基于6D超混沌伪随机数生成器与动态S盒的高速安全语音加密技术

《Integration》：High-speed and secure speech encryption using 6D hyperchaotic based pseudo-random number generator and dynamic S-box

　　•所提出的实时安全语音加密框架采用6D非线性动态模型生成高质量的32位伪随机数序列，再通过位级操作进一步处理，以提高其统计随机性和不可预测性。该加密过程针对16位语音样本运作，整合了多种安全机制，包括非线性密钥混合、自适应替换以及样本间扩散。为支持实时数据传输，该框架采用了基于UART的轻量级通信协议，可传输固定长度的语音帧且无需额外开销。

引言
随着现代通信技术的快速发展，对安全、高速且实时的数据传输系统的需求日益增加，这类系统常用于处理敏感的多媒体信息，如语音信号。与传统的数字数据相比，语音信号不仅包含语言内容，还蕴含生物特征信息和上下文信息，因此极易遭到截获、篡改和未经授权的访问。因此，在当代网络安全框架中，确保语音通信系统的保密性、完整性和抗攻击性已变得极为重要。

非线性动态系统如今已成为许多现代加密系统的基础，这类数学模型以简单的确定性规则产生复杂行为。非线性系统具有对初始条件敏感、分岔以及不可预测等特性，使其非常适合用于模拟现实世界现象并生成复杂信号[1]、[2]。在非线性系统中，混沌系统作为一种强大的工具被广泛应用于加密领域。混沌理论描述的是一类确定性系统，由于对初始条件及系统参数极度敏感而表现出随机行为。这一特性确保了即使初始条件有微小变化也会产生不同轨迹，这与加密所需的混淆和扩散原理类似。早期研究已证明，诸如逻辑斯蒂系统和洛伦兹系统这类低维混沌映射可用于加密[3]。然而，这类系统往往存在密钥空间有限、行为可预测且易受密码分析攻击的问题。

鉴于这些局限性，研究人员开始探索超混沌系统，这类系统具有多个李雅普诺夫指数，因而具有更高的复杂性及更好的不可预测性。由于其高维状态空间和更高的随机性，超混沌系统能够提供更强的安全保障。例如，人们通过QR分解等先进数学技术构建n维超混沌映射，以此提升加密强度[4]。此外，高维系统也被应用于多媒体加密，包括彩色图像加密[5]。同时，得益于嵌入式系统及硬件架构的进步，基于混沌的加密算法也得以实现。其在计算效率与功耗之间的平衡使其适用于实时加密任务。在微控制器上实现基于混沌的语音加密已在效率与安全性方面展现出良好效果[6]。另有研究[7]探讨了面向硬件的加密设计，强调了为嵌入式环境优化算法以实现高吞吐量和低延迟的重要性。

传统的加密方法，包括标准加密块，在应用于实时语音通信时面临诸多挑战，比如计算开销大、延迟高，以及难以适应动态信号特性。此外，作为加密算法核心组成部分的静态S盒因其固定结构而容易受到各种攻击。为解决这些问题，研究人员提出了基于混沌系统动态生成的S盒[8]，以及可重构的伪随机数生成器，以增强安全性[9]、[10]、[11]。

在网络安全和道德黑客领域，通过模拟暴力攻击、统计攻击以及侧信道攻击等真实场景来评估系统，使得对强大加密机制的需求愈发迫切。在这种情况下，传统加密方案可能会暴露出弱点，从而被攻击者利用。基于超混沌的加密系统则具备固有的不可预测性，能有效抵抗统计分析和差分分析攻击。不过，其对基于硬件的侧信道攻击的实际防御能力取决于实现方式，因此需要另行研究。此外，遵循NIST统计测试套件等标准评估框架，可确保生成的随机序列具有可靠性和随机性。

近期研究探索了多种基于混沌的加密方法。例如，基于新设计的混沌映射的语音加密算法在安全性和性能方面均有提升[13]。同样，将2D和3D超混沌系统用于音频加密，也在保持计算效率的同时提升了安全性[14]。此外，人们还结合费舍尔-耶茨洗牌法与混沌映射，以增强加密系统的混淆和扩散特性[15]；同时，也有研究提出通过XOR矩阵生成来提高分组密码的抗攻击性[16]。

