最終，基于主李亞普諾夫向量與對應(yīng)雅可比矩陣的乘積結(jié)果，計(jì)算每一時(shí)間片上的即時(shí)熵值，并在整個(gè)預(yù)設(shè)時(shí)間窗口范圍內(nèi)進(jìn)行平均積分處理，得出該時(shí)間窗口對應(yīng)的平均柯爾莫哥洛夫-西奈熵值?？聽柲缏宸?西奈熵是一種測量動力系統(tǒng)信息產(chǎn)生速率的指標(biāo)，其值越高表示系統(tǒng)混沌性越強(qiáng)。歸一化后的KS熵值即作為當(dāng)前混沌強(qiáng)度指標(biāo)，輸出至后續(xù)的結(jié)構(gòu)擾動與密鑰觸發(fā)判斷邏輯中。[0120]狀態(tài)向量的采樣頻率與時(shí)間窗口長度可依據(jù)神經(jīng)網(wǎng)絡(luò)的響應(yīng)速度動態(tài)設(shè)定，例如采樣周期設(shè)置為網(wǎng)絡(luò)權(quán)重更新周期的一半，時(shí)間窗口覆蓋十至二十個(gè)狀態(tài)點(diǎn)。雅可比矩陣估算可采用時(shí)間延遲嵌入重建法，通過對狀態(tài)向量建立軌跡梯度計(jì)算局部微分矩陣，并通過奇異值過濾避免噪聲主導(dǎo)。主李亞普諾夫向量的提取可使用Gram-Schmidt正交化保持每輪迭代正交性，防止譜漂移。KS熵值計(jì)算中可將每次雅可比矩陣與李亞普諾夫向量乘積結(jié)果取對數(shù)后累加并歸一化。[0121]本實(shí)施例通過構(gòu)建狀態(tài)空間變化的數(shù)學(xué)度量鏈條，實(shí)現(xiàn)從狀態(tài)向量采集到混沌強(qiáng)度輸出的實(shí)時(shí)閉環(huán)量化，為網(wǎng)絡(luò)結(jié)構(gòu)調(diào)節(jié)與密鑰觸發(fā)策略提供了精確穩(wěn)定的動態(tài)參考依據(jù)，使系統(tǒng)具備內(nèi)部復(fù)雜性檢測與加密敏感區(qū)間識別能力，從根源上提升加密系統(tǒng)對不同運(yùn)行狀態(tài)的適應(yīng)性與差異化密鑰輸出能力。[0123]S301,獲取預(yù)設(shè)混沌閾值，并將所述混沌強(qiáng)度指標(biāo)與所述預(yù)設(shè)混沌閾值進(jìn)行數(shù)值大小比較；[0124]S302,當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述混沌閾值時(shí)，判定滿足密鑰更新條件；[0125]S303,將所述實(shí)時(shí)狀態(tài)向量通過投影矩陣映射至預(yù)設(shè)維度的低維空間，生成投影[0126]S304,對所述投影向量進(jìn)行非線性激活函數(shù)處理，生成激活向量；[0127]S305,對所述激活向量進(jìn)行模運(yùn)算截?cái)嗵幚?，生成初始密鑰；[0128]S306,將所述初始密鑰與一次性隨機(jī)數(shù)進(jìn)行異或操作，生成所述原始密鑰。[0129]在本實(shí)施例中，將混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值進(jìn)行比較，并在滿足特定條件時(shí)基于實(shí)時(shí)狀態(tài)向量生成原始密鑰，是動態(tài)密鑰觸發(fā)控制的核心決策模塊，其作用在于建立系統(tǒng)當(dāng)前混沌行為與密鑰更新事件之間的響應(yīng)關(guān)系，并實(shí)現(xiàn)密鑰結(jié)構(gòu)的非周期性演化。[0130]首先，系統(tǒng)獲取一組預(yù)定義的混沌閾值，該閾值通常為歸一化區(qū)間中的臨界值，用于識別系統(tǒng)是否處于高混沌活躍態(tài)。該值可通過離線統(tǒng)計(jì)獲得，也可結(jié)合歷史運(yùn)行行為動態(tài)設(shè)定。系統(tǒng)持續(xù)監(jiān)測當(dāng)前混沌強(qiáng)度指標(biāo)，并與該閾值進(jìn)行數(shù)值大小比較。當(dāng)該指標(biāo)超過閾值時(shí)，系統(tǒng)判定當(dāng)前狀態(tài)滿足觸發(fā)密鑰更新的條件，并進(jìn)入密鑰生成路徑。