ПОРІВНЯЛЬНЕ ДОСЛІДЖЕННЯ ТЕСТІВ ДЛЯ ОЦІНКИ СТАТИСТИЧНИХ ХАРАКТЕРИСТИК ГЕНЕРАТОРІВ ВИПАДКОВИХ ТА ПСЕВДОВИПАДКОВИХ ПОСЛІДОВНОСТЕЙ

Олена Нємкова; Михайло Кіх

doi:10.28925/2663-4023.2024.24.115132

Автор(и)

Олена Нємкова Національний університет «Львівська політехніка» https://orcid.org/0000-0003-0690-2657
Михайло Кіх Національний Університет «Львівська Політехніка» https://orcid.org/0009-0007-1847-1862

DOI:

https://doi.org/10.28925/2663-4023.2024.24.115132

Ключові слова:

інформаційна безпека, генератори випадкових послідовностей, генератори псевдовипадкових послідовностей, статистичні тести, NIST, DieHard, TestU01

Анотація

У світі інформаційної безпеки, комп'ютерної науки і криптографії питання статистичної безпеки згенерованих послідовностей є вельми важливим. Статистична безпека послідовностей відіграє важливу роль у наступних галузях: криптографія, комп'ютерна безпека, моделювання систем, статистичний аналіз, інформаційна безпека в мережах. Ця стаття присвячена дослідженню та порівнянню наборів тестів для оцінки статистичних властивостей генераторів випадкових та псевдовипадкових послідовностей. Порівняння зосереджено на таких відомих наборах тестів, як NIST, DieHard та TestU01. Ці тести були вибрані для дослідження через їх широке використання та визнану ефективність у вимірюванні якості генераторів. Стаття розглядає різні аспекти цих наборів тестів, включаючи призначення, складність, обсяг, точність оцінки, популярність, проблеми та обмеження, а також новаторство та розвиток. Тести NIST широко використовуються в криптографії та дослідженнях, вони мають ряд підходів для оцінки різних аспектів випадкових послідовностей. Тести DieHard зосереджуються на складних статистичних властивостях та зазвичай застосовуються для більш глибокого аналізу генераторів. З іншого боку, тести TestU01 володіють більшою чутливістю та розгалуженістю, дозволяючи виявити більш широкий спектр недоліків у генераторах випадкових чисел. Порівняльне дослідження тестів NIST, DieHard та TestU01 виявило, що кожен з них має свої переваги та недоліки в оцінці статистичних характеристик генераторів. Детальний огляд різних наборів тестів дозволяє краще зрозуміти їхні переваги та обмеження, що може сприяти вибору належного набору тестів для конкретного завдання. Комплексне використання цих тестів може забезпечити більш точну та повну оцінку якості генераторів. Отримані результати стануть корисною вихідною точкою для подальших досліджень у цьому напрямку та в розробці надійних генераторів. Висновки статті можуть бути корисними для дослідників, розробників програмного забезпечення та інших спеціалістів, які працюють з генераторами випадкових та псевдовипадкових послідовностей.

Завантаження

Дані завантаження ще не доступні.

Посилання

Almaraz Luengo, E., & Román Villaizán, J. (2023). Cryptographically Secured Pseudo-Random Number Generators: Analysis and Testing with NIST Statistical Test Suite. Mathematics, 11(23), 4812. https://doi.org/10.3390/math11234812

Mahalingam, H., Rethinam, S., Janakiraman, S., & Rengarajan, A. (2023). Non-Identical Inverter Rings as an Entropy Source: NIST-90B-Verified TRNG Architecture on FPGAs for IoT Device Integrity. Mathematics, 11(4), 1049. https://doi.org/10.3390/math11041049

Kim, Y., & Yeom, Y. (2021). Accelerated implementation for testing IID assumption of NIST SP 800-90B using GPU. PeerJ Computer Science, 7, e404. https://doi.org/10.7717/peerj-cs.404

Meitei, H. B., & Kumar, M. (2023). Implementation of a secure wireless communication system using true random number generator for internet of things. Indonesian Journal of Electrical Engineering and Computer Science, 30(2), 982. https://doi.org/10.11591/ijeecs.v30.i2.pp982-992

Al-Daraiseh, A., Sanjalawe, Y., Al-E’mari, S., Fraihat, S., Bany Taha, M., & Al-Muhammed, M. (2023). Cryptographic Grade Chaotic Random Number Generator Based on Tent-Map. Journal of Sensor and Actuator Networks, 12(5), 73. https://doi.org/10.3390/jsan12050073

Vaskova, A., Lopez-Ongil, C., Millan, E. S., Jimenez-Horas, A., & Entrena, L. (2011). Accelerating secure circuit design with hardware implementation of Diehard Battery of tests of randomness. 2011 IEEE 17th International On-Line Testing Symposium, 179–181. https://doi.org/10.1109/IOLTS.2011.5993835

L’Ecuyer, P., & Simard, R. (2007). TestU01: A C library for empirical testing of random number generators. ACM Transactions on Mathematical Software, 33(4), 1–40. https://doi.org/10.1145/1268776.1268777

Suciu, A., Toma, R. A., & Marton, K. (2012). Parallel implementation of the TestU01 statistical test suite. IEEE 8th International Conference on Intelligent Computer Communication and Processing, 317–322. https://doi.org/10.1109/ICCP.2012.6356206

Almaraz Luengo, E., & Gragera, C. (2023). Critical Analysis of Beta Random Variable Generation Methods. Mathematics, 11(24), 4893. https://doi.org/10.3390/math11244893

Sriram, V., Srikamakshi, M., Jegadish Kumar, K. J., & Nagarajan, K. K. (2020). Randomness Analysis of YUGAM-128 Using Diehard Test Suite. Innovative Data Communication Technologies and Application, 46, 600–607. https://doi.org/10.1007/978-3-030-38040-3_68

Araki, S., Wu, J.-H., & Yan, J.-J. (2024). A Novel Design of Random Number Generators Using Chaos-Based Extremum Coding. IEEE Access, 12, 24039–24047. https://doi.org/10.1109/ACCESS.2024.3365638

Sleem, L., & Couturier, R. (2020). TestU01 and Practrand: Tools for a randomness evaluation for famous multimedia ciphers. Multimedia Tools and Applications, 79(33–34), 24075–24088. https://doi.org/10.1007/s11042-020-09108-w

Chen, Y., Tian, Y., Zhou, R., Castro, D. M., Guo, D., & Zhou, Q. (2024). NDSTRNG: Non-deterministic Sampling-based True Random Number Generator on SoC FPGA Systems. IEEE Transactions on Computers, 1–14. https://doi.org/10.1109/TC.2024.3365955

Lecca, C., Zegarra, A., & Santisteban, J. (2024). Random Number Generator Based on Hopfield Neural Network with Xorshift and Genetic Algorithms. Advances in Computational Intelligence, 14391, 283–295. https://doi.org/10.1007/978-3-031-47765-2_21

Li, Y., Wang, Q., & Yu, S. (2024). A novel hybrid scheme for chaotic image encryption. Physica Scripta, 99(4), 045244. https://doi.org/10.1088/1402-4896/ad3171

Abdulhameed, H. A., Abdalmaaen, H. F., Mohammed, A. T., Mosleh, M. F., & Abdulhameed, A. A. (2022). A Lightweight Hybrid Cryptographic Algorithm for WSNs Tested by the Diehard Tests and the Raspberry Pi. 2022 International Conference on Computer Science and Software Engineering (CSASE), 271–276. https://doi.org/10.1109/CSASE51777.2022.9759589

Kumar, V., & Pravinkumar, P. (2023). Quantum random number generator on IBM QX. Journal of Cryptographic Engineering. https://doi.org/10.1007/s13389-023-00341-1

Aldossari, H., & Mascagni, M. (2022). Scrambling additive lagged-Fibonacci generators. Monte Carlo Methods and Applications, 28(3), 199–210. https://doi.org/10.1515/mcma-2022-2115

Hussein, S. N., & Al-Alak, S. M. (2021). Secret Keys Extraction Using Light Weight Schemes for Data Ciphering. Journal of Physics: Conference Series, 1999(1), 012114. https://doi.org/10.1088/1742-6596/1999/1/012114

Duda, C. K., Meier, K. A., & Newell, R. T. (2023). Development of a High Min-Entropy Quantum Random Number Generator Based on Amplified Spontaneous Emission. Entropy, 25(5), 731. https://doi.org/10.3390/e25050731

Zhao, W., & Ma, C. (2024). Modification of Intertwining Logistic Map and a Novel Pseudo Random Number Generator. Symmetry, 16(2), 169. https://doi.org/10.3390/sym16020169

Isakov, O. V., & Voitusik, S. S. (2023). Comparative analysis of digital noise generated by additive Fibonacci generators. Ukrainian Journal of Information Technology, 5(1), 67–76. https://doi.org/10.23939/ujit2023.01.067

Gafsi, M., Hafsa, A., & Machout, M. (2024). Hardware implementation of digital pseudo-random number generators for real-time applications. Signal, Image and Video Processing. https://doi.org/10.1007/s11760-024-03082-8

Ryan, C., Kshirsagar, M., Vaidya, G., Cunningham, A., & Sivaraman, R. (2022). Design of a cryptographically secure pseudo random number generator with grammatical evolution. Scientific Reports, 12(1), 8602. https://doi.org/10.1038/s41598-022-11613-x

Hussein, S. N., Obaid, A. H., & Jabbar, A. (2022). Encryption Symmetric secret Key in Wireless Sensor Network Using AES Algorithm. Iraqi Journal of Science, 5037–5045. https://doi.org/10.24996/ijs.2022.63.11.38

Semankiv, M. (2016). Assessment of statistical properties random numbers. Bulletin of the National Technical University ‘KhPI’. A Series of ‘Information and Modeling’, 0(21). https://doi.org/10.20998/2411-0558.2016.21.12

Álvarez, R., Martínez, F., & Zamora, A. (2022). Improving the Statistical Qualities of Pseudo Random Number Generators. Symmetry, 14(2), 269. https://doi.org/10.3390/sym14020269

Palacios-Luengas, L., Marcelín-Jiménez, R., Rodriguez-Colina, E., Pascoe-Chalke, M., Jiménez-Ramírez, O., & Vázquez-Medina, R. (2021). Function Composition from Sine Function and Skew Tent Map and Its Application to Pseudorandom Number Generators. Applied Sciences, 11(13), 5769. https://doi.org/10.3390/app11135769

Hurley-Smith, D., & Hernandez-Castro, J. (2020). Quantum Leap and Crash: Searching and Finding Bias in Quantum Random Number Generators. ACM Transactions on Privacy and Security, 23(3), 1–25. https://doi.org/10.1145/3398726