Logistic混沌映射

如果一个系统的演变过程对初始的状态十分敏感，就把这个系统称为是混沌系统。

在 1972 年 12 月 29 日 ，美国麻省理工教授、混沌学开创人之一E.N.洛仑兹在美国科学发展学会第139次会议上发表了题为《蝴蝶效应》的论文，提出一个貌似荒谬的论断：在巴西一只蝴蝶翅膀的拍打能在美国得克萨斯州产生一个龙卷风，并由此提出了天气的不可准确预报性。至此以后，人们对于混沌学研究的兴趣十分浓厚，今天，伴随着计算机等技术的飞速进步，混沌学已发展成为一门影响深远、发展迅速的前沿科学。

混沌来自于非线性动力系统，而动力系统又描述的是任意随时间变化的过程，这个过程是确定性的、类似随机的、非周期的、具有收敛性的，并且对于初始值有极敏感的依赖性。而这些特性正符合序列密码的要求。1989年Robert Matthews在Logistic映射的变形基础上给出了用于加密的伪随机数序列生成函数，其后混沌密码学及混沌密码分析等便相继发展起来。混沌流密码系统的设计主要采用以下几种混沌映射：一维Logistic映射、二维He’non映射、三维Lorenz映射、逐段线性混沌映射、逐段非线性混沌映射等，在本文中，我们主要探讨一维Logistic映射的一些特性。

一维Logistic映射从数学形式上来看是一个非常简单的混沌映射，早在20世纪50年代，有好几位生态学家就利用过这个简单的差分方程，来描述种群的变化。此系统具有极其复杂的动力学行为，在保密通信领域的应用十分广泛，其数学表达公式如下：

Xn+1=Xn×μ×(1-Xn)         μ∈[0,4]     X∈[0,1]

其中 μ∈[0,4]被称为Logistic参数。研究表明，当X∈[0,1] 时，Logistic映射工作处于混沌状态，也就是说，有初始条件X0在Logistic映射作用下产生的序列是非周期的、不收敛的，而在此范围之外，生成的序列必将收敛于某一个特定的值。如下图所示：

可以看出，在μ的取值符合3.5699456