XiaoMi-AI文件搜索系统
World File Search System随机数
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
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。
一种随机数学编程方法，用于弹性供应商选择和订单分配问题：伊朗Khodro供应链的案例研究
摘要。供应商是供应链中脆弱性的主要来源之一，这可能导致破坏和风险。因此，弹性供应商的选择可以确保供应过程的弹性增强，尤其是在汽车供应链中。本研究的目标是选择一组弹性供应商，并确保在暴露于风险的汽车供应链中的最佳需求分配。为此，介绍了双向双阶段随机编程模型。与以前的数学模型相比，我们提出的模型包含了一个新的目标功能，以将供应商的交付性能视为弹性供应商选择的标准之一。此外，K-均值聚类方法用于群集和减少破坏场景的数量。由于需求的不确定性，我们提出的模型中使用了一种偶然受限的编程方法。实现了增强的“ - 符合方法来求解呈现的模型。最后，进行灵敏度分析以确定NAL结果的参数变化的ect。研究结果表明，应急计划可以降低破坏风险的影响。进一步，实施供应链区域化的策略对于减少环境破坏的影响很重要。
基于共识的微电网具有随机数据包滴的能源管理
摘要 - 使用基于共识的算法进行截然不同的能源管理是一项充满活力的研究领域，因为它可以促进可再生能源产生的本地适应性而不会增加隐私和可扩展性问题。大多数存在方法都假定通信链接是可靠的，这在现实世界实现中可能并非如此。本文重点是解决随机数据包滴的问题。我们首先制定了微电网中能源管理问题的模型，并在通信网络中的信息数据包下降。基于模型，我们得出结论，丢失有关增量电力成本估计的信息是可以忍受的，而失去有关电源不匹配估计的信息不是。我们提出了一种新颖的共识算法，该算法跟踪并交换了功率错误估计的累积值，以便可以恢复信息损失。通过用虚拟缓冲节点将通信链接构建来确定所提出的方法的等效形式。基于增强通信拓扑，我们理论上证明了所提出的算法的收敛性和解决方案的最佳性。提供了几个案例研究以验证所提出算法的有效性。
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。
实现非局部分散取消保护的无关量子量子随机数发生器
摘要。量子随机数发生器（QRNG）可以通过利用量子力学的固有概率性质来提供真正的随机性，量子力学在许多应用中起着重要作用。但是，真正的随机性获取可能会受到所涉及的不受信任设备的攻击，或者它们与现实生活实施中理论建模的偏差。我们提出并在实验上演示了独立于源设备的QRNG，该QRNG使人们能够使用不信任的源设备访问真实的随机位。随机位是通过测量时间的任何一个光子的到达时间 - 通过自发参数下调产生的能量纠缠的光子对的到达时间，在此通过观察非局部分散剂取消来证明纠缠。在实验中，我们通过改进的熵不确定性关系提取4 Mbps的生成速率，可以通过使用高级单光子检测器将其改进到每秒千兆位。我们的方法为QRNG提供了有前途的候选人，而实际上没有表征或容易出错的源设备。
物理和安全性 - 从随机数到...
在过去的50年中，密码学和量子物理学领域已经向前迈进。加密方法，例如使用椭圆曲线的不对称密钥传统和签名，现在可能会受到可能的量子计算机的威胁。因此，假定为“量子安全”的加密系统是当前的加密研究的重点。同时，量子力学的基础是量子技术发展的基础 - 量子技术的发展基础，该领域有望确保信息，从理论上讲，这些信息是由物理定律保证的，而不是某种数学复杂性的假设。但是，仍然必须证明现实世界的安全和广泛的传播实施。
基于光纤萨格纳克干涉仪的可调量子随机数发生器
摘要 量子随机数生成器 (QRNG) 基于对单个量子系统执行的自然随机测量结果。在这里，我们展示了使用具有可调分光比的 Sagnac 干涉仪实现的分支路径光子 QRNG。分光比的微调使我们能够最大化生成的随机数序列的熵，并有效地补偿组件中的公差。通过从衰减的电信激光脉冲产生单光子，并使用市售组件，我们能够直接从原始测量数据生成超过 2 GB 的随机数序列，平均熵为 7.99 位/字节。此外，我们的序列通过了 NIST 和 Dieharder 统计测试套件的随机性测试，从而证明了其随机性。我们的方案展示了一种基于动态调整生成的随机序列均匀性的 QRNG 替代设计，这对于依赖于独立实时测试其性能的现代生成器的构建至关重要。
基于机器学习的随机数字孪生 - arXiv
数字孪生技术潜力巨大，特别是在基础设施、航空航天和汽车领域。然而，这项技术的实际实施速度并不如预期，特别是因为缺乏特定于应用的细节。在本文中，我们提出了一种用于随机非线性多自由度 (MDOF) 动力系统的新型数字孪生框架。本文提出的方法将问题策略性地分解为两个时间尺度 - (a) 控制系统动态的快速时间尺度和 (b) 控制系统退化的慢速时间尺度。所提出的数字孪生有四个组成部分 - (a) 基于物理的名义模型（低保真度）、(b) 贝叶斯过滤算法、(c) 监督机器学习算法和 (d) 用于预测未来响应的高保真模型。基于物理的名义模型与贝叶斯滤波相结合用于组合参数状态估计，监督机器学习算法用于学习参数的时间演变。虽然所提出的框架可以与任何贝叶斯滤波和机器学习算法一起使用，但我们建议使用无迹卡尔曼滤波器和高斯过程。使用两个示例说明了所提出方法的性能。获得的结果表明所提出的数字孪生框架的适用性和优异的性能。
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 ]。