XiaoMi-AI文件搜索系统
World File Search System随机数
应用程序的随机数生成器建议
11个产生遵循非均匀分布的数字或信号的项目在本文档中不考虑RNG。（例如，高斯和类似的噪声发生器不被视为RNG。）这些项目中的许多通常是通过随机提取技术来得出均匀的随机行为整数的来源（请参阅“种子生成”）。例如，即使它们是从均匀的分布中采样的，在这里不考虑产生浮点数的项目。一个示例是DSFMT算法，该算法最终使用了伪和整数的生成器。12标准（例如FIPS 200）和ISO/IEC 27000家庭在此使用的意义上处理信息安全。13标准（例如FIPS 200）和ISO/IEC 27000家庭与此处使用的信息安全性交易。
估计量子随机数的隐私性
随机数具有广泛的应用 [1]，从彩票和赌博的蒙特卡洛模拟 [2] 到经典和量子密码协议 [3-6]。对于大多数这些任务，生成数字的隐私起着至关重要的作用，即随机数既不能被任何模型预测，也不能被攻击者获得至少可以部分预测它们的信息。量子随机数生成器 (QNRG) 至少在理论上提供了创建这种不可预测的随机数的可能性 [7,8]，这是由于其生成过程的物理性质和量子理论固有的不确定性。QRNG 实现的典型示例是分束器上的光子 [9]、真空的同相测量 [10] 或激光相位噪声 [11]。然而，现实生活中的 QRNG 实现通常存在缺陷，这为攻击者获取有关生成数字的至少部分信息打开了大门。在本文中，我们针对这种非理想 QRNG 采用了基本的两量子比特模型，以确定攻击者通过利用 QRNG 的缺陷最多可以获得多少信息。为了通过实验实现我们的模型，必须满足两个条件：(i) 两个量子比特系统的控制和纠缠，以及 (ii) 对两个量子比特进行断层扫描。幸运的是，这两个要求都可以轻松实现。在过去的几年中，已经实现了大量控制和测量两量子比特系统的实验，范围从超导量子比特 [ 12 ]、捕获离子 [ 13 , 14 ] 和里德堡原子 [ 15 ]，到纠缠光子 [ 16 ]。还展示了不同系统的断层扫描 [ 17 , 18 ]。
迈向将真正的随机数生成融入...
摘要 — 量子通信功能的集成通常需要专用的光电元件，而这与电信系统的技术路线图并不相符。我们研究了商用相干收发器子系统在经典数据传输之后支持量子随机数生成的能力，并展示了如何将基于真空涨落的量子熵源转换为真正的随机数生成器。我们讨论了两种可能的实现方式，分别基于接收器和发射器中心架构。在第一种方案中，利用相干内差接收器中的平衡同差宽带检测来测量 90 度混合输入端的真空状态。在我们的原理验证演示中，在超过 11 GHz 的宽带宽上获得了 >2 dB 的光噪声和电噪声之间的间隙。在第二种方案中，我们提出并评估了重复使用偏振复用同相/正交调制器的监测光电二极管来实现相同目的。演示了 10 Gbaud 偏振复用正交相移键控数据传输的时间交错随机数生成。详细模型的可用性将允许计算可提取的熵，因此我们展示了两个原理验证实验的随机性提取，采用了双通用强提取器。索引术语 — 数字安全、多用途光子学、光通信设备、光信号检测、随机数生成
讲座10：对称密钥加密和生成随机数
小型网络确实存在基于KDC的session-key生成方法的替代方法。替代方案包括在网络的每个节点上存储“主”键与网络中其他n个节点进行私人通信所需的“主”键。因此，每个节点将存储n -1此类键。如果网络中来回穿梭的消息短，则可以直接使用这些键进行加密。但是，当消息是任意长度时，网络中的节点a可以使用另一个节点b的主键来设置会话密钥，然后随后使用会话键来实际加密消息。
MindCrypt：大脑作为基于SOC的大脑计算机界面的随机数发生器
