XiaoMi-AI文件搜索系统
World File Search SystemPRNG
嵌入式系统的轻巧伪随机数生成器Andi Sama 1*，Meyliana 2，Yaya Heryadi 1，Taufik Roni Sahroni 3
用于数据传输加密的加密算法提供了机密性，需要相当大的计算能力，并且在具有有限的计算能力的嵌入式系统中不常用，例如可编程逻辑控制器（PLC）。PLC是工业自动化中自动化和控制的核心组成部分。数十年来，PLC优先考虑速度而不是安全性； PLC中的程序执行必须尽可能高效。加密算法使用种子，初始化矢量，用加密量键加密数据以加强加密。伪随机数发生器（PRNG）可以用作初始化向量。本文提出了Xorasm PRNG算法，该算法是基于Xorshift的轻量级算法，并带有系统时钟的修改种子。应用的方法可以生成和可视化PRNG，测试随机性并在紧凑型PLC上实现PRNG。Xorasm进行统计评估。这项研究的发现是，p值表明Xorasm在统计学上是统计学和明显的随机性，并且有证据表明，Xorasm生成的数据分布实际上是在99.95％的置信度下随机的，适用于嵌入式系统中的实施，作为轻量级的PRNG。
使用混合深度学习模型预测伪随机和量子随机数序列
随机数生成是许多应用程序的关键组成部分，包括加密，安全通信系统，模拟和概率算法。伪随机数生成器（PRNGS）和量子随机数生成器（QRNG）是两种主要类型的随机数生成器，QRNG由于其固有的不可预测性提供了更好的安全性[1]。但是，预测PRNG和QRNG序列仍然是评估其安全性和可靠性的重要任务。深度学习技术，例如卷积神经网络（CNN），长期记忆（LSTM）网络和RNN，已在各种时间序列预测任务中广泛使用[2]。在本文中提出了一个混合深度学习模型，该模型结合了CNN，LSTMS和RNN来预测PRNG和QRNG序列。该模型在包含PRNG和QRNG序列的数据集上进行了训练和评估。
有多少个 QRNG 芯片？
基于算法的 PRNG 和基于经典物理的 TRNG 都存在漏洞。由于它们本质上是确定性的，因此可预测，因此 PRNG 无法提供完全的加密安全性。使用经典 TRNG，人们永远无法确定产生了多少真正的随机性。通常，在后处理级别使用健康监测和健全性检查来检测任何问题。这可能足以解决已知问题，但最终缺乏控制和底层物理过程的复杂性使其难以涵盖所有潜在场景。因此，经典 RNG 的弹性高度依赖于后处理，必须使用统计测试等各种实用工具进行评估。
伪数的数量产生来自嵌入在微控制器中的维也纳振荡器刺激的约瑟夫森连接
摘要。本文给出了WIEN桥振荡器（JJSWBO）刺激的Josephson结数（PRNG）的推导及其微控制器验证。通过JJSWBO的数值研究，构成系统参数的不同坐标空间中的百科全书动态图明确阐述了呈现最大Lyapunov指数（GLE）的系统的全局行为。混乱的行为被捕获，以大于零的GLE，而GLE的周期性行为小于零。此外，分叉特征暴露了可周期性的振荡和可周期性的周期性振荡，可周期性的兼诊途径，可与可混乱的混乱途径，可行的常规行为的拦截以及可混乱的表现，共存的吸引者，单稳定的混乱动力学和内在的现象现象。提出了JJSWBO的微控制器验证（MCV），以验证数值仿真结果。从描述JJSWBO的混沌方程式，设计了一个线性反馈移位寄存器（LFSR）作为后处理单元的PRNG。通过使用NIST 800-22测试套件成功测试了来自建议的基于JJSWBO的PRNG的生成二进制数据的随机性。此结果有助于确认JJSWBO对加密方案和其他基于混乱的应用程序的适用性。
使用Python
摘要 - 对通用AI和物联网的时代进行了攻击，在这些时代，高频带宽度，连接性，服务器，存储和决策起着重要作用。因此，速度和安全是一个明显的需求。作为伪随机数（PRNG）也是一个基本需求。为此目的，并考虑了Java和Python等编程语言的最新研究结果。我们选择了线性一致发电机（LCG）算法，该算法是流行的PRNG之一。我们考虑了LCG的三种简单播种方法，即系统特定时间作为种子，手动播种和系统生成的种子谷（对象ID和哈希值）。我们的实验首先使用3种播种方法测试了伪随机生成，后来进行了渐近性能分析，以使用Java和Python语言观察PRN的产生速度。发现的结果对研究和工具开发人员非常有趣且有用。
使用符合 RIP 标准的 CMOS 成像器架构和 Landweber 重建进行压缩成像