近年来，加密研究不仅致力于开发新的混沌系统和超混沌系统，还着眼于通过优化和后处理技术提升替换框的加密质量。有人提出将超混沌系统、DNA编码和进化优化相结合的混合S盒构建方法，以此改善非线性、严格雪崩准则、比特独立性准则、差分概率以及线性近似概率等关键加密特性。这些研究表明，基于优化的方法能够在保持实际应用所需合理计算复杂度的前提下，有效提升动态生成的S盒的加密强度[17]、[18]。此外，最新的后处理策略表明，通过对混沌S盒进行针对性优化，可通过抑制主导的线性成分来提升最小和非平均非线性程度，从而在不显著增加实现复杂度的情况下，增强系统对线性分析和差分分析的抵抗能力[18]。

与基于混沌的加密原语的发展同步，面向硬件的随机数生成技术也取得了显著进展。最新的基于FPGA的真随机数生成器采用了依赖密钥的S盒架构以及轻量级后处理技术，既保持了高吞吐量与低硬件开销，又提升了随机序列的统计质量。这类架构表明，加密后处理能有效提高熵值，降低统计偏差和相关性，且无需过度消耗资源即可满足NIST的随机性要求。这些研究进一步凸显了在实际的嵌入式加密系统中，平衡统计随机性、实现效率与硬件复杂度的重要性[19]、[20]。

此外，近期研究还将人工智能和深度学习技术作为辅助工具，用于评估加密随机数生成器的统计随机性，这反映出人们越来越重视超越传统统计测试套件的高级随机性评估方法[21]。然而，尽管已有诸多研究成果，仍存在一些研究缺口，比如现有系统多基于低维混沌映射，缺乏对输入信号特性的适应性，且在资源受限的嵌入式环境中吞吐量较低。

虽然这些研究在S盒优化、随机性提升以及基于硬件的随机数生成方面取得了重大进展，但大多数研究主要集中在独立的S盒构建、面向FPGA的TRNG架构或后处理策略上。相比之下，本研究将六维超混沌伪随机数生成器、动态S盒生成以及基于STM32H7的轻量级实时语音加密框架整合到统一的嵌入式架构中。该设计并非追求单一加密指标的最大化，而是注重在安全性能、计算效率以及适合实际语音通信应用的实时嵌入式实现之间取得平衡（详见表1）。

正是出于这些挑战，本研究提出了一种基于6D超混沌伪随机数生成器及动态生成的S盒的高速安全语音加密系统，该系统部署在嵌入式微控制器平台上。该系统利用超混沌动力学的复杂性生成高质量伪随机序列，用于密钥生成、混淆和扩散操作。与传统方法不同，该系统引入了密钥生成和S盒构建机制，使加密过程与输入信号特性紧密关联，从而增强了系统对选择明文攻击和已知明文攻击的防御能力。

所提出的超混沌系统通过四阶龙格-库塔方法进行数值求解，该方法能够确保混沌序列的准确且稳定生成[27]。该系统采用包含多个耦合方程的6D非线性系统，这为其提供了较大的密钥空间，并能有效抵御暴力攻击[28]。生成的序列还经过位级混合和白化处理，以进一步提升其随机性。

除了伪随机数生成器外，该系统还包含了基于混沌排列的动态S盒生成机制，这使得每个语音数据帧的替换过程都各不相同。由于S盒并非固定不变，而是根据混沌状态动态变化，因此该系统还在加密过程中整合了多层混淆和扩散机制，包括密钥混合、替换以及基于反馈的扩散，从而形成了高度安全的加密方案。

该系统基于STM32H7微控制器平台实现，具备出色的计算性能，能够支持实时处理。通过利用周期计数器等硬件功能，可以精确测量加密操作和伪随机数生成器的执行时间，便于性能评估。为支持实时安全语音传输，该系统还采用了基于UART串行接口的轻量级通信协议，连接主机系统与嵌入式平台[29]。该协议采用以帧为单位的传输方式，传输固定长度的语音数据段，无需额外的控制开销，从而实现了高效且低延迟的数据交换。在返回路径上，系统会发送结构化的输出帧，开头为固定的同步头“SBOX”，随后是动态生成的加密参数、时间信息以及加密和解密后的语音数据。这种设计不仅便于实现可靠的帧对齐，还有助于性能评估和加密过程验证，同时避免了传统网络协议的复杂性。总体而言，该通信方案非常适合那些既需要高效性又需要安全数据处理的实时嵌入式应用。

