CN107239256A - 基于综合评价的彩票行业随机序列的随机性检测方法 - Google Patents

Abstract

本发明公开了一种基于综合评价的彩票行业随机序列的随机性检测方法和装置，可用于信息安全、彩票等领域。该方法包括采集由待检测随机数生成器产生的待检测随机数样本序列；将随机数样本序列等分为n份样本子序列；分别使用L种随机数检测算法对这n份样本子序列进行检测，得到检测输出结果；利用通过率法对测试输出结果进行判断，得到第一组判定结果；利用P值分布法对测试输出结果进行判断，得到第二组判定结果；对第一组和第二组判定结果进行标准化处理；确定对通过率法和P值分布法的评价指标权重；以及采用非线性加权综合法对标准化处理的判定结果进行综合评价。

Description

基于综合评价的彩票行业随机序列的随机性检测方法

技术领域

本发明涉及随机性检测，可用于信息安全、彩票等领域。

背景技术

目前，随机数发生器被广泛用于各种数据加密算法，例如Rivest、Shamir、 Adman(RSA)、数字签名算法(DSA)和Diffie-Helman。随机数发生器可以是计算装置，其被设计成产生缺乏任何可识别模式的一系列数字和/或符号。数据安全很大程度依赖于他们使用的密钥的不可预知性。此外，在诸如彩票、有奖销售(如秒杀)等情形下，结果的公正性几乎直接取决于随机序列的随机性如何。因此，随机序列的随机性必需满足非常严格的要求。

目前业界只有通过模拟真实大自然现象等所产生的随机数，才被认为是真正的随机数，而实际应用的随机数通常是通过某些算法而产生的伪随机数。一些厂商购买利用硬件的自然随机特性生成随机数的装置，以期实现真实随机性。但是从某种意义上讲，设备本身的设计原理以及老化都可能会影响到设备发生随机数的随机性。因此，需要对随机序列的随机性进行检测。

目前比较常用的检测方式是游程测试，其原理是判断待检测序列中各种特定长度的“0”或“1”的游程数目是否如真随机序列那样。然而，这种单一测试对于要求较高的应用场合尚不够可靠。

因此，需要一种更全面、可靠的随机性检测方法。

发明内容

根据本发明的一个方面，提供一种彩票行业随机序列的随机性检测方法。该方法包括：采集由待检测随机数生成器产生的待检测随机数样本序列；将随机数样本序列等分为n份样本子序列；分别使用L种随机数检测算法对这n 份样本子序列进行检测，得到检测输出结果；利用通过率法对测试输出结果进行判断，得到第一组判定结果a₁,a₂,a₃…a_n-1,a_n；利用P值分布法对测试输出结果进行判断，得到第二组判定结果b₁,b₂,b₃…b_n-1,b_n；对第一组和第二组判定结果进行标准化处理；确定对通过率法和P值分布法的评价指标权重w₁、w₂；以及采用非线性加权综合法对标准化处理的判定结果进行综合评价。

根据本发明的一个实施例，L＝15，所述L种随机数检测算法从以下算法中选择：频数测试；块内频数测试；游程测试；块内最长连续“1”的测试；矩阵秩的测试；离散傅里叶变换测试；非重叠模板匹配测试；重叠模板匹配测试；Maurer通用统计测试；压缩测试；线性复杂度测试；连续性测试；近似熵测试；累加和测试；随机游走测试；随机游走变量测试。

确定对通过率法和P值分布法的评价指标权重w₁、w₂的步骤可以包括通过采用德尔菲法或者客观赋权法确定评价指标权重w₁、w₂。通过采用客观赋权法确定评价指标权重w₁、w₂的步骤可以包括：根据随机序列的三个元特性，从L种检测算法中选取三种具有相应检测能力的算法对n份样本子序列进行检测得到P值；使用通过率法对检测结果进行结果判定得到P值通过率；计算检测结果方差；计算主成分的方差贡献率；通过将贡献率归一化获得评价权指标权重。采用非线性加权综合法对标准化处理的判定结果进行综合评价的步骤可以包括以非线性函数作为综合评价模型对标准化处理的判定结果进行综合评价。

利用通过率法对测试输出结果进行判断的步骤可包括以置信区间进行判断，其中α为显著性水平。在一个实施例中，α＝0.01。

利用P值分布法对测试输出结果进行判断的步骤可以包括：将[0,1]分为十等份区间，分别统计落在不同区间下的P值个数，重新构造分布，并通过计算是否大于等于0.001来判断是否通过。