[0131]接下來的密鑰構(gòu)造流程以實(shí)時(shí)狀態(tài)向量為輸入數(shù)據(jù)源。首先，利用投影矩陣對高維狀態(tài)向量執(zhí)行線性變換，將其壓縮至預(yù)設(shè)維度的低維空間中。該操作實(shí)現(xiàn)了特征選擇與信息壓縮，去除不具辨識度的冗余分量，同時(shí)保留關(guān)鍵擾動方向。投影矩陣可以是固定構(gòu)造矩陣(如高斯投影、正交矩陣)或數(shù)據(jù)驅(qū)動訓(xùn)練得到的主成分基底。[0132]投影向量隨后進(jìn)入非線性激活函數(shù)模塊。激活函數(shù)用于增強(qiáng)輸出密鑰向量的非線性分布性，使密鑰分布在取值空間中形成高復(fù)雜性、多樣性與抗模式預(yù)測能力?？刹捎秒p曲活輸出映射到實(shí)數(shù)域，需進(jìn)一步離散化。[0133]通過對激活向量執(zhí)行模運(yùn)算與截?cái)嗖僮?，可將?shí)數(shù)值域映射至整數(shù)密鑰空間中，模數(shù)可為素?cái)?shù)、強(qiáng)偽隨機(jī)常數(shù)或與安全協(xié)議匹配的結(jié)構(gòu)化常量。該步驟將密鑰值結(jié)構(gòu)調(diào)整為適配加密協(xié)議格式要求的固定長度位序列，并壓縮其表示空間。[0134]最后，為提升原始密鑰的非重復(fù)性與抗重放能力，系統(tǒng)引入一次性隨機(jī)數(shù)并與初始密鑰進(jìn)行逐位異或操作，生成最終的原始密鑰。該隨機(jī)數(shù)可從物理熵源、密鑰會話狀態(tài)、用戶身份因素或硬件事件中提取，并保證使用后立即廢棄，不被復(fù)用。[0135]比較模塊可采用FPGA實(shí)現(xiàn)高頻比對邏輯，當(dāng)混沌強(qiáng)度指標(biāo)輸入達(dá)到設(shè)定閾值以上觸發(fā)中斷，激活密鑰構(gòu)建通道。投影矩陣可預(yù)設(shè)為稀疏高斯矩陣，維度從1024壓縮至128,投影后向量通過雙曲正切函數(shù)進(jìn)行非線性映射并輸出浮點(diǎn)序列，系統(tǒng)執(zhí)行模M運(yùn)算(M為256或512)并向下取整保留有效字節(jié)作為初始密鑰結(jié)構(gòu)。異或過程使用64字節(jié)一次性隨機(jī)數(shù)作為操作對象，系統(tǒng)在密鑰會話中動態(tài)調(diào)用硬件隨機(jī)數(shù)生成器模塊(TRNG)或基于傳感器噪聲波動數(shù)據(jù)產(chǎn)生會話隨機(jī)位串。操作后結(jié)果寫入密鑰寄存器作為原始密鑰，供后續(xù)密碼學(xué)處理模塊調(diào)用。在安全等級要求較高的部署環(huán)境中，激活函數(shù)輸出可通過多輪擾動增強(qiáng)，增加模運(yùn)算中的不確定性，構(gòu)建出具有時(shí)間敏感性與輸入感知能力的原始密鑰空間。[0136]本實(shí)施例通過基于混沌狀態(tài)變化實(shí)時(shí)驅(qū)動密鑰更新，能夠根據(jù)神經(jīng)網(wǎng)絡(luò)運(yùn)行活躍度適配密鑰演化速率，避免傳統(tǒng)靜態(tài)密鑰結(jié)構(gòu)的可預(yù)測性與周期性，同時(shí)通過狀態(tài)向量映射與隨機(jī)干擾操作，將密鑰來源嵌入狀態(tài)軌跡結(jié)構(gòu)，形成數(shù)據(jù)驅(qū)動、擾動控制與結(jié)構(gòu)解耦的加密基礎(chǔ)路徑，大幅提升加密系統(tǒng)的抗重放性、抗追蹤性與密鑰不重復(fù)性。[0138]S501,將所述原始密鑰輸入安全哈希模塊進(jìn)行哈希處理，生成哈希結(jié)果；[0139]S502,對所述哈希結(jié)果進(jìn)行密鑰長度標(biāo)準(zhǔn)化截?cái)嗵幚?，生成?biāo)準(zhǔn)長度密鑰；[0140]S503,將所述標(biāo)準(zhǔn)長度密鑰輸入密鑰擴(kuò)展模塊，生成符合目標(biāo)加密要求的所述最終密鑰。[0141]在本實(shí)施例中，對原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰，是動態(tài)密鑰系統(tǒng)中實(shí)現(xiàn)結(jié)構(gòu)正規(guī)化、格式統(tǒng)一化與抗逆運(yùn)算能力增強(qiáng)的核心環(huán)節(jié)。