摘要 - 由于固有的硬件限制，资源约束设备上的真实数量随机数生成具有挑战性。这些局限性会影响找到具有高吞吐量和足够良好的可靠随机性来源的能力。作为脑部计算机界面领域（BCI）领域的最新发展表明，需要随机数的广泛应用，我们研究了基于皮质学的神经数据作为随机数生成的种子的可用性。我们开发了从脑数据中产生随机位的算法，并使用NIST SP 800-22测试套件来评估随机性的质量。我们将算法作为硬件随机位发电机（RBG）实现。然后，我们将这些实现作为硬件加速器集成在MindCrypt，MindCrypt是一种异质的芯片系统（SOC），配备了主机处理器来运行BCI应用程序。在MindCrypt中，应用程序使用我们的RBG加速器作为随机数生成器（RNG）和素数生成器。与使用基于最先进的Linux的RNG相比，在RISC-V处理器上运行软件应用程序的FPGA原型在RISC-V处理器上运行软件应用程序的提高了376倍和4885X的能源效率。通过将RBG加速器和加密加速器之间的点对点（P2P）通信传递随机位，我们在性能中获得6.1倍，与直接存储器访问（DMA）相比，能量效率为12.4倍。最后，我们探索了MindCrypt的部分重新配置的FPGA实现的功效，该实现动态优化了在资源约束的BCI SOC中随机数生成的吞吐量。索引条款 - SOC，HLS，BCI，RISC-V，P2P，FPGA，DPR
利用热噪声理论和真随机数生成实现后量子密码学
量子计算机和算法的出现对对称和非对称密码系统的语义安全性提出了挑战。因此，实现新的密码原语至关重要。它们必须遵循量子计算器的突破和特性，因为量子计算器使现有的密码系统变得脆弱。在本文中，我们提出了一个随机数生成模型，该模型基于对体积为 58.83 cm 3 的电子系统体积元素热噪声功率的评估。我们通过对每个体积元素的温度进行采样来证明攻击者很难进行攻击。在 12 秒内，我们为 7 个体积元素生成一串 187 位随机密钥，这些密钥将通过量子密码学的特性从源传输到目的地。
具有未表征设备的广义时间箱量子随机数发生器
基于量子力学的随机数生成器 (RNG) 因其安全性和不可预测性而引人注目，与传统生成器（如伪随机数生成器和硬件随机数生成器）相比。这项工作分析了一类半设备独立的量子 RNG 中，随着希尔伯特空间维数、状态准备子空间或测量子空间的增加，可提取随机性的数量的变化，其中限制状态重叠是核心假设，建立在准备和测量方案之上。我们进一步讨论了这些因素对复杂性的影响，并得出了最佳方案的结论。我们研究了时间箱编码方案的一般情况，定义了各种输入（状态准备）和结果（测量）子空间，并讨论了获得最大熵的最佳方案。对几种输入设计进行了实验测试，并分析了它们可能的结果安排。我们通过考虑设备的缺陷，特别是探测器的后脉冲效应和暗计数来评估它们的性能。最后，我们证明这种方法可以提高系统熵，从而产生更多可提取的随机性。
使用耦合量子点实现基于硬件的可调量子随机数生成
摘要 — 随机数在游戏和赌博、模拟、传统和量子密码学以及随机计算等非传统计算方案中是一种宝贵的商品。我们建议使用耦合量子点对上单个移动电荷的位置测量来生成随机位。量子力学通过 Born 规则提供测量结果的真正随机性。可以使用对同一双量子点 (DQD) 系统进行一系列重复测量来生成随机位串。只需调整局部状态之间的失谐，就可以根据需要消除或调整任何偏向“0”测量值或“1”测量值的偏差。设备可调性提供了多功能性，使该量子随机数生成器 (QRNG) 能够支持不需要偏差或需要可调偏差的应用。我们讨论了该 QRNG 的金属点实现以及分子实现。基本量子力学原理用于研究随机位串生成的功耗和时间考虑因素。DQD 具有较小的尺寸，在金属实现中，可用于需要低温操作的情况（如量子计算的情况）。对于室温应用，可以使用分子 DQD。