该方法还可以包括：如果综合评价得到的结果指示序列是非随机的，则向测试者进行提示以便更换或调整随机数生成器。

根据本发明的另一个方面，提供一种彩票行业随机序列的随机性检测装置。该装置包括：随机序列采集模块，适于采集由待检测随机数生成器产生的待检测随机数样本序列，并将随机数样本序列等分为n份样本子序列；随机检测模块，适于分别使用L种随机数检测算法对这n份样本子序列进行检测，并分别利用通过率法对L个测试算法输出的结果进行判断，得到第一组判定结果a₁,a₂,a₃…a_n-1,a_n，以及利用P值分布法对测试输出结果进行判断，得到第二组判定结果b₁,b₂,b₃…b_n-1,b_n；综合评价模块，适于对第一组和第二组判定结果进行标准化处理，确定对通过率法和P值分布法的评价指标权重w₁、w₂，采用非线性加权综合法对标准化处理的判定结果进行综合评价。

根据本发明一个实施例，L＝15，所述L种随机数检测算法从以下算法中选择：频数测试；块内频数测试；游程测试；块内最长连续“1”的测试；矩阵秩的测试；离散傅里叶变换测试；非重叠模板匹配测试；重叠模板匹配测试；Maurer通用统计测试；压缩测试；线性复杂度测试；连续性测试；近似熵测试；累加和测试；随机游走测试；随机游走变量测试。

所述综合评价模块可适于通过以下操作采用客观赋权法确定评价指标权重w₁、w₂：根据随机序列的三个元特性，从L种检测算法中选取三种具有相应检测能力的算法对n份样本子序列进行检测得到P值；使用通过率法对检测结果进行结果判定得到P值通过率；计算检测结果方差；计算主成分的方差贡献率；通过将贡献率归一化获得评价权指标权重。

所述综合评价模块可适于以非线性函数作为综合评价模型对标准化处理的判定结果进行综合评价。

上述方法和装置通过综合评价得到的结果较之前的现有方法要更准确、全面，相应地也确保了随机数生成器的可靠随机性。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了衡量随机性的P值法原理图；

图2示出了根据本发明一个实施例的基于综合评价的随机序列的随机性检测方法200的流程图；

图3示出了根据本发明一个实施例的随机性检测装置300的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

测试序列的随机性，实质上是检验其是否是真随机的或与真随机的差距。假设检验是随机性测试技术的基本理论。在检验时，提出一个待检验的假设，称为原假设或零假设，记作H₀；还有个与原假设相反的称备择假设，记作H₁。如在本文中，原假设H₀：序列是随机的；备择假设H₁：序列是非随机的。对每个检验来说，其检验结果是否接受原假设也就意味着待检数据是否是随机的。具体步骤如下：

(1)确定原假设H₀和备择假设H₁；

(2)根据H₀的内容选取合适的统计量X，并确定其分布；

(3)按给定的显著性水平α，查统计量所对应分布的分位数表，找出临界值，确定拒绝域；

(4)将由样本计算出的统计量的值与查得的临界值进行比较，做出判断，即：若统计量的值落入了拒绝域中，则拒绝H₀，否则接受H₀。

衡量随机性的方法通常采用P值法。如图1所示，以测试统计量服从χ²分布为例来说明。作出χ²分布的概率密度曲线，先求出统计量X，然后计算从X到无穷的积分，将积分结果(即P值，图中的阴影部分面积)与α进行比较，进而确定拒绝还是接受。P值作为接受原假设的强度，其含义是：真随机数的随机性比待测序列差的概率。如果其值为1则是完全真随机的，值为0 则是完全非随机的。对于显著性水平α，如果P值≥α，那么原假设被接受，序列是随机的；反之被拒绝，序列是非随机的。一般地，α的取值范围是[0.001,0.01]。

以下介绍根据本发明一个实施例的基于综合评价的随机序列的随机性检测方法200。

首先，在步骤S210，采集由待检测随机数生成器产生的待检测随机数，为二进制随机数样本序列，长度为m。m的数量级可以是百万以上。

在步骤S220，将随机数样本序列等分为n份样本子序列。

在步骤S230，分别使用L种随机数检测算法对这n份样本子序列进行检测。这L种随机数检测算法可以从以下算法中选择。

(1)频数测试：用于确定二进制序列中的“0”或“1”的数目是否如真随机序列那样近似相等，如果是，则该序列是随机的。

(2)块内频数测试：用于确定在待检测序列中，所有非重叠的M位长度块内的“0”或“1”的数目是否呈现为随机分布，如果是，则该序列是随机的。

(3)游程测试：用于确定待检测序列中，各种特定长度的“0”或“1”的游程数目是否如真随机序列那样，如果是，则该序列是随机的。

(4)块内最长连续“1”的测试：用于确定待检测序列中，最长连续“1”的字符串长度是否与真随机序列中最长连续“1”的字符串的长度近似相等。如果是，则该序列是随机的。

(5)矩阵秩的测试：用于检测待检测序列中，设定长度的子序列的线性相关性。如果线性相关性较小，则该序列是随机的。

(6)离散傅里叶变换测试：通过检测待检测序列的周期性质，并与真随机序列的周期性质进行比较，观察它们间的偏离程度来确定待检测序列随机性。如果偏离程度较小，则该序列是随机的。

(7)非重叠模板匹配测试：用于检测待检测序列中，子序列是否与许多非周期模板相匹配，如果匹配较多，则该序列是非随机的。

(8)重叠模板匹配测试：用于统计待检测序列中，设定长度的连续“1”的数目，是否与真随机序列的情况偏离太大。如果偏离太大，则该序列是非随机的。

(9)Maurer通用统计测试：用于检测待检测序列是否能在不丢失信息的情况下被明显压缩，一个不能被明显压缩的序列是随机的。

(10)压缩测试：用于确定待检测序列能够被压缩的程度，如果能被显著压缩，则该序列不是随机序列。

(11)线性复杂度测试：用于确定待检测序列是否足够复杂，如果是，则该序列是随机的。

(12)连续性测试：用于确定待检测序列所有可能的x位组合子串出现的次数是否与真随机序列中的情况近似或相同，如果是，则该序列是随机的。

(13)近似熵测试：通过比较x位比特串与(x-1)位比特串在待检测序列中出现的频度，再与正态分布的序列中的情况进行对比，进而确定其随机性。

(14)累加和测试：用于确定待检测序列中的部分和是否太大或太小，太大或太小都是非随机的。

(15)随机游走测试：用于确定在一个随机游程中，某个特定状态出现的次数是否远远超过真随机序列中的情况，如果是，则该序列是非随机的。

(16)随机游走变量测试：用于检测待检测序列中，某个设定状态在一个随机游程中的出现次数与真随机序列的偏离程度，如果偏离程度较大，则该序列是非随机的。

可以根据测试***的运行速度要求选择恰当的L值。L的值可以为15，即从中选择15种测试算法。

第l种测试算法得到的结果表示为I_1l,I_2l,I_3l,…,I_(n-1)l，I_nl。

在步骤S240，利用通过率法对L个测试算法输出的结果进行判断。其中，计算置信区间为显著性水平α为0.01。得到若干个判定结果a₁,a₂,a₃…a_n-1,a_n。

在步骤S250，利用P值分布法对L个测试算法输出的结果进行判断。其中，将[0,1]分为十等份区间，按照算法分别统计落在不同区间下的P值个数，重新构造χ²分布，其中F_i是结果落在i子区间内的个数，s 是样本容量。并计算其中Igmac是不完全伽马函数，p′值反映结果落在各个区间是否均匀、分散。若p′>＝0.001，则通过。在步骤S250 得到若干个判定结果b₁,b₂,b₃…b_n-1,b_n。

由于两种判定方法评价指标是来自于不同的单位和数量级，存在不可公度性，无法直接进行总体评价，所以在步骤S260对其进行标准化、规范化处理。本发明采用标准差方法。令其中

则

在步骤S270，确定对通过率法和P值分布法的评价指标权重w₁、w₂，一般可以采用德尔菲法(检测人员根据自己的理解选择不同的方法)或客观赋权法(从指标的统计性质来考虑，是由客观数据或公式系数来决定)。

德尔菲法又称专家函询调查法，即检测人员根据自己的意见选择不同的权重配比。将有检测人员根据价值判断取向、信息含量高低、可靠度大小这三个面的重要性来做出选择。德菲尔法具有人工性，没有绝对的标准，选择相对科学合理的权重。客观赋权法是从指标的统计性质来考虑，是由客观数据或公式系数来决定。根据本发明一个实施例，通过相关系数，并且根据已知结果的数据进行测试，选择合理的结果，得到权重w₁、w₂配比，可将配比方式记录下来，形成加权方案，便于下次使用。

客观赋权法确定权重具体操作如下。根据本发明的一个实施例，可以采用“主成分分析法”。这是一种多元分析法，本发明从所研究的全部指标中，通过探讨相关的内部依赖结构，将有关的主要信息集中在几个主要成分上，再现指标与主成分的关系。具体步骤如下：

(1)对数列进行预处理，根据随机序列的三个元特性，任意从L＝15种检测算法中选取三种具有相应检测能力的算法对n份样本子序列进行检测得到 P值。在下面示例中采取频数检测进行对随机序列的随机性检测，非重叠模块匹配检测考察随机序列的不可预测性，以及Maurer通用统计检测对序列进行不可重现性检测)。

(2)使用通过率法对检测结果进行结果判定得到P值通过率。

(3)计算检测结果的方差。

(4)计算主成分的方差贡献率。由于P值通过率就是检测结果在相关方面的“评分”，即可看做数列在特性中的主成分载荷数。使用通过率和方差计算主成分的方差贡献率c_ij为第i个主成分与第j个因素之间的系数，方差贡献率越大则主成分的重要性越强，因此方差贡献率可以看成是不同主成分的权重。

(5)通过将贡献率归一化获得评价指标权重。由于所有指标的权重之和为1，因此指标权重需要在综合模型中指标系数的基础上归一化。下表格显示了基于主成分分析，得到的归一化的权重系′数w′₁，w′₂，w₃。

本发明的权重系数的确定主要是通过对数列进行预处理，从前期的快速检测判断随机数列在各方面特性上有哪些较为明显的不足，并在综合评价中着重考察。由于通过率法侧重于随机序列的随机性，即w₁＝w′₁，w₁＝0.426911。而p值分布法侧重于序列的均匀性，即可将步骤(5)得到的不可重现性和不可预测性的权重相加，即w₂＝w′₂+w′₃，w₂＝0.573008。

在步骤S280，采用非线性加权综合法对检测结果进行综合评价。以非线性函数作为综合评价模型。非线性加权模型适用于各指标间有较强关联的情况，其主要特点是对数据要求比较高，指标数不能为0和负数。该模型既能够反映某种指标的突出影响，又能把线性加权模型看作它的特例，能产生更可信的结果。本发明是由同一套检测结果得到的不同判定结果，各项数值间有较强的联系，且检测结果数量庞大，评定结果非常精确，数值常常波动于百分位、千分位，非线性加权模型采用乘、除计算便于拉开评价档次，对较小数值变动更为敏感，因此可得到更好的综合评价效果。将检测结果a_i，b′_i以及确定的权重w₁、w₂带入综合评价模型，即按照对检测结果进行综合评价。对评价结果进行决策，决策规则为1％的水平，如果计算出来的结果小于0.01，则判定序列是非随机的。否则评价结果越高说明序列的随机性越好。

由综合评价得到的结果是将现有评价方法的结果同时进行评价，综合后产生的数据，较之前的现有方法单一判定结果必然要更准确、全面。

在步骤S290，如果综合评价得到的结果指示序列是非随机的，则向测试者进行提示以便更换或调整随机数生成器。

图3示出了根据本发明一个实施例的随机性检测装置300的结构框图。如图3所示，该装置300可以包括随机序列采集模块310、随机检测模块320 和综合评价模块330。

随机序列采集模块310采集由待检测随机数生成器产生的待检测随机数样本序列，并将随机数样本序列等分为n份样本子序列。随机检测模块320 与随机序列采集模块310连接，分别使用L种随机数检测算法对这n份样本子序列进行检测，并分别利用通过率法和P值分布法对L个测试算法输出的结果进行判断。具体的检测方案已在上文中结合图2进行描述，这里不再累述。随机检测模块320得到若干个判定结果a₁,a₂,a₃…a_n-1,a_n以及 b₁,b₂,b₃…b_n-1,b_n。

综合评价模块330对随机检测模块320的输出结果进行标准化、规范化处理，确定各个评价指标的权重w₁、w₂，采用非线性加权综合法对检测结果进行综合评价。具体的数据标准化、权重确定和综合评价方案已在上文中结合图2进行描述，这里不再累述。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机***的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (13)

1.一种彩票行业随机序列的随机性检测方法，包括：

采集由待检测随机数生成器产生的待检测随机数样本序列；

将随机数样本序列等分为n份样本子序列；

分别使用L种随机数检测算法对这n份样本子序列进行检测，得到检测输出结果；

利用通过率法对测试输出结果进行判断，得到第一组判定结果a₁,a₂,a₃…a_n-1,a_n；

利用P值分布法对测试输出结果进行判断，得到第二组判定结果b₁,b₂,b₃…b_n-1,b_n；

对第一组和第二组判定结果进行标准化处理；

确定对通过率法和P值分布法的评价指标权重w₁、w₂；以及

采用非线性加权综合法对标准化处理的判定结果进行综合评价。

2.如权利要求1所述的方法，其中L＝15，所述L种随机数检测算法从以下算法中选择：频数测试；块内频数测试；游程测试；块内最长连续“1”的测试；矩阵秩的测试；离散傅里叶变换测试；非重叠模板匹配测试；重叠模板匹配测试；Maurer通用统计测试；压缩测试；线性复杂度测试；连续性测试；近似熵测试；累加和测试；随机游走测试；随机游走变量测试。

3.如权利要求1所述的方法，其中所述确定对通过率法和P值分布法的评价指标权重w₁、w₂包括通过采用德尔菲法或者客观赋权法确定评价指标权重w₁、w₂。

4.如权利要求所述的方法，其中通过采用客观赋权法确定评价指标权重w₁、w₂包括：

根据随机序列的三个元特性，从L种检测算法中选取三种具有相应检测能力的算法对n份样本子序列进行检测得到P值；

使用通过率法对检测结果进行结果判定得到P值通过率；

计算检测结果方差；

计算主成分的方差贡献率；

通过将贡献率归一化获得评价权指标权重。

5.如权利要求1所述的方法，其中采用非线性加权综合法对标准化处理的判定结果进行综合评价包括以非线性函数作为综合评价模型对标准化处理的判定结果进行综合评价。

6.如权利要求1所述的方法，其中所述利用通过率法对测试输出结果进行判断包括以置信区间进行判断，其中α为显著性水平。

7.如权利要求6所述的方法，其中α＝0.01。

8.如权利要求1所述的方法，其中所述利用P值分布法对测试输出结果进行判断包括：

将[0,1]分为十等份区间，分别统计落在不同区间下的P值个数，重新构造分布，并通过计算是否大于等于0.001来判断是否通过。

9.如权利要求1所述的方法，还包括：

如果综合评价得到的结果指示序列是非随机的，则向测试者进行提示以便更换或调整随机数生成器。

10.一种彩票行业随机序列的随机性检测装置，包括：

随机序列采集模块，适于采集由待检测随机数生成器产生的待检测随机数样本序列，并将随机数样本序列等分为n份样本子序列；

随机检测模块，适于分别使用L种随机数检测算法对这n份样本子序列进行检测，并分别利用通过率法对L个测试算法输出的结果进行判断，得到第一组判定结果a₁,a₂,a₃…a_n-1,a_n，以及利用P值分布法对测试输出结果进行判断，得到第二组判定结果b₁,b₂,b₃…b_n-1,b_n；

综合评价模块，适于对第一组和第二组判定结果进行标准化处理，确定对通过率法和P值分布法的评价指标权重w₁、w₂，采用非线性加权综合法对标准化处理的判定结果进行综合评价。

11.如权利要求10所述的随机性检测装置，其中L＝15，所述L种随机数检测算法从以下算法中选择：频数测试；块内频数测试；游程测试；块内最长连续“1”的测试；矩阵秩的测试；离散傅里叶变换测试；非重叠模板匹配测试；重叠模板匹配测试；Maurer通用统计测试；压缩测试；线性复杂度测试；连续性测试；近似熵测试；累加和测试；随机游走测试；随机游走变量测试。

12.如权利要求10所述的装置，其中所述综合评价模块适于通过以下操作采用客观赋权法确定评价指标权重w₁、w₂：

根据随机序列的三个元特性，从L种检测算法中选取三种具有相应检测能力的算法对n份样本子序列进行检测得到P值；

使用通过率法对检测结果进行结果判定得到P值通过率；

计算检测结果方差；

计算主成分的方差贡献率；

通过将贡献率归一化获得评价权指标权重。

13.如权利要求10所述的装置，其中所述综合评价模块适于以非线性函数作为综合评价模型对标准化处理的判定结果进行综合评价。