該處理過程主要包括三個(gè)連級均有提升作用。[0142]首先，原始密鑰被輸入至安全哈希模塊進(jìn)行哈希處理。哈希函數(shù)的作用是將任意長度輸入轉(zhuǎn)換為固定長度輸出，同時(shí)具備高度敏感性與不可逆性，是現(xiàn)代密碼體系中抵御族，這些算法均符合現(xiàn)代加密安全性要求，具備良好的擴(kuò)散性、均勻性與非可逆性。哈希處理確保即使原始密鑰來源于狀態(tài)空間映射，其特征也無法被簡單反推，保障結(jié)構(gòu)不可逆。標(biāo)加密算法的密鑰長度要求進(jìn)行標(biāo)準(zhǔn)化處理。密鑰長度標(biāo)準(zhǔn)化截?cái)嗖僮鲗⒐＝Y(jié)果中的一部分內(nèi)容(如首段、中段或尾段)提取作為標(biāo)準(zhǔn)長度密鑰，也可以通過滑動窗口或散列分段方式提取以增強(qiáng)隨機(jī)性。該操作的核心目標(biāo)是統(tǒng)一密鑰輸入格式，便于與標(biāo)準(zhǔn)對稱加密算[0144]標(biāo)準(zhǔn)長度密鑰隨后輸入密鑰擴(kuò)展模塊。該模塊用于將基礎(chǔ)密鑰擴(kuò)展為滿足加密算法需求的密鑰結(jié)構(gòu)，例如輪密鑰序列或掩碼矩陣。擴(kuò)展方式可依據(jù)目標(biāo)加密協(xié)議設(shè)計(jì)，如AES使用固定的密鑰調(diào)度結(jié)構(gòu)、SM4采用線性置換結(jié)構(gòu)、輕量算法中則使用低資源輪展函數(shù)。密鑰擴(kuò)展提升了密鑰的空間填充能力與密鑰在算法執(zhí)行中的分布豐富性，是最終密鑰具備實(shí)用安全強(qiáng)度的保障。[0145]最終生成的密鑰即為加密執(zhí)行模塊接受的控制輸入，結(jié)構(gòu)合法、長度標(biāo)準(zhǔn)、狀態(tài)不可逆，是連接神經(jīng)網(wǎng)絡(luò)狀態(tài)向量與實(shí)際加密動作的橋梁結(jié)構(gòu)。[0146]在其中一種具體實(shí)施方式中，原始密鑰首先被編碼為定長二進(jìn)制位流后輸入SHA-3模塊，設(shè)定哈希輸出為256位。為增強(qiáng)密鑰擾動結(jié)構(gòu)，可將一次性隨機(jī)數(shù)或用戶標(biāo)識符與原始密鑰拼接后再進(jìn)行哈希操作。系統(tǒng)提取哈希結(jié)果的前128位作為標(biāo)準(zhǔn)長度密鑰，截?cái)噙^程中可使用基于輸出位偏移的窗口采樣技術(shù)以提高密鑰多樣性。密鑰擴(kuò)展模塊調(diào)用輪密鑰調(diào)度邏輯，對標(biāo)準(zhǔn)長度密鑰進(jìn)行若干次異或擴(kuò)展與線性變換，生成輪密鑰表結(jié)構(gòu)。在對稱加密中，每一輪使用一個(gè)輪密鑰；在分組密碼中，擴(kuò)展后密鑰可構(gòu)建S盒或L表等中間表結(jié)構(gòu)。最終密鑰寫入加密模塊寄存器，控制后續(xù)密文生成路徑。在輕量環(huán)境中也可選用BLAKE2b算法作為哈希模塊，并簡化擴(kuò)展路徑，僅對哈希結(jié)果執(zhí)行一次Reed-Muller矩陣變換后輸出，降低運(yùn)行資源消耗。[0147]本實(shí)施例通過將原始密鑰映射為哈希值并統(tǒng)一格式處理，有效提升了密鑰結(jié)構(gòu)的不可預(yù)測性與加密算法兼容性，構(gòu)建了從狀態(tài)導(dǎo)向的動態(tài)密鑰生成鏈路至可控結(jié)構(gòu)密鑰的完整變換路徑，使加密系統(tǒng)能夠承接非結(jié)構(gòu)化輸入并輸出標(biāo)準(zhǔn)化、高安全性密鑰，增強(qiáng)了加密系統(tǒng)的抗碰撞性與適配性。