CN108446101A - 多物理噪声源的随机数产生方法及产生*** - Google Patents

Abstract

本发明公开了一种多物理噪声源的随机数产生方法及产生***，属于信息安全技术领域，要解决的技术问题为如何在保证安全性和方便性的前提下、产生移动设备端随机数；其方法为通过对实时变化的分量进行合并处理得到变量参数，并通过对变量参数进行HASH计算得到比特长度可自定义的随机数；所述分量能够包含但不限于用户参与产生的随机性、物理随机源和移动设备硬件信息以及用户的信息。其***包括数据处理模块、数据采集模块和伪随机数产生模块，伪随机数产生模块能够产生伪随机数，数据采集模块分别与移动设备和伪随机数产生模块连接。本发明可为移动设备提供一个方便、安全的随机数。

Description

多物理噪声源的随机数产生方法及产生***

技术领域

本发明涉及信息安全技术领域，具体地说是多物理噪声源的随机数产生方法及产生***。

背景技术

移动互联网时代，移动设备越来越普及，安全要求也越来越高，所以需要密码算法的参与保证用户设备的安全性，但是密码算法又依赖于随机数的安全性，而随机数的产生主要依赖于加密机等硬件噪声源设备。现有的随机数产生方案中，鉴于客户端不方便使用大型设备，客户端通过伪随机的方式产生随机数，服务端使用加密机或者随机源硬件。很显然，加密机采集随机数的方式不适用于满足日益增长的移动安全的需求。

如何在保证安全性和方便性的前提下，产生移动设备端随机数是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种多物理噪声源的随机数产生方法及产生***，来解决如何在保证安全性和方便性的前提下、产生移动设备端随机数的问题。

本发明的技术任务是按以下方式实现的：

多物理噪声源的随机数产生方法，通过对实时变化的分量进行合并处理得到变量参数，并通过对变量参数进行HASH计算得到比特长度可自定义的随机数；所述分量能够包含但不限于物理随机源和移动设备硬件信息、用户的信息以及用户参与产生的随机性。

进一步的，上述分量包括但不限于用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息、伪随机信息，对上述实时变化的分量进行合并处理之前实时计算每个分量。

进一步的，实时计算用户参与产生的随机分量，包括如下步骤：

用户输入N位口令，获取软键盘按键操作误差为随机源，并选取用户按下口令按钮时第一个像素点的坐标值；

计算每个口令按钮对应的坐标误差，每个口令按钮对应的坐标误差计算公式为：

ΔX(i)＝X(i)-X_i

ΔY(i)＝Y(i)-Y_i

对坐标误差进行模Z运算，每个口令按钮对应的坐标误差的模值为：

M(i)＝ΔX(i)modZ||ΔY(i)modZ

对上述口令按钮对应的坐标误差的模值进行拼接处理，生成用户参与产生的随机数分量M1，M1的计算公式为：

M1＝M(1)||M(2)||M(3)||......M(N)

其中，i＝0,1,2,......N，X(i)为输入第i个口令按钮时的x坐标值，X_i为第i个口令按钮中心x坐标，Y(i)为输入第i个口令按钮时的y坐标值，Y_i为第i个口令按钮中心y坐标值，Z为整数。

进一步的，实时计算时间信息，包括如下步骤：

获取***时间数据，包括年数据M_year、月数据M_month、日数据M_date、时数据M_hour、分数据M_minute、秒数据M_second和毫秒数据M_msec；

按照预定编码方法对上述时间数据进行编码，得到预定比特长度的时间数据，包括年数据M'_year、月数据M'_month、日数据M'_date、时数据M'_hour、分数据M'_minute、秒数据M'_second和毫秒数据M'_msec；

对上述预定比特长度的时间数据进行合并处理，得到***时间信息M2，

M2＝M'_year||M'_month||M'_date||M'_hour||M'_minute||M'_second||M'_msec；

上述预定编码方法包括但不限于BCD编码。

进一步的，实时计算实时传感器信息，包括如下步骤：

获取移动设备传感器的传感器数据：获取K个移动设备传感器的传感器数据，每个传感器数据精确到小数点后预定位，每个传感器速率为Pms对应一组数据，对于每个移动设备传感器选取两组传感器数据组成传感器数据组，第i个移动设备传感器的传感器数据组为：