从网络安全的角度来看，所提出的系统有效解决了实时安全通信中的关键问题。通过整合超混沌动力学、动态S盒以及密钥生成机制，该系统能够有效抵御包括统计攻击、暴力攻击和差分攻击在内的多种攻击类型。此外，该系统的高吞吐量使其非常适合在军事、医疗保健以及物联网等领域的安全通信系统中得到实际应用。

本研究的主要贡献如下：
1. 设计出了具有高复杂度及强随机性特性的新型6D超混沌伪随机数生成器。
2. 开发了基于混沌排列的动态S盒生成机制。
3. 通过将加密参数与输入信号特性相结合，实现了密钥生成，进而提升了系统安全性。
4. 构建了结合混淆、替换和扩散操作的多层加密方案。
5. 在STM32H7平台上实现了实时嵌入式应用，展现了高吞吐量和低延迟性能。
6. 进行了全面的性能评估，包括执行时间、随机性测试（依据NIST标准）、功耗表现以及安全性分析。

虽然低维混沌系统（如3D洛伦兹系统、陈系统和吕系统）由于计算复杂度较低而被广泛用于加密领域，但选择合适的混沌系统仍需根据具体应用需求和设计要求来确定。本研究的目标并非仅仅降低计算成本，而是在安全性与实时嵌入式实现之间取得平衡。本文的实验结果表明，所提出的6D超混沌系统不仅能够满足STM32H7平台的定时要求，还能带来更高的密钥敏感性、更大的状态空间以及更强的伪随机性。

本文的其余部分结构如下：第2节介绍所提出的6D超混沌系统的理论基础。第3节阐述基于该系统的带密钥生成机制的伪随机数生成器。第4节详细说明动态S盒的生成方式。第5节介绍包含加密和解密功能的整体架构图。第6节阐述通信协议的设计方案。第7节介绍安全指标的理论背景。第VIII节展示实验结果，包括性能指标和安全分析内容。最后，第IX节对全文进行总结，并指出未来的研究方向。最初，输入的语音信号为波形格式（.wav格式），它会经过帧处理单元，被分割成大小固定的4096个样本的帧，然后转换为16位PCM格式以便进一步处理。这些已分帧的语音样本随后会被送入加密核心模块。为了实现主机与嵌入式加密平台之间的实时语音传输，设计了一种轻量级且针对特定应用场景的通信协议。为降低延迟并避免传统网络协议带来的额外开销，采用了基于UART的直接串行接口[29]。该通信以全双工模式运行，波特率为230,400bps，从而能够实现数据帧的连续发送与接收。图6中展示的即为所设计的协议，它采用基于帧的结构。

为验证所提出加密方案的稳健性与有效性，采用了一组全面的安全评估指标。这些指标在密码学、信号处理以及安全多媒体传输领域被广泛用于评估信号的统计随机性、感知失真程度以及抵御各类密码分析攻击的能力。通过分析加密信号与解密信号的统计特征和感知特性，可以得出相应结论。

为评估所提出的加密-解密方案的性能差异，采用了时域、统计域和频域分析方法。其目的是证明加密后的信号具有高度随机性且不存在明显结构，而解密后的信号则能准确还原原始语音。

本研究提出了一种基于高维超混沌系统并结合动态生成的S盒的安全高效实时语音加密框架。该系统利用6D超混沌模型生成高质量的伪随机序列，这些序列被用于密钥生成以及混淆-扩散操作。在STM32H7平台上实现的该架构证明了其在实时应用中的实用性。RK4算法的应用则确保了系统具备较高的性能。

作者声明不存在任何可能影响本文研究工作的已知财务利益冲突或个人关系。

阿迪亚·戈斯瓦米|罗汉·库马尔·辛格|西丹特·高拉夫·米什拉|库马尔·里希|曼加尔·迪普·古普塔