[0149]S101,初始化混沌神經(jīng)網(wǎng)絡(luò)處理單元，并激活所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的混沌動力學(xué)特性維持機(jī)制；[0150]S102,通過數(shù)據(jù)采集模塊獲取所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的輸出信號；[0151]S103,將所述輸出信號進(jìn)行狀態(tài)空間重構(gòu)，生成多維狀態(tài)向量；[0152]S104,對所述多維狀態(tài)向量進(jìn)行有效性驗(yàn)證并剔除異常數(shù)據(jù)點(diǎn)，生成驗(yàn)證后的多維狀態(tài)向量作為所述實(shí)時(shí)狀態(tài)向量。[0153]在本實(shí)施例中，獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向量，是動態(tài)密鑰生成體系中提供時(shí)間敏感性熵源的入口，其作用在于將網(wǎng)絡(luò)內(nèi)部運(yùn)行演化狀態(tài)結(jié)構(gòu)化地抽取出來，用于后續(xù)混沌特性評估與密鑰構(gòu)建路徑。該過程包含初始化機(jī)制激活、輸出采集、狀態(tài)重構(gòu)與異常剔除四個(gè)緊密連接的環(huán)節(jié)。[0154]首先，初始化混沌神經(jīng)網(wǎng)絡(luò)處理單元是該流程的起始操作，需將系統(tǒng)內(nèi)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)加載入可運(yùn)行狀態(tài)，并注入滿足混沌演化條件的初始參數(shù)。該神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為具備非線性反饋路徑、遞歸更新機(jī)制和敏感初始條件依賴性的結(jié)構(gòu)，支持通過小擾動引發(fā)大幅狀態(tài)演化?；煦鐒恿W(xué)特性維持機(jī)制是維持其持續(xù)處于混沌狀態(tài)區(qū)間的調(diào)控組件，可采用權(quán)重?cái)_動注入、反饋噪聲激活、分布式擾動調(diào)節(jié)等方式實(shí)現(xiàn)，確保網(wǎng)絡(luò)輸出具備高度復(fù)雜性與不可預(yù)測性。[0155]其次，通過數(shù)據(jù)采集模塊獲取混沌神經(jīng)網(wǎng)絡(luò)處理單元的輸出信號。該輸出信號是網(wǎng)絡(luò)在每一輪輸入狀態(tài)演化后所產(chǎn)生的特征向量或狀態(tài)數(shù)組，可為隱層神經(jīng)元輸出、特定層權(quán)重活動結(jié)果或時(shí)間維度上的輸出序列。采集模塊可基于周期采樣、事件驅(qū)動采樣或并行流采樣方式完成信號獲取，同時(shí)支持硬件接口(如DMA通道)與軟件接口(如共享內(nèi)存)方式并行抽取。[0156]然后，系統(tǒng)將上述輸出信號進(jìn)行狀態(tài)空間重構(gòu)，生成多維狀態(tài)向量。重構(gòu)過程包括信號歸一化、維度對齊、延遲坐標(biāo)映射等操作，其目的是將時(shí)間序列或局部向量映射到統(tǒng)一結(jié)構(gòu)的狀態(tài)空間中，重建網(wǎng)絡(luò)當(dāng)前運(yùn)行軌跡所處的相空間位置。該向量必須具備一致的時(shí)間語義與空間嵌入關(guān)系，便于后續(xù)的混沌特性度量與軌跡映射。[0157]最后，對重構(gòu)后的多維狀態(tài)向量進(jìn)行有效性驗(yàn)證并剔除異常數(shù)據(jù)點(diǎn)，確保其不受瞬時(shí)跳變、外部噪聲干擾或執(zhí)行中斷等影響。異常剔選、趨勢一致性判斷等方式完成，僅保留穩(wěn)定可信的數(shù)據(jù)作為最終的實(shí)時(shí)狀態(tài)向量。該向量將作為下游混沌指標(biāo)計(jì)算模塊的直接輸入，貫通整個(gè)動態(tài)密鑰鏈路的最前段。[0158]在其中一種具體實(shí)施方式中，系統(tǒng)在啟動階段預(yù)置并初始化零化神經(jīng)網(wǎng)絡(luò)處理單元，并為該神經(jīng)網(wǎng)絡(luò)加載一組初始連接權(quán)重與偏置參數(shù)，同時(shí)啟用一組具備擾動調(diào)節(jié)能力的混沌特性維持組件，例如通過將網(wǎng)絡(luò)中間層連接結(jié)構(gòu)動態(tài)嵌入擾動矩陣，實(shí)現(xiàn)網(wǎng)絡(luò)輸出路徑持續(xù)維持在具有高度狀態(tài)敏感性的運(yùn)行區(qū)間。