(X1_i,Y1_i,Z1_i)，(X2_i,Y2_i,Z2_i)；

获取差值的绝对值：对上述每组传感器数据组进行差值计算，并计算每个差值的绝对值，第i个移动设备传感器对应的差值的绝对值表示为：

ΔX_i＝|X1_i-X2_i|，ΔY_i＝|Y1_i-Y2_i|，ΔZ_i＝|Z1_i-Z2_i|；

进行模值运算：每个移动设备传感器对应的差值的绝对值进行进行模Z运算，Z为整数，第i个移动设备传感器对应的模值为：

M_i＝(ΔX_imodZ)||(ΔY_imodZ)||(ΔZ_imodZ)；

通过合并处理得到实时传感器信息：对上述移动设备传感器对应的模值进行合并处理得到实时传感器信息M3，

M3＝M₁||M₂||......||M_i；

其中，1＜i＜K，且i为整数。

通过上述实时传感器信息可获取物理随机源，并可提取噪声。

进一步的，实时计算硬件及用户信息，包括如下步骤：

分别获取硬件数据和用户数据；

对硬件数据和用户数据进行组合生成硬件及用户信息M4。

其中，硬件数据包括但不限于表1中的取值。

表1：

进一步的，实时计算伪随机信息，包括如下步骤：

通过对特定用户数据和时间数据进行异或计算得到种子seed，数据数据包括时数据、分数据、秒数据和毫秒数据；

对种子进行伪随机计算，得到字节长度为Z的伪随机信息M5，

M5＝SecureRandom(Z,seed)。

进一步的，变量参数M表示为：

M＝M1||M2||M3||M4||M5。

多物理噪声源的移动设备随机数产生***，包括数据处理模块、数据采集模块和伪随机数产生模块，伪随机数产生模块能够产生伪随机数，数据采集模块分别与移动设备和伪随机数产生模块连接，数据采集模块与移动设备和伪随机产生模块配合能够采集并产生实时变化的分量，分量包括但不限于用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息，数据处理模块与数据采集模块连接，数据处理模块能够对实时变化的分量进行合并处理得到变量参数，并能够对变量参数进行HASH计算得到比特长度可自定义的随机数。

进一步的，数据采集模块为具有如下功能的模块：

与配置与移动设备上的触摸屏连接，能够获取软键盘按键操作误差为随机源，并能够选取用户按下口令按钮时第一个像素点的坐标值，并基于上述每个口令按钮对应的第一个像素点的坐标值计算得到用户参与产生的随机分量；

与配置于移动设备上的时间模块连接，能够获取与移动设备对应的***时间数据，并基于***数据计算得到时间信息；

与配置于移动设备上的移动设备传感器连接，能够获取移动设备传感器的传感器数据，并基于传感器数据计算得到实时传感器信息；

与配置与移动设备上的硬件以及用户模块连接，能够获取硬件数据和用户数据，并基于硬件数据和用户数据计算得到硬件及用户信息；

与伪随机数产生模块连接，能够获取特定用户数据以及时间数据，并基于用户数据以及时间数据计算得到随机分量。

本发明的多物理噪声源的随机数产生方法及产生***具有以下优点：

1、本发明基于移动设备端采集用户输入产生的随机数以及时间***的时间信息、硬件信息、用户信息等合并处理生成随机数，保证了随机数的安全性和随机性，保证了随机数的质量；

2、本发明为移动设备端提供一个方便、安全的随机数，使得密码算法移动化。

附图说明

下面结合附图对本发明进一步说明。

附图1为实施例1多物理噪声源的随机数产生方法的流程框图。

具体实施方式

参照说明书附图和具体实施例对本发明的多物理噪声源的随机数产生方法及产生***作以下详细地说明。

实施例1：

如附图1所示，本发明的多物理噪声源的随机数产生方法，通过对实时变化的分量进行合并处理得到变量参数，并通过对变量参数进行HASH计算得到比特长度可自定义的随机数，其中上述实时变化的分量可包含但不限于物理随机源和移动设备硬件信息、用户的信息以及用户参与产生的随机性。

