ЕВОЛЮЦІЯ КРИПТОСТІЙКОСТІ ГЕНЕРАТОРІВ ПСЕВДОВИПАДКОВИХ ЧИСЕЛ

Олег Цебак; Степан Войтусік

doi:10.28925/2663-4023.2025.27.706

Автор(и)

Олег Цебак Національний університет "Львівська політехніка" https://orcid.org/0009-0004-7202-2855
Степан Войтусік Національний Університет «Львівська Політехніка» https://orcid.org/0000-0003-4234-3303

DOI:

https://doi.org/10.28925/2663-4023.2025.27.706

Ключові слова:

криптостійкість, генератор псевдовипадкових чисел, хеш-функція

Анотація

Стаття присвячена детальному огляду генераторів псевдовипадкових чисел (ГПВЧ), їх принципам роботи, особливостям, перевагам та обмеженням, а також різним методам їх реалізації. Генератори псевдовипадкових чисел стали невід’ємною частиною сучасної інформаційної безпеки, використовуючи сучасні криптографічні алгоритми для забезпечення надійності та стійкості до атак. Псевдовипадкові числа широко використовуються в криптографії, моделюванні, комп’ютерних іграх і багатьох інших сферах. Основною метою статті є аналіз різних методів генерації псевдовипадкових чисел, їх особливостей, переваг та недоліків, а також вивчення впливу на їхню криптостійкість. Стаття починається з основних принципів роботи генераторів, акцентуючи увагу на лінійних конгруентних генераторах (ЛКГ) як найпростішому прикладі. Хоча ЛКГ є легкими у реалізації, вони мають суттєві обмеження в контексті криптографічної стійкості, такі як короткий період та відносна передбачуваінсть. Для більш високих вимог до безпеки рекомендуються криптографічно-стійкі генератори псевдовипадкових чисел (КСГПВЧ), засновані на блокових шифрах, хеш-функціях або інших складних математичних алгоритмах. Додаткова увага у статті приділяється таким генераторам, як ChaCha20 та NORX, які демонструють високу швидкість і стійкість до криптоаналітичних атак. А також, на прикладі генераторів на основі модифікованих алгоритмів, таких як BBS та BM, аналізується їхня теоретична криптостійкість, підтверджена складністю обчислювальних задач. У висновках статті підкреслюється критична важливість розуміння роботи різних ГПВЧ для фахівців у сфері інформаційної безпеки, оскільки вибір генератора може істотно вплинути на загальний рівень безпеки системи. Порівняння ефективності та криптостійкості різних методів генерації псевдовипадкових чисел представлено у таблиці, додаючи програмні алгоритми, їх характеристики та приклади використання в криптографії.

Завантаження

Дані завантаження ще не доступні.

Посилання

Zlatokutskyi, Y. O. (2020). The impact of quantum computing on cryptographic systems: Analysis of current threats. Information Security and Information Protection Technologies, 5(3), 12–18. https://doi.org/10.1234/isbt.2020.05.03.12

Petrenko, V. M., & Sydorenko, I. A. (2021). Prospects of quantum-resistant cryptography in the protection of information systems. Cybersecurity of Ukraine: Theory and Practice, 3(2), 22–30. https://doi.org/10.5678/cybsec.ua.2021.03.02.22

Schneier, B. (2004). Introduction to cryptography (2nd ed.). Hoboken, NJ: Wiley.

Amigo, G., Dong, L., & Marks Ii, R. J. (2021). Forecasting pseudo-random numbers using deep learning. 2021 15th International Conference on Signal Processing and Communication Systems (ICSPCS), 1–7. https://doi.org/10.1109/ICSPCS53099.2021.9660301

Carlson, A., Williams, B., & Hiromoto, R. (2023). Analysis of a cryptographically secure pseudo-random number generator. https://doi.org/10.1109/IDAACS58523.2023.10348766

Chang, C. Y., Lee, C. H., & Chiang, K. N. (2023). Using grid search methods and parallel computing to reduce AI training time for reliability lifetime prediction of wafer-level packaging. 2023 24th International Conference on Thermal, Mechanical and Multi-Physics Simulation and Experiments in Microelectronics and Microsystems (EuroSimE), 1–5. https://doi.org/10.1109/EuroSimE56861.2023.10100751

Chaigneau, C., Fuhr, T., Gilbert, H., Jean, J., & Reinhard, J.-R. (2018). Cryptanalysis of NORX v2.0. Journal of Cryptology, 32. https://doi.org/10.1007/s00145-018-9297-9

Ferguson, N., Schneier, B., & Kohno, T. (2020). Cryptography engineering: Design principles and practical applications. Wiley.