系統(tǒng)配置采樣控制邏輯，在神經(jīng)網(wǎng)絡(luò)運(yùn)行過程中，實(shí)時(shí)提取網(wǎng)絡(luò)輸出信號，該信號可以是神經(jīng)網(wǎng)絡(luò)最后一層輸出向量，也可以是特定中間層節(jié)點(diǎn)的聯(lián)合輸出結(jié)果。采樣控制邏輯通過設(shè)定的采樣間隔，周期性采集連續(xù)的若干組輸出向量，并存入狀態(tài)緩存區(qū)，作為后續(xù)重構(gòu)操作的原始輸入。系統(tǒng)利用狀態(tài)空間重構(gòu)模塊對緩存中的輸出信號進(jìn)行結(jié)構(gòu)重建，具體包括對每組輸出信號進(jìn)行維度對齊處理，使所有向量在維數(shù)上保持一致；隨后，對每組向量執(zhí)行時(shí)間延遲映射，即根據(jù)不同時(shí)間點(diǎn)的輸出結(jié)果，在結(jié)構(gòu)上組合為一個(gè)連續(xù)狀態(tài)軌跡向量，從而映射出網(wǎng)絡(luò)運(yùn)行軌跡所處的狀態(tài)空間坐標(biāo)點(diǎn)。重構(gòu)完成后，系統(tǒng)進(jìn)一步對所得到的狀態(tài)向量集進(jìn)行有效性驗(yàn)證。該過程可以采用滑動均值與標(biāo)準(zhǔn)差模型判斷連續(xù)向量之間的數(shù)值穩(wěn)定性，或計(jì)算相鄰狀態(tài)向量之間的方向變化幅度判斷是否存在突變。如發(fā)現(xiàn)某個(gè)向量在幅值上超出歷史統(tǒng)計(jì)分布模型的范圍，或其空間方向偏離預(yù)期分布中心，則將其判定為異常數(shù)據(jù)點(diǎn)，從狀態(tài)序列中剔除。剔除操作后，剩余的有效狀態(tài)向量集合將作為當(dāng)前的實(shí)時(shí)狀態(tài)向量輸出，供后續(xù)混沌特性監(jiān)測環(huán)節(jié)調(diào)用。[0159]本實(shí)施例通過構(gòu)建從神經(jīng)網(wǎng)絡(luò)運(yùn)行軌跡到狀態(tài)向量的穩(wěn)定抽取路徑，為整個(gè)動態(tài)加密系統(tǒng)提供結(jié)構(gòu)一致性強(qiáng)、熵源質(zhì)量高的初始狀態(tài)輸入，同時(shí)通過異常剔除機(jī)制剝離了環(huán)境波動或算法抖動所引入的干擾噪聲，保障了后續(xù)密鑰生成路徑的穩(wěn)定性、連續(xù)性與安全性。[0160]在一個(gè)實(shí)施例中，上述步驟S60包括：[0161]S601,將目標(biāo)數(shù)據(jù)劃分為預(yù)設(shè)長度的明文數(shù)據(jù)塊，并根據(jù)預(yù)設(shè)的填充策略對最后一個(gè)明文數(shù)據(jù)塊進(jìn)行填充對齊處理；[0162]S602,通過所述最終密鑰初始化加密執(zhí)行模塊；[0163]S603,將每個(gè)明文數(shù)據(jù)塊輸入所述加密執(zhí)行模塊進(jìn)行加密處理，生成對應(yīng)的密文數(shù)據(jù)塊；[0164]S604,將所有密文數(shù)據(jù)塊根據(jù)所述目標(biāo)數(shù)據(jù)的劃分順序組合，生成所述目標(biāo)加密[0165]在本實(shí)施例中，通過最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)，是基于標(biāo)準(zhǔn)分塊結(jié)構(gòu)化機(jī)制完成數(shù)據(jù)的加密轉(zhuǎn)換操作，使每一個(gè)數(shù)據(jù)分段在結(jié)構(gòu)上具備不可逆性和混淆性。可以由四個(gè)關(guān)鍵技術(shù)環(huán)節(jié)構(gòu)成：數(shù)據(jù)劃分與填充、密鑰驅(qū)動模塊初始化、逐塊[0166]首先，對目標(biāo)數(shù)據(jù)劃分為多個(gè)明文數(shù)據(jù)塊，是為使加密算法能夠以標(biāo)準(zhǔn)輸入格式對數(shù)據(jù)進(jìn)行輪次變換操作。