具体包括如下三个步骤：

步骤S100：采集并通过实时计算的方式获取实时变化的分量，上述分量包括用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息、伪随机信息；

步骤S200：对上述变量进行合并处理得到变量参数；

步骤S300：对变量参数进行HASH计算得到特定比特长度的随机数。

步骤S100中五个分量的获取方式分别如下：

(一)用户参与产生的随机数分量

用户参与产生的随机数为用户通过触屏参与产生的，获取步骤为：

(1)用户输入6位口令，获取软键盘按键操作误差为随机源，并选取用户按下口令按钮时第一个像素点的坐标值；

(2)计算每个口令按钮对应的坐标误差，每个口令按钮对应的坐标误差计算公式为：

ΔX(i)＝X(i)-X_i

ΔY(i)＝Y(i)-Y_i

(3)对坐标误差进行模Z运算，Z取值为16，每个口令按钮对应的坐标误差的模值为：

M(i)＝ΔX(i)modZ||ΔY(i)modZ

得到的M(i)为8比特数据；

(4)对上述口令按钮对应的坐标误差的模值进行拼接处理，生成用户参与产生的随机数分量M1，M1为48比特的数据，M1的计算公式为：

M1＝M(1)||M(2)||M(3)||......M(N)；

其中，i＝0,1,2,......6，X(i)为输入第i个口令按钮时的x坐标值，X_i为第i个口令按钮中心x坐标，Y(i)为输入第i个口令按钮时的y坐标值，Y_i为第i个口令按钮中心y坐标值，Z为整数。

无输入时随机数分量为伪随机数，为随机数产生步骤如下：

种子seed：硬件ID(取20比特)+时间毫秒信息(12比特)＝种子seed(32比特)

随机数分量为M1＝RND(48,seed)，即产生6字节(48)比特随机数，合计比特为48比特。

(二)时间信息，

获取移动设备内***时间，并按照BCD编码方式编码，获取方式为：

(1)获取***时间数据，包括年数据M_year、月数据M_month、日数据M_date、时数据M_hour、分数据M_minute、秒数据M_second和毫秒数据M_msec；

(2)按照BCD编码方法对上述时间数据进行编码，得到60比特长度的时间数据，包括年数据M'_year、月数据M'_month、日数据M'_date、时数据M'_hour、分数据M'_minute、秒数据M'_second和毫秒数据M'_msec，具体表2所示。

表2：

(3)对上述60比特长度的时间数据进行合并处理，得到***时间信息M2，***时间信息M2的计算公式为：

M2＝M'_year||M'_month||M'_date||M'_hour||M'_minute||M'_second||M'_msec

该***时间信息M2为7.5字节、60比特的数据。

通过上述步骤，可得到与该移动设备对应的实时的时间信息，且该时间信息永远不重复。

(三)实时传感器信息

对配置于移动设备内的移动设备传感器如加速度传感器、Rotation、磁场传感器等进行数据采集并计算，获取步骤包括：

(1)获取移动设备传感器的传感器数据：获取3个移动设备传感器的传感器数据，每个传感器数据精确到小数点后10位，每个传感器速率大概为10ms对应一组数据(x,y,z)，对于每个移动设备传感器选取两组传感器数据组成传感器数据组，得到如下传感器数据组：

