在自然界中，有很多同步现象，同样，神经网络也有同步现象存在。神经网络跟人工智能等众多应用领域结合起来，已成为潜力巨大的研究方向。在两个神经网络同步的过程中，初始状态的权值都是随机的向量。在每次学习过程中两个神经网络都接收相同的输入向量，然后计算各自的输出，最后与对方相互交换自己的输出，再根据输出结果的情况，运用一定的学习规则来调整自己的权值。当神经网络的权值都是离散值的时候，通过有限次学习后就能达到完全同步，即权值完全相同的状态，并且该同步状态将在以后的学习过程中保持不变。神经网络的这个特性可以被应用到很多领域中，如在信息安全中，我们可以用神经网络的同步来实现公共信道上密钥的交换。而本文的主要工作就是研究多个神经网络的同步模型并提出它在组密钥交换中的应用。本文中提出了多神经网络同步的中心学习模型，分布式同步模型，邻居学习模型，多数学习模型，混合同步模型等，并从同步时间及同步效果上来分析了这些同步模型的在不同的学习规则下的同步时间和同步效果，并用大量的实验数据给予了说明。同时本文还提出基于多神经网络模型的同步的身份认证模型，并将多神经网络同步模型应用到组密钥交换协议(GKMP)中，有效地降低了协议的复杂程度，为以后对神经网络同步模型的进一步研究和应用提供了新的方向。