目標(biāo)數(shù)據(jù)可以是任意長度的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，包括文件、圖像、序列化記錄或中間處理結(jié)果。分塊長度應(yīng)根據(jù)加密算法所要求的明文輸入維度進(jìn)行確定。例如，對于固定塊加密結(jié)構(gòu)而言，明文輸入長度必須與加密塊大小保持一致。若目標(biāo)數(shù)據(jù)末尾不足一整塊，需引入填充策略進(jìn)行結(jié)構(gòu)補(bǔ)齊。填充策略應(yīng)具備確定性、抗推斷能[0167]密鑰驅(qū)動的加密模塊初始化，是在輸入最終密鑰后將其作用于輪密鑰展開模塊、初始化向量設(shè)置邏輯與子結(jié)構(gòu)生成路徑，使得加密算法具備完整執(zhí)行條件。最終密鑰在該環(huán)節(jié)中充當(dāng)加密算法執(zhí)行流程的全部控制參數(shù)，其結(jié)構(gòu)質(zhì)量決定加密輪結(jié)構(gòu)的安全性。初始化過程可包括S盒構(gòu)建、線性變換矩陣生成、置換規(guī)則加載等內(nèi)容。[0168]明文數(shù)據(jù)塊輸入加密執(zhí)行模塊后，模塊對每一數(shù)據(jù)塊執(zhí)行多輪加密處理。加密過程包括初始密鑰混合、多個(gè)變換輪次的線性擴(kuò)散與非線性交換操作，如在標(biāo)準(zhǔn)AES中包含輪數(shù)據(jù)塊在經(jīng)過加密后形成的密文在統(tǒng)計(jì)結(jié)構(gòu)上無規(guī)律性。[0169]所有密文數(shù)據(jù)塊按原始劃分順序組合成目標(biāo)加密數(shù)據(jù)，確保密文結(jié)構(gòu)與解密路徑可重構(gòu)匹配。組合方式不引入額外格式變化，以保持加密系統(tǒng)在帶寬與格式兼容性方面的適配能力。[0170]在其中一種具體實(shí)施方式中，系統(tǒng)獲取需要保護(hù)的目標(biāo)數(shù)據(jù)后，首先根據(jù)預(yù)先設(shè)定的加密塊長度對目標(biāo)數(shù)據(jù)執(zhí)行分塊操作。該加密塊長度可通過系統(tǒng)配置文件中加載，例如設(shè)置為一組字節(jié)長度單位的固定長度，用于標(biāo)準(zhǔn)化加密操作的輸入結(jié)構(gòu)。若目標(biāo)數(shù)據(jù)的總長度不是塊長度的整數(shù)倍，則系統(tǒng)在數(shù)據(jù)末尾追加填充內(nèi)容，使最后一個(gè)明文數(shù)據(jù)塊在長度上與其他塊保持一致。該填充內(nèi)容的生成規(guī)則可以基于固定字節(jié)值填充、補(bǔ)零填充或長度指示填充等策略進(jìn)行選擇，系統(tǒng)根據(jù)配置加載相應(yīng)策略，并將其應(yīng)用于當(dāng)前加密任務(wù)。完成數(shù)據(jù)塊劃分后，系統(tǒng)通過最終密鑰初始化加密執(zhí)行模塊。該模塊包括對稱加密算法的關(guān)鍵參數(shù)設(shè)置邏輯與輪函數(shù)構(gòu)建機(jī)制，在初始化階段，系統(tǒng)將最終密鑰載入加密模塊的密鑰寄存器，并完成所有輪密鑰的展開或擴(kuò)展操作，以確保加密模塊能夠在之后對每個(gè)數(shù)據(jù)塊獨(dú)立進(jìn)行加密轉(zhuǎn)換處理。每個(gè)經(jīng)過填充和結(jié)構(gòu)對齊的明文數(shù)據(jù)塊將依次輸入加密執(zhí)行模從而生成結(jié)構(gòu)完整且不可逆的密文數(shù)據(jù)塊。當(dāng)所有明文數(shù)照數(shù)據(jù)最初劃分的順序?qū)⑺忻芪臄?shù)據(jù)塊進(jìn)行有序組合，形成加密后的目標(biāo)數(shù)據(jù)輸出結(jié)系統(tǒng)在整個(gè)過程中記錄密鑰使用周期與數(shù)據(jù)加密標(biāo)簽，實(shí)現(xiàn)密鑰生命周期管理與密文追[0172]混沌狀態(tài)監(jiān)測器(CSM):CSM是系統(tǒng)的核心控制模塊，其工作原理基于滑動窗口Kolmogorov-Sinai熵估計(jì)。對于ZNN狀態(tài)向量x(t)∈R"(其中x(t雅可比矩陣，描述系統(tǒng)在該點(diǎn)的局部線性特性；vmax(k)是主Lyapunov向量，對應(yīng)最大0.1,根據(jù)CSM輸出動態(tài)調(diào)整；◎表示Hadamard積，即矩陣元素間的逐點(diǎn)乘積；L(t)是其轉(zhuǎn)換公式為：[0181]Kraw=Mod(l232.σ(Ax(t))[0182]在這個(gè)表達(dá)式中，σ是sigmoid函數(shù)，將輸入值映射到0-1區(qū)間的S形函數(shù)，定義為[0184]其中SHA3表示安全哈希算法3,一種廣泛應(yīng)用于密碼學(xué)的哈希函數(shù)；田表示異或操作，在二進(jìn)制位級別執(zhí)行按位異或；Nonce為一次性隨機(jī)數(shù)，用于增加密鑰隨機(jī)性并防止重秒級完成密鑰生成過程。[0185]示例說明：在金融支付場景中，用戶連續(xù)發(fā)起多筆跨境交易請求，業(yè)務(wù)系統(tǒng)為防范關(guān)鍵數(shù)據(jù)在傳輸過程中的重放攻擊與會話密鑰泄露風(fēng)險(xiǎn)，引入基于狀態(tài)感知的動態(tài)密鑰生成與加密機(jī)制。系統(tǒng)首先初始化部署的零化神經(jīng)網(wǎng)絡(luò)模型，并激活其混沌維持機(jī)制，在用戶行為事件驅(qū)動下，該網(wǎng)絡(luò)實(shí)時(shí)運(yùn)行，生成一組表示交易狀態(tài)變化的高維狀態(tài)向量。系統(tǒng)每隔固定時(shí)間周期從該神經(jīng)網(wǎng)絡(luò)中采集輸出信號，并通過狀態(tài)空間重構(gòu)手段將這些輸出轉(zhuǎn)化為結(jié)構(gòu)穩(wěn)定的多維狀態(tài)向量。在獲得有效的實(shí)時(shí)狀態(tài)向量后，系統(tǒng)啟動混沌特性評估流程，通過計(jì)算一段時(shí)間窗口內(nèi)的主李亞普諾夫向量與雅可比矩陣乘積，輸出當(dāng)前狀態(tài)序列的平均柯爾莫哥洛夫-西奈熵值，并作為混沌強(qiáng)度指標(biāo)。系統(tǒng)將該混沌強(qiáng)度指標(biāo)與預(yù)設(shè)的閾值比較，發(fā)現(xiàn)其高于閾值，判定當(dāng)前業(yè)務(wù)狀態(tài)已進(jìn)入高動態(tài)交易區(qū)段，需執(zhí)行密鑰更新操作。此時(shí)系統(tǒng)以當(dāng)前狀態(tài)向量為輸入，先將其投影至低維空間，再經(jīng)激活函數(shù)映射，模運(yùn)算離散化后生成初始密鑰。該初始密鑰與一次性會話隨機(jī)數(shù)異或運(yùn)算，生成原始密鑰。系統(tǒng)對原始密鑰執(zhí)行SHA-3哈希，獲得哈希結(jié)果后截取指定長度，形成標(biāo)準(zhǔn)密鑰結(jié)構(gòu)。再通過密鑰擴(kuò)展模塊擴(kuò)展為適配SM4加密算法要求的最終密鑰結(jié)構(gòu)。最終密鑰加載入加密執(zhí)行模塊后，對用戶交易數(shù)據(jù)(包括支付摘要、交易時(shí)間戳與賬戶標(biāo)識)執(zhí)行加密流程。數(shù)據(jù)按塊切分，填充最后一塊后依次輸入加密模塊生成密文，組合為完整加密交易包返回客戶端。整個(gè)過程確保每筆交易密鑰動態(tài)更新，避免密鑰重用攻擊，提高金融通信信道的安全等級。[0186]在遠(yuǎn)程醫(yī)療影像傳輸系統(tǒng)中，醫(yī)院終端需要將高分辨率CT圖像與病患診療數(shù)據(jù)傳輸至云端AI分析平臺進(jìn)行聯(lián)合診斷。系統(tǒng)通過嵌入式硬件部署了具備混沌擾動能力的零化神經(jīng)網(wǎng)絡(luò)模塊，用于跟蹤患者生理狀態(tài)演變。圖像采集設(shè)備觸發(fā)后，該網(wǎng)絡(luò)被激活，并通過擾動機(jī)制使其持續(xù)處于高維非線性混沌狀態(tài)。系統(tǒng)周期性地采集神經(jīng)網(wǎng)絡(luò)輸出并重構(gòu)狀態(tài)空間，剔除不穩(wěn)定向量后獲得一組實(shí)時(shí)狀態(tài)向量作為輸入。為了判斷是否應(yīng)為當(dāng)前影像生成新的加密密鑰，系統(tǒng)在一個(gè)短時(shí)段窗口內(nèi)計(jì)算KS熵值作為混沌強(qiáng)度指標(biāo)。當(dāng)系統(tǒng)檢測到混沌強(qiáng)度指標(biāo)超過設(shè)置閾值，表明當(dāng)前狀態(tài)存在劇烈波動(如患者突發(fā)病變),立即進(jìn)入動態(tài)密鑰構(gòu)建流程。狀態(tài)向量經(jīng)線性投影、非線性激活及模運(yùn)算后生成初始密鑰，并與基于時(shí)間戳生成的一次性隨機(jī)數(shù)異或，得到原始密鑰。原始密鑰經(jīng)哈希處理、截?cái)鄻?biāo)準(zhǔn)化，并通過輪密鑰調(diào)度擴(kuò)展為AES算法所需的最終密鑰。該最終密鑰輸入圖像加密模塊，完成對病患CT圖像文件的逐塊加密處理。為保障數(shù)據(jù)完整性與解密準(zhǔn)確性，系統(tǒng)采用PKCS填充方式對圖像數(shù)據(jù)的最后一塊進(jìn)行對齊填充。加密后的所有密文數(shù)據(jù)塊按照圖像結(jié)構(gòu)順序重組，并封裝為診斷任務(wù)數(shù)據(jù)包傳輸至云端。由于密鑰基于患者特定狀態(tài)軌跡動態(tài)生成且僅在本地短時(shí)間內(nèi)有效使用，攻擊者即使竊取加密圖像也難以復(fù)原對應(yīng)密鑰，極大提升了醫(yī)療數(shù)據(jù)在跨機(jī)構(gòu)傳輸中的安全保障等級。[0187]本實(shí)施例通過構(gòu)建從密鑰使用到數(shù)據(jù)安全封裝的閉環(huán)執(zhí)行路徑，使最終密鑰的安全屬性在實(shí)際數(shù)據(jù)結(jié)構(gòu)中得到完整體現(xiàn)。通過明文分塊、填充對齊與密鑰驅(qū)動加密操作，確保即便攻擊者可獲取部分密文片段，也難以通過模式學(xué)習(xí)或分塊比較還原原始數(shù)據(jù)結(jié)構(gòu)。加密過程中的輪密鑰變化與數(shù)據(jù)塊擾動機(jī)制，使每一組密文具備高度非線性映射特性，顯著提升對窮舉攻擊、線性分析攻擊和重放攻擊的防御能力。[0188]在一實(shí)施例中，提供一種數(shù)據(jù)加密裝置，該數(shù)據(jù)加密裝置與上述實(shí)施例中數(shù)據(jù)加密方法一一對應(yīng)。參照圖3,圖3為本發(fā)明數(shù)據(jù)加密裝置一較佳實(shí)施例的功能模塊示意圖。狀態(tài)采集模塊10、混沌檢測模塊20、密鑰生成模塊30、權(quán)重?cái)_動模塊40、密鑰強(qiáng)化模塊50和數(shù)據(jù)加密模塊60。各功能模塊詳細(xì)說明如下：[0189]狀態(tài)采集模塊10,用于獲取表示混沌神經(jīng)網(wǎng)絡(luò)處理單元運(yùn)行狀態(tài)的實(shí)時(shí)狀態(tài)向[0190]混沌檢測模塊20,用于監(jiān)測所述實(shí)時(shí)狀態(tài)向量的混沌特性，生成混沌強(qiáng)度指標(biāo)；[0191]密鑰生成模塊30,用于將所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值比較，當(dāng)所述混沌強(qiáng)度指標(biāo)大于所述預(yù)設(shè)混沌閾值時(shí)，基于所述實(shí)時(shí)狀態(tài)向量生成原始密鑰；[0192]權(quán)重?cái)_動模塊40,用于根據(jù)所述混沌強(qiáng)度指標(biāo)調(diào)整所述混沌神經(jīng)網(wǎng)絡(luò)處理單元的權(quán)重矩陣；[0193]密鑰強(qiáng)化模塊50,用于對所述原始密鑰進(jìn)行密碼學(xué)處理，生成最終密鑰；[0194]數(shù)據(jù)加密模塊60,用于通過所述最終密鑰對目標(biāo)數(shù)據(jù)進(jìn)行加密處理，生成目標(biāo)加密數(shù)據(jù)。[0196]基于所述混沌強(qiáng)度指標(biāo)與預(yù)設(shè)混沌閾值的差值，確定自適應(yīng)增益因子；[0197]生成邏輯斯蒂