传感器1：(X1₁,Y1₁,Z1₁)，(X2₁,Y2₁,Z2₁)；

传感器2：(X1₂,Y1₂,Z1₂)，(X2₂,Y2₂,Z2₂)；

传感器3：(X1₃,Y1₃,Z1₃)，(X2₃,Y2₃,Z2₃)；

(2)获取差值的绝对值：对上述每组传感器数据组进行差值计算，并计算每个差值的绝对值，上述三个移动设备传感器对应的差值的绝对值表示为：

传感器1：ΔX₁＝|X1₁-X2₁|，ΔY₁＝|Y1₁-Y2₁|，ΔZ₁＝|Z1₁-Z2₁|；

传感器2：ΔX₂＝|X1₂-X2₂|，ΔY₂＝|Y1₂-Y2₂|，ΔZ₂＝|Z1₂-Z2₂|；

传感器3：ΔX₃＝|X1₃-X2₃|，ΔY₃＝|Y1₃-Y2₃|，ΔZ₃＝|Z1₃-Z2₃|；

(3)进行模值运算：每个移动设备传感器对应的差值的绝对值进行模Z运算，Z为整数，Z取值为16，上述移动设备传感器对应的模值为：

传感器1：M₁＝(ΔX₁modZ)||(ΔY₁modZ)||(ΔZ₁modZ)；

传感器2：M₂＝(ΔX₂modZ)||(ΔY₂modZ)||(ΔZ₂modZ)；

传感器3：M₃＝(ΔX₃modZ)||(ΔY₃modZ)||(ΔZ₃modZ)；

(4)通过合并处理得到实时传感器信息：对上述移动设备传感器对应的模值进行合并处理得到实时传感器信息M3，M3＝M₁||M₂||M₃，该实时传感器信息M3为36比特的数据。

通过上述步骤获得物理随机源，并可通过其差值提取噪声。

(四)硬件及用户信息

对获取的硬件数据和用户数据按照约定的方式进行组合，或者自行组合得到硬件及用户信息，获取方式为：

(1)分别获取硬件数据和用户数据，其中用户数据包括注册名称等，硬件数据取值如表3所示。

表3：

(2)对硬件数据和用户数据进行组合生成硬件及用户信息M4，硬件及用户信息M4计算公式为：

M4＝Hardware_Info||user_info；

其中，Hardware_Info表示硬件数据，user_info表示用户数据，该硬件及用户信息M4为84比特的数据。

通过上述硬件数据及用户数据的取值方法，可确保该用户持有该移动设备，不会重复。

(五)伪随机信息

该伪随机用户信息为移动设备***自带的随机数生成方法生成的，生成方式为：

(1)通过对特定用户数据和时间数据进行异或计算得到种子seed，数据数据包括时分秒数据和毫秒数据，种子seed计算公式为：

种子seed：seed＝user_info⊕时分秒+毫秒数据

其中，user_info为用户信息取4字节、32比特，时分秒数据24比特取后20比特，毫米数据取12比特；

注：两个种子含义不同，一个特定用户，一个时间，两个异或结果为种子；

(2)对种子进行伪随机计算，得到Z字节的伪随机信息M5，其中Z取值为10，即伪随机信息M5为8*Z比特的数据，伪随机信息M5计算公式为：

M5＝SecureRandom(Z,seed)

其中，SecureRandom为***随机方法，通过该方法生成的伪随机信息M5为10字节、80比特的数据。

通过上述步骤实现伪随机源填充，按照种子依赖用户+时间的方式，不会造成重复。

经上述步骤S100得到五个分量后，再通过步骤S200对上述五个变量进行合并处理得到变量参数M，变量参数M的计算公式为：

M＝M1||M2||M3||M4||M5

上述五个变量以及变量参数的属性如表4所示。

表4：

计算得到变量参数M后，通过步骤S300对变量参数M进行SM3国密算法得到比特长度为256的随机数S，S＝HASH(M)。

本实施例中生成的随机数由五个变化的分量组成，包含了用户的参与产生的随机性、物理随机源和移动设备硬件信息以及用户信息等多种分量，且各种分量大概率不会重复，避免了相同软件、相同移动设备、相同用户等导致的随机数碰撞的可能性。

