摘要 - 伪随机数生成器(PRNG)是加密应用程序中的重要组件,为生成密钥,创建数字签名和确保安全通信提供了基础。本研究探讨了伪随机数的两种方法:根据国家标准技术研究所(NIST)规范,计数器模式确定性随机位发生器(CTR_DRBG)的实现,以及基于混乱的伪随机数字生成器。CTR_DRBG实施使用了256位的种子,并遵循严格的NIST指南,确保抵抗蛮力和隐次攻击。相比之下,基于混乱的方法利用混乱的动力学来基于256位键有效地产生高质量的随机值。通过优化参数并引入一个随机位生成的阈值,我们证明了基于混乱的生成器可以实现出色的随机性和统计属性。
为了将概率论应用于可靠性评估,研究系统行为,必须进行一系列实验或推导出数据收集方案。为了将概率论应用于这些随机值或事件的发生,我们需要研究这些称为随机变量的变量。∴ 随机变量是一个变量,表示给定随机实验的结果或成果。随机变量是只能具有离散状态数或可数值的变量。随机变量可以是“离散的”或“连续的”。离散随机变量是只能具有离散状态数或可数值的变量。例如:1. 抛硬币 - 结果是正面或反面。2.掷骰子 - 结果是 1、2、3、4、5 或 6。连续随机变量是取无限多个值的变量,或者其范围形成一组连续的实数。这并不意味着范围从 - ∞ 延伸到 + ∞。它只意味着值有无数种可能性。例如:1.灯泡的使用寿命。2.如果电流的值在 5A 和 10A 之间,则表示连续随机变量。概率密度函数 与随机变量相关的概率可以用称为概率密度函数或概率质量函数的公式来描述。我们使用符号 f(x) 表示概率密度函数。