一种具有动态熵注入的轻量级混合随机数发生器及其在物联网安全中的应用

时间:2025年11月13日
来源:IEEE Open Journal of Circuits and Systems

编辑推荐:

本文推荐一种基于现场可可编程门阵列(FPGA)的轻量级混合随机数发生器(HRNG)设计。该研究通过前馈移位寄存器(FFSR)架构协同利用抖动和亚稳态现象,实现了0.999998的近似完美香农熵。经NIST SP800-22、AIS-31等九种随机性测试验证,通过率超98%。在14nm工艺节点合成面积仅13.2μm2,能量效率达6.5fJ/bit,为资源受限的物联网设备提供了安全可靠的随机数生成方案。

广告
   X   

在数字化时代,高质量随机数发生器(RNG)已成为加密协议、安全通信和金融交易等安全关键应用的基石。然而,传统的伪随机数发生器(PRNG)虽然计算高效,但其确定性算法存在可预测性漏洞;而真随机数发生器(TRNG)依赖物理熵源(如电子噪声),又面临吞吐量低、易受环境干扰等挑战。为平衡这些矛盾,混合随机数发生器(HRNG)应运而生,它通过结合物理熵源的鲁棒性和确定性算法的高效性,试图在安全性和资源效率间找到最佳平衡点。
目前,环形振荡器(RO)基TRNG虽能提供强随机性,但功耗高且结构复杂;亚稳态基TRNG能效较高,却对噪声敏感;而线性反馈移位寄存器(LFSR)基方案虽效率出众,但周期较短且行为确定性较强,难以满足高安全需求。现有解决方案往往难以兼顾紧凑性、低功耗与高标准合规性(如NIST SP 800-90B/22、TestU01),特别是在资源受限的物联网(IoT)设备中,这一矛盾尤为突出。
针对这一难题,Sonia Akter等人在《IEEE Open Journal of Circuits and Systems》发表论文,提出了一种创新的轻量级HRNG架构。该设计核心在于采用7位前馈移位寄存器(FFSR)作为伪随机源,通过动态熵注入机制整合四个单级环形振荡器的物理熵源,利用时钟抖动和亚稳态现象增强随机性。具体而言,研究团队在Altera Cyclone V FPGA上实现该设计,使用50MHz系统时钟,通过熵注入器中的4选1多路复用器动态选择环形振荡器输出,结合动态采样模块产生的亚稳态随机比特,最后经由三输入异或门进行后处理,有效保证了输出序列的统计平衡性。
关键技术方法包括:1)构建包含四个单级环形振荡器(RO)的熵注入系统,通过外部环形振荡器动态选择熵源;2)设计7位前馈移位寄存器(FFSR)替代传统线性反馈移位寄存器(LFSR),减少硬件开销;3)利用亚稳态现象和时钟抖动作为物理熵源;4)采用三输入异或门进行后处理,确保输出位均衡分布;5)使用Synopsys Design Compiler在45nm、32nm和14nm工艺节点进行综合,评估技术缩放特性。
四、实验结果与性能分析
A. 随机性测试验证
研究团队生成了10组1,048,576位随机序列(总计约10.5Mbits),通过九种权威测试套件进行全面评估。AIS-31测试所有子项均通过,熵值达7.9971(阈值>7.976)。自相关测试在滞后5-100范围内p值均大于0.01,表明序列无显著自相关。偏差测试显示0/1分布接近理想比例(50.04% vs 49.96%),偏差率仅0.0841%。NIST SP800-22测试中,16项测试有14项通过率100%,仅游程测试和随机游走测试分别为8/10和9/10。NIST SP800-90B非IID测试全部通过,最小熵Hmin>0.5。TestU01套件16项测试中14项通过,仅Lempel-Ziv压缩和傅里叶谱测试未通过。
B. 熵评估结果
三种熵度量结果均接近理想值:香农熵为0.999998617,最小熵为0.998208083,碰撞熵为0.999997233。这些数据表明输出序列具有近乎完美的不可预测性,满足加密应用的高安全性要求。
C. 硬件性能分析
FPGA实现显示,该设计仅占用307个LUT(查找表)和584个寄存器,内存使用率为18.5%。功耗为427mW,在50MHz时钟下吞吐量达50Mbps。工艺缩放分析显示,从45nm到14nm节点,面积从24.91μm2缩减至13.2μm2,能量效率从181.7fJ/bit提升至6.5fJ/bit(改善96.4%)。在14nm工艺下,理论最高吞吐量可达8.33Gbps。
D. 与现有技术对比
与同类工作相比,该设计在随机性测试覆盖面上显著领先(同时通过AIS-31、NIST SP800-22/90B、Diehard等),而仅使用6个单级环形振荡器,远少于文献[65]的114个多级振荡器。在相同Cyclone V FPGA平台上,其LUT使用量(307)低于多数对比方案,如[36]的1061 LUT和[65]的1531 LUT。虽然功耗(427mW)并非最低,但在资源使用效率和随机性质量间取得了最佳平衡。
该研究通过创新性地结合FFSR架构与动态熵注入机制,成功实现了硬件效率与随机性质量的协同优化。实验结果表明,该HRNG在多种权威测试中表现优异,特别是在熵值指标和NIST合规性方面达到业界领先水平。工艺缩放分析证明了其在先进技术节点下的良好适应性,为物联网等资源受限环境提供了可靠的随机数生成解决方案。未来研究方向包括扩展熵注入电路频率范围、集成机器学习偏置校正技术,以及探索量子增强随机数生成器等,进一步提升后量子密码学应用中的安全性。

生物通微信公众号
微信
新浪微博


生物通 版权所有