本实施例中移动设备为手机，在实际应用也可通过该方法产生PAD等其他移动设备的随机数。

实施例2：

本发明多物理噪声源的移动设备随机数产生***，包括数据处理模块、数据采集模块和伪随机数产生模块，伪随机数产生模块能够产生伪随机数，数据采集模块分别与移动设备和伪随机数产生模块连接，数据采集模块与移动设备和伪随机产生模块配合能够采集并产生实时变化的分量，分量包括但不限于用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息，数据处理模块与数据采集模块连接，数据处理模块能够对实时变化的分量进行合并处理得到变量参数，并能够对变量参数进行HASH计算得到比特长度可自定义的随机数。

其中，数据采集模块为具有如下功能的模块：

与配置与移动设备上的触摸屏连接，能够获取软键盘按键操作误差为随机源，并能够选取用户按下口令按钮时第一个像素点的坐标值，并基于上述每个口令按钮对应的第一个像素点的坐标值计算得到用户参与产生的随机分量；

与配置于移动设备上的时间模块连接，能够获取与移动设备对应的***时间数据，并基于***数据计算得到时间信息；

与配置于移动设备上的移动设备传感器连接，能够获取移动设备传感器的传感器数据，并基于传感器数据计算得到实时传感器信息；

与配置与移动设备上的硬件以及用户模块连接，能够获取硬件数据和用户数据，并基于硬件数据和用户数据计算得到硬件及用户信息；

与伪随机数产生模块连接，能够获取特定用户数据以及时间数据，并基于用户数据以及时间数据计算得到随机分量。

伪随机数产生模块为移动设备***自带的可在产生伪随机数的模块。

本实施例中移动设备为手机，在实际应用也可将该***配置与PAD等其他移动设备上用于产生随机数。

通过上面具体实施方式，所述技术领域的技术人员可容易的实现本发明。但是应当理解，本发明并不限于上述的具体实施方式。在公开的实施方式的基础上，所述技术领域的技术人员可任意组合不同的技术特征，从而实现不同的技术方案。除说明书所述的技术特征外，均为本专业技术人员的已知技术。

Claims (10)

1.多物理噪声源的随机数产生方法，其特征在于通过对实时变化的分量进行合并处理得到变量参数，并通过对变量参数进行HASH计算得到比特长度可自定义的随机数；所述分量能够包含但不限于物理随机源和移动设备硬件信息、用户的信息以及用户参与产生的随机性。

2.根据权利要求1所述的多物理噪声源的随机数产生方法，其特征在于上述分量包括但不限于用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息、伪随机信息，对上述实时变化的分量进行合并处理之前实时计算每个分量。

3.根据权利要求2所述的多物理噪声源的随机数产生方法，其特征在于实时计算用户参与产生的随机分量，包括如下步骤：

用户输入N位口令，获取软键盘按键操作误差为随机源，并选取用户按下口令按钮时第一个像素点的坐标值；

计算每个口令按钮对应的坐标误差，每个口令按钮对应的坐标误差计算公式为：

ΔX(i)＝X(i)-X_i

ΔY(i)＝Y(i)-Y_i

对坐标误差进行模Z运算，每个口令按钮对应的坐标误差的模值为：

M(i)＝ΔX(i)modZ||ΔY(i)modZ

对上述口令按钮对应的坐标误差的模值进行拼接处理，生成用户参与产生的随机数分量M1，M1的计算公式为：

M1＝M(1)||M(2)||M(3)||......M(N)

其中，i＝0,1,2,......N，X(i)为输入第i个口令按钮时的x坐标值，X_i为第i个口令按钮中心x坐标，Y(i)为输入第i个口令按钮时的y坐标值，Y_i为第i个口令按钮中心y坐标值，Z为整数。

4.根据权利要求3所述的多物理噪声源的随机数产生方法，其特征在于实时计算时间信息，包括如下步骤：

获取***时间数据，包括年数据M_year、月数据M_month、日数据M_date、时数据M_hour、分数据M_minute、秒数据M_second和毫秒数据M_msec；

按照预定编码方法对上述时间数据进行编码，得到预定比特长度的时间数据，包括年数据M'_year、月数据M'_month、日数据M'_date、时数据M'_hour、分数据M'_minute、秒数据M'_second和毫秒数据M'_msec；