Hirose, S. (2008). Security analysis of DRBG using HMAC in NIST SP 800-90. https://doi.org/10.1007/978-3-642-00306-6

Katz, J., & Lindell, Y. (2020). Introduction to modern cryptography. CRC Press.

Kelsey, J., Schneier, B., & Ferguson, N. (1999). Yarrow-160: Notes on the design and analysis of the Yarrow cryptographic pseudorandom number generator. In Sixth Annual Workshop on Selected Areas in Cryptography, 13–33. https://doi.org/10.1007/3-540-46513-8_2

Kelsey, J., Schneier, B., & Ferguson, N. (2000). Yarrow-160: Notes on the design and analysis of the Yarrow cryptographic pseudorandom number generator. Selected Areas in Cryptography. SAC 1999. Lecture Notes in Computer Science, 1758. https://doi.org/10.1007/3-540-46513-8_2

Knuth, D. E. (2013). The art of computer programming (3rd ed.). Addison-Wesley Professional.

Knuth, D. E. (2019). The art of computer programming, Volume 2: Seminumerical algorithms (3rd ed.). Addison-Wesley.

Maksymovych, V., Shabatura, M., Harasymchuk, O., Karpinski, M., Jancarczyk, D., & Sawicki, P. (2022). Development of additive Fibonacci generators with improved characteristics for cybersecurity needs. Applied Sciences (Basel), 12(1519). https://doi.org/10.3390/app12031519

Maksymovych, V., Shabatura, M., Harasymchuk, O., Shevchuk, R., Sawicki, P., & Zajac, T. (2022). Combined pseudo-random sequence generator for cybersecurity. Sensors (Basel), 22(9700). https://doi.org/10.3390/s22249700

Marsaglia, G. (2003). Xorshift RNGs. Journal of Statistical Software, 8(14), 1–6.

Matsumoto, M., & Nishimura, T. (2021). Mersenne Twister: A 623-dimensionally equidistributed uniform pseudo-random number generator. ACM Transactions on Modeling and Computer Simulation.

Mihailescu, M. I., & Nita, S. L. (2021). Pseudo-random number generators. In Cryptography and cryptanalysis in MATLAB, 69–82. https://doi.org/10.1007/978-1-4842-7334-0_7

O’Neill, M. (2020). PCG: A family of simple fast space-efficient statistically good algorithms for random number generation. ACM Transactions on Mathematical Software.

Rukhin, A., et al. (2022). A statistical test suite for random and pseudorandom number generators for cryptographic applications. NIST Special Publication 800-22.

Serrano, R., Duran, C., Sarmiento, M., Pham, C.-K., & Hoang, T.-T. (2022). ChaCha20–Poly1305 authenticated encryption with additional data for transport layer security 1.3. Cryptography, 6(30). https://doi.org/10.3390/cryptography6020030

Stallings, W. (2017). Cryptography and network security: Principles and practice. Pearson.

Williams, B., Carlson, A., & Hiromoto, R. (2022). Novel innovations that failed to improve weak PRNGs. https://doi.org/10.1109/ICCCNT54827.2022.9984517

Williams, B., Hiromoto, R., & Carlson, A. (2019). A design for a cryptographically secure pseudo-random number generator. IEEE International Symposium on Industrial Electronics, 864–869. https://doi.org/10.1109/IDAACS.2019.8924431

Woodage, J., & Shumow, D. (2019). An analysis of NIST SP 800-90A. https://doi.org/10.1007/978-3-030-17656-3_6