人類的思維活動自古以來一直是人們*感興趣的課題之一，在古代，人們總是認為人類的思堆活動是在心臟部位完成的，後來人們才逐漸意識到人類思維活動應該是由大腦來完成的。因此，人們希望通過研究動物大腦的細胞結構和活動機理來詳細瞭解人類各種智慧活動行為如學習，聯想，識別及睡眠等等，從而去模擬創造具有人工智慧的機器或生物．

但是，由於實驗條件的限制，直到上個世紀40年代即1943年才由美國神經生理學京w. s．McCulloch和數學術W.H.Pitts根據解剖學和生理學方面的成果提出了"以邏輯符號來描述神經元及由其組成的神經網路，以通過對神經元間聯結強度和神經元閾值的適當選擇來表徵大腦內神經元對外部世界的感官活動"這一基本思想的人類思堆活動M-P神經元模型：而後於1949年美國心理學者D.0.Hebb根據心理學中條件反射機理，指出人類的學習行為是通過大腦中生物神經元間連線強度變化（即Hebb學習規則）完成的．此後，在M-P神經元模型和Hebb學習規則基礎上，有關"能夠模擬大腦的神經元網路結構和思維行為"的神經網路成為人們致力於研究和創造人工智慧的重要方向之一，至今也取得了一系列重要研究成果．

如今，人們對大腦的結構已有清楚的認識，人類大腦大約是由10的12次方個比較簡單類似的生物神經元組成的，且每個神經元要與其它10的3次方個神經元相互聯結，形成了具有10的14到15次方個突觸聯結的神經網路系統．所以，有關神經網路的理論研究實際上就是研究分析這種由大量非線性單元組成並行複雜系統的資訊處理能力．正是由於神經網路所具有強大的資訊處理能力，它已經在網際網路通訊領域得到了一些應用如訊號識別，預測、均衡和蝙碼、信元排程優化，路由選擇等等．特別在1990年K．Aihara等人根據生物神經元的混沌特性提出了混沌神經網路概念之後，人們開始意識到神經網路的混沌複雜 性有望在加密通訊中得到應用，經過科學家們十多年來的努力，有關神蟶網路混沌加密演算法的研究也取得了一些成果，如V. Milanovic等人基於神經網路混沌同步特性提出了一種同步加密的保密通訊方案；K．R. Crounse等人基於細胞神經網路混沌序列不可預測性提出了序列分組對稱加密方案：以及D．Guo等人基於神經網路混沌分類吸引子的隨機分組對稱加密方案等等．

這些神經網路混沌加密方案大多數未就加密演算法的安全性進行深入的分析，且有些神經網路混沌加密方案從實用性上看似乎是不科學的，因此，有關神經網路混沌加密演算法的研究不僅要提出具有創新性的加密方案，而且要從數學意義上證明加密演算法的安全性和實用性．