文档名：基于神经网络的随机数发生器最小熵评估研究
随机数发生器对密码系统和通信安全起着至关重要的作用.如果用于生成随机数的熵源无法像预期的那样提供足够多的随机性,那么密码应用很可能存在严重的安全风险.通常来说,人们采用最小熵评估不可预测性,它是用于测量发生器的输出中最可能出现样本被猜中的困难性(概率表示).最近,在NIST800-90B中提出了用于最小熵估计的预测器,其原理是根据所有先前的样本来预测序列中的下一个即将出现的样本.但是,由于过高的时间复杂度,这些预测器在评价具有较长依赖性和多变量的随机数数据上表现出明显不足.因此,基于预测器的概念,提出了一系列具有较强适用性且高效的预测器,这些最小熵评估的预测器基于神经网络技术.神经网络适用于逼近任何概率分布函数,并具有与样本空间呈线性复杂度的特性.在实验部分,利用已知实际概率分布的模拟熵源,验证理论方法的正确性.通过仿真试验验证,结果表明提出的预测器较之90B中的预测器,具有相同程度的准确性,而且在执行效率上有明显提升.不仅如此,当样本空间超过22,样本量超过108时,90B的预测器由于计算代价过高,已无法给出评估结果.相对地,提出的预测器仍能提供准确的评估结果.
作者：杨静 朱双怡 陈天宇 马原 吕娜 林璟锵
作者单位：中国科学院数据与通信保护研究教育中心,北京100093;中国科学院信息工程研究所信息安全国家重点实验室,北京100093;中国科学院大学,网络空间安全学院,北京100049中国科学院数据与通信保护研究教育中心,北京100093;中国科学院信息工程研究所信息安全国家重点实验室,北京100093
母体文献：2018中国密码学会密码测评学术会议论文集
会议名称：2018中国密码学会密码测评学术会议
会议时间：2018年4月1日
会议地点：深圳
主办单位：中国密码学会
语种：chi
分类号：TN9TP1
关键词：密码学 随机数发生器 最小熵评估 神经网络
在线出版日期：2019年11月18日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.29 MB
- 下载次数:
- 60
-
高速下载
|
|
