カオス光通信のためのカスケードフィードフォワードニューラルネットワーク復号化フレームワーク

科学分野:

• オプトエレクトロニクス
• 情報セキュリティ
• 人工知能

背景:

• 既存のカオス光通信復号化方法は、カオス同期に依存することが多く、これは干渉やパフォーマンスの問題に対して脆弱です。
• これらの従来の方法は、同期、アライメント、および差分操作を必要とする複雑な場合があります。

研究 の 目的:

• 既存の同期依存メソッドの制限を克服するカオス光通信のための新しい復号化フレームワークを提案すること。
• 人工知能を使用してカオス信号復号化の精度と堅牢性を向上させること。

主な方法:

• 復号化のためにカスケードフィードフォワードニューラルネットワーク（CFNN）フレームワークが開発されました。
• ニューラルネットワーク内でBiMatchを使用して中間特徴量の2次元行列が構築されました。
• CFNNによる連続推論は、暗号化された信号特徴量を段階的に抽出します。

主要な成果:

• CFNNフレームワークは、カオス同期、アライメント、または差分操作を必要とせずにメッセージを正常に回復します。
• 提案されたCFNNは、ほとんどの場合、3.8 x 10^-3未満のビットエラー率（BER）を達成しました。
• この方法は、従来のモデルと比較して同等のパラメータサイズと計算複雑性を示しました。

結論:

• CFNNベースの復号化フレームワークは、カオス光通信の精度と堅牢性において大きな利点を提供します。
• セキュリティ分析と実験的検証により、提案された方法の実用的な適用性が確認されました。
• このアプローチは、安全な光通信に対して、より回復力があり効率的なソリューションを提供します。