EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
本帖最后由 alexwang 于 2018-9-6 19:21 编辑
: a, V, I; B& t
) V+ k5 `4 ^+ I. P
" p* @! w6 i$ R0 G- r# |" F0 J真随机数发生器（TRNG）在统计学、信息安全等领域有着广泛的应用。在这些领域中，不仅要求数据序列分布均匀、彼此独立，而且要求其具有不可预测性，能够抵御针对随机性的攻击。B.Sunar，W.J.Martin和D.R.STInson提出，真随机数发生器的性能受3个因素的影响：熵源（Entropy Source），采集方式（HarvesTIng Mechanism）和后续处理（Post-Processing）。在电路系统中最常见的三种真随机数产生方法为：1）直接放大法：放大电路中的电阻热噪声等物理噪声，通过比较器进行比较后获得随机数序列；2）振荡采样法：用带有抖动的慢振荡器通过D触发器采样一个周期固定的快振荡器，输出随机序列；3）离散时间混沌法：利用混沌电路不可预测以及对初始条件敏感的依赖性的特点产生随机序列。基于模拟电路的结构，熵源的统计分布更加理想，且熵源噪声不随采样周期的变化而改变；基于数字电路的结构，集成度高，便于在FPGA等通用可编程平台上实现，但熵源的统计特性与模拟电路相比不够理想。
" h. B [5 G- J- o. f | 
/1 
发表于 2018-8-23 15:14
收藏
淘帖
支持！
反对！