对上述预定比特长度的时间数据进行合并处理，得到***时间信息M2，

M2＝M'_year||M'_month||M'_date||M'_hour||M'_minute||M'_second||M'_msec；

上述预定编码方法包括但不限于BCD编码。

5.根据权利要求4所述的多物理噪声源的随机数产生方法，其特征在于实时计算实时传感器信息，包括如下步骤：

获取移动设备传感器的传感器数据：获取K个移动设备传感器的传感器数据，每个传感器数据精确到小数点后预定位，每个传感器速率为Pms对应一组数据，对于每个移动设备传感器选取两组传感器数据组成传感器数据组，第i个移动设备传感器的传感器数据组为：

(X1_i,Y1_i,Z1_i)，(X2_i,Y2_i,Z2_i)；

获取差值的绝对值：对上述每组传感器数据组进行差值计算，并计算每个差值的绝对值，第i个移动设备传感器对应的差值的绝对值表示为：

ΔX_i＝|X1_i-X2_i|，ΔY_i＝|Y1_i-Y2_i|，ΔZ_i＝|Z1_i-Z2_i|；

进行模值运算：每个移动设备传感器对应的差值的绝对值进行模Z运算，Z为整数，第i个移动设备传感器对应的模值为：

M_i＝(ΔX_imodZ)||(ΔY_imodZ)||(ΔZ_imodZ)；

通过合并处理得到实时传感器信息：对上述移动设备传感器对应的模值进行合并处理得到实时传感器信息M3，

M3＝M₁||M₂||......||M_i；

其中，1＜i＜K，且i为整数。

6.根据权利权利要求5所述的多物理噪声源的随机数产生方法，其特征在于实时计算硬件及用户信息，包括如下步骤：

分别获取硬件数据和用户数据；

对硬件数据和用户数据进行组合生成硬件及用户信息M4。

7.根据权利要求6所述的多物理噪声源的随机数产生方法，其特征在于实时计算伪随机信息，包括如下步骤：

通过对特定用户数据和时间数据进行异或计算得到种子seed，时间数据包括时分秒数据和毫秒数据；

对种子进行伪随机计算，得到Z字节的伪随机信息M5，

M5＝SecureRandom(Z,seed)。

8.根据权利要求7所述的多物理噪声源的随机数产生方法，其特征在于变量参数M表示为：

M＝M1||M2||M3||M4||M5。

9.多物理噪声源的移动设备随机数产生***，其特征在于包括数据处理模块、数据采集模块和伪随机数产生模块，伪随机数产生模块能够产生伪随机数，数据采集模块分别与移动设备和伪随机数产生模块连接，数据采集模块与移动设备和伪随机产生模块配合能够采集并产生实时变化的分量，分量包括但不限于用户参与随机数分量、时间信息、实时传感器信息、硬件及用户信息，数据处理模块与数据采集模块连接，数据处理模块能够对实时变化的分量进行合并处理得到变量参数，并能够对变量参数进行HASH计算得到比特长度可自定义的随机数。

10.根据权利要求9所述的多物理噪声源的移动设备随机数产生***，其特征在于数据采集模块为具有如下功能的模块：

与配置与移动设备上的触摸屏连接，能够获取软键盘按键操作误差为随机源，并能够选取用户按下口令按钮时第一个像素点的坐标值，并基于上述每个口令按钮对应的第一个像素点的坐标值计算得到用户参与产生的随机分量；

与配置于移动设备上的时间模块连接，能够获取与移动设备对应的***时间数据，并基于***数据计算得到时间信息；

与配置于移动设备上的移动设备传感器连接，能够获取移动设备传感器的传感器数据，并基于传感器数据计算得到实时传感器信息；

与配置与移动设备上的硬件以及用户模块连接，能够获取硬件数据和用户数据，并基于硬件数据和用户数据计算得到硬件及用户信息；

与伪随机数产生模块连接，能够获取特定用户数据以及时间数据，并基于用户数据以及时间数据计算得到随机分量。