CN108446101A - 多物理噪声源的随机数产生方法及产生*** - Google Patents
多物理噪声源的随机数产生方法及产生*** Download PDFInfo
- Publication number
- CN108446101A CN108446101A CN201810573601.XA CN201810573601A CN108446101A CN 108446101 A CN108446101 A CN 108446101A CN 201810573601 A CN201810573601 A CN 201810573601A CN 108446101 A CN108446101 A CN 108446101A
- Authority
- CN
- China
- Prior art keywords
- data
- mobile device
- user
- information
- random number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/58—Random or pseudo-random number generators
- G06F7/588—Random number generators, i.e. based on natural stochastic processes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mobile Radio Communication Systems (AREA)
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
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)-Xi
ΔY(i)=Y(i)-Yi
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,Xi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,Yi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Myear、月数据Mmonth、日数据Mdate、时数据Mhour、分数据Mminute、秒数据Msecond和毫秒数据Mmsec;
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:
(X1i,Y1i,Z1i),(X2i,Y2i,Z2i);
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:
ΔXi=|X1i-X2i|,ΔYi=|Y1i-Y2i|,ΔZi=|Z1i-Z2i|;
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:
Mi=(ΔXimodZ)||(ΔYimodZ)||(ΔZimodZ);
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||......||Mi;
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)-Xi
ΔY(i)=Y(i)-Yi
(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,Xi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,Yi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Myear、月数据Mmonth、日数据Mdate、时数据Mhour、分数据Mminute、秒数据Msecond和毫秒数据Mmsec;
(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)-Xi
ΔY(i)=Y(i)-Yi
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,Xi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,Yi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Myear、月数据Mