在外部刺激作用下的忆阻式霍普菲尔德双神经元及其在数据隐私保护中的应用

《IEEE Transactions on Artificial Intelligence》：Memristive Hopfield bi-neurons under external stimuli and data privacy application

医学影像安全传输研究：基于类脑Memristive Hopfield网络的混沌加密与硬件实现

　　

影响声明：

技术的进步使医疗数据面临网络威胁，因此需要安全传输来保护隐私并确保诊断准确性。我们提出了一种受大脑启发的解决方案...显示更多

摘要：

随着医学成像技术的进步，在传输和存储过程中保护敏感的生物医学图像变得越来越重要。传统的加密方法在效率和灵活性方面常常存在不足，尤其是在处理该领域常见的大型数据集时。本研究探讨了使用忆阻式霍普菲尔德网络（memristive Hopfield networks）来加密生物医学图像的方法，利用它们在记忆和模式识别方面的天然优势。我们研究了电磁辐射和刺激电流对这些网络行为的影响。实验结果表明，该模型可以进入多种稳定或不稳定状态，产生不同的模式，包括极限环和各种形式的混沌结构（如双螺旋、三螺旋和四螺旋混沌）。值得注意的是，刺激电流会导致不均匀的动态行为。该模型还揭示了与突触连接相关的各种模式，这可能为神经疾病的研究提供新的见解。为了验证我们的发现，我们构建了一个数字硬件设备，成功再现了这些模式。我们还使用压缩感知技术，利用模型生成的混沌序列对生物医学图像进行压缩和加密。实验表明，这种加密方法对多种攻击具有很强的抵抗力，并且密钥空间较大，使其成为安全通信的理想选择。