摘要 — 本文提出了一种新的图像传感器架构，用于快速准确地对自然图像进行压缩感知 (CS)。CS CMOS 图像传感器中通常采用的测量矩阵是递归伪随机二进制矩阵。我们已经证明，这些矩阵的限制等距性质受到低稀疏常数的限制。这些矩阵的质量还受到伪随机数生成器 (PRNG) 的非理想性的影响。为了克服这些限制，我们提出了一种硬件友好的伪随机三元测量矩阵，该矩阵通过 III 类基本细胞自动机 (ECA) 在芯片上生成。这些 ECA 表现出一种混沌行为，比其他 PRNG 更好地模拟了随机 CS 测量矩阵。我们将这种新架构与基于块的 CS 平滑投影 Landweber 重建算法相结合。通过单值分解，我们调整了该算法，使其在操作二进制和三元矩阵时执行快速而精确的重建。提供了模拟来验证该方法。
基于 LWE 的抗量子伪随机数生成器
摘要：在密码学、计算统计、游戏、模拟过程、赌博和其他相关领域，密码安全伪随机数生成器 (CSPRNG) 的设计带来了重大挑战。随着量子计算的快速发展，迫在眉睫的“量子威胁”越来越近，对我们当前的密码安全 PRNG 构成了威胁。因此，认真应对这些威胁并开发各种工具和技术以确保密码安全的伪随机数生成器 (PRNG) 不会被经典计算机和量子计算机破解变得至关重要。本文介绍了一种使用基于格的带错学习 (LWE) 原理构建有效抗量子伪随机数生成器 (QRPRNG) 的新方法。LWE 被认为是抗量子的，因为它依赖于最短向量问题和最近向量问题等问题的难度。我们的工作重点是开发一种利用线性反馈移位寄存器 (LFSR) 生成伪随机位流的 QRPRNG。为了为 QRPRNG 构建安全种子，我们使用了 LWE。所提出的 QRPRNG 将安全种子输入到 LFSR，并使用同态函数来保护 LFSR 内有限状态的安全性。我们进行了 NIST 统计测试来评估所构建的 QRPRNG 生成输出的随机性。所提出的 QRPRNG 实现了 35.172 Mbit/s 的吞吐量。
使用光子极化伪随机基选择实现基于诱饵态的量子密钥分发的安全性和通信距离改进
摘要 本文提出了一种新的量子密钥分发（QKD）协议，即基于伪随机基纠缠光子的 QKD（PRB-EPQKD）协议。最新协议主要关注三个属性，包括协议的安全性、安全密钥大小和合法通信用户（Alice 和 Bob）之间的最大通信距离。为了实现这一点，我们首先考虑一个位于低地球轨道（LEO）型卫星上的自发参数向下（SPDC）光子源，该光子源能够产生并向 Alice 和 Bob 分发纠缠光子对。其次，我们假设 Alice 和 Bob 的光子状态测量基是通过伪随机数生成器（PRNG）相同生成的，即量子逻辑映射（QLM）。最后，我们还假设除了光子状态之外，Alice 和 Bob 还故意在每个脉冲上共享一组强度随机的诱饵状态，目的是检测窃听者（Eve）的存在。基于这些考虑，我们利用 Gottesman-Lo- Lutkenhaus-Preskill (GLLP) 公式评估了两种不同实现（即基于非诱饵状态和无限主动诱饵状态的 QKD）的安全密钥速率上限。与现有协议相比，安全密钥大小和通信距离都有显著改善，因为我们意识到在日光、下行卫星条件、精心选择的光源和良好的晶体特性下，最大通信距离可达 70000 公里。此外，使用组合的 I 型和 II 型 SPDC 光子源作为我们的纠缠光子对发生器，显著提高了光子平均数，使我们的协议对光子数分割攻击和衰减引起的大气传播更具鲁棒性。此外，该协议与现有协议相比更加安全，因为任何窃听者必须同时破解用作 PRNG 的混沌系统和 QKD 系统，才能获得有关 Alice 和 Bob 使用的测量基的任何有用信息，从而获得安全密钥。
FIPS 140-2非专有安全政策Hewlett Packard ...
首字母缩写术语 Electromagnetic Interference FCC Federal Communications Commission FIPS Federal Information Processing Standard GPC General Purpose Computer GUI Graphical User Interface HMAC (Keyed-) Hash Message Authentication Code KAT Known Answer Test MAC Message Authentication Code MD Message Digest NIST National Institute of Standards and Technology OS Operating System PKCS Public-Key Cryptography Standards PRNG Pseudo Random Number Generator PSS Probabilistic Signature Scheme RNG Random Number Generator RSA Rivest，Shamir和Adleman Sha安全哈希算法SSL安全套接字层Triple-DES TRIPLIPLE-DES三数据加密算法TLS传输层安全USB通用串行总线