足熵数字物理噪声源设计的关键技术研究

True random number generator, also known as digital physical noise source, serves as a crucial role to provide the security of many cryptographic applications in modern cryptography, such as cryptographic algorithms, security protocols. In ideal conditions, the output sequence should have perfect unpredictability and well statistical properties. The randomness statistical test is employed to detect the statistical defect existed in the sequence, but cannot evaluate the unpredictability. At present, both the main international and national organizations for standardization recommend to adopt the entropy to describe the unpredictability and evaluate the security of the noise source. It needs to a stochastic model and entropy calculation method to give the theoretical proof for sufficient entropy. Furthermore, the security of noise sources is also affected by many physical factors in runtime, such as correlated noise, manufacture process, operational environment and malicious attacks. Therefore, this program will study the key technologies on the design of sufficient-entropy digital-physical noise source. We research the modeling methods to prove the theoretical security of noise sources. In addition, we study the approaches to guarantee the security of noise sources in runtime, i.e., good robustness, in order to generate the sequence with sufficient entropy under the influence of various physical factors.

真随机数发生器，又称数字物理噪声源，在现代密码学中发挥着至关重要的作用，为密码算法、安全协议等众多密码应用提供根本性的安全保障。理想情况下，输出序列应具有完全不可预测性和良好的统计性质。统计检测可判断出序列是否存在统计缺陷，却无法检测出不可预测性。目前，主要的国际和国家标准化组织均推荐使用“熵”的概念刻画输出序列的不可预测性，进而评价噪声源的安全性。理论上证明熵充足需要用到随机模型和熵计算方法。而噪声源在实际使用时，其安全性又会受到诸多物理条件因素的影响，例如相关噪声、制造工艺、运行环境、恶意攻击。因此，本课题将研究足熵数字物理噪声源设计的关键技术。对证明噪声源理论上安全性的建模方法进行探究。同时，对噪声源在运行时的安全性保证技术进行研究，使噪声源具有良好的健壮性，以确保在不同物理条件影响下其输出序列是熵充足的。

真随机数发生器（RNG）在现代密码学应用中发挥着至关重要的作用，为密码算法、安全协议等密码应用提供根本性的安全保障。目前，主要的国际和国家标准化组织推荐使用“熵”刻画输出序列的不可预测性，以此评价TRNG的安全性。本课题探究足熵数字物理噪声源设计的关键技术，围绕建模、熵计算和可测试方法等方面，设计出具有良好健壮性的噪声源架构。主要研究成果如下：..一、.基于振荡采样结构的足熵物理噪声源设计与实现.首次提出一款振荡采样型足熵物理噪声源设计。在该设计中，创新性地实现了对白噪声贡献（真随机性成分）的量化和反馈自调节设计参数，有效地解决了PVT对设计的影响，确保了噪声源运行时输出是足熵的。研究团队在多种工艺下的FPGA和ASIC芯片（SMIC 130nm）上实现了这款噪声源。实验验证表明，该设计对PVT影响因素有良好的健壮性，在不同物理条件下输出的比特率熵不低于0.999，且可以顺利通过NIST SP800-22和Diehard统计检测套件。..二、.典型高速噪声源结构的理论熵评估方法.- 首次对基于ADC采样的噪声源结构建立数学模型，给出理论熵计算方法。该成果在对“多元”随机数熵评估工作中取得了突破性进展，可用于指导未来真随机数高速安全生成的研究。.- 首次对多环结构的随机数发生器建立数学模型，给出理论熵计算方法。有效指导多环结构的安全设计，即足熵条件下(e.g. 0.99)，给出不同的环数对应的比特速率的一个安全上限。..三、.基于神经网络预测模型的统计熵评估方法.提出一种基于神经网络预测模型的高效最小熵估计方法。方法中给出的执行策略，使得该方法对平稳和非平稳熵源数据均具有良好的检测表现。与NIST SP800-90B标准中预测估计器相比，该方法在结果准确度、适用范围和执行效率等方面都有明显提升，尤其是对多位宽、长相关数据具有更好的适用性和检测效率。在此基础上，团队将变化检测技术和深度神经网络技术相融合，提出一个适用于时变数据的熵估计器。实验结果表明，该熵估计器在某些时变数据上的检测表现优于90B测试套件和基于神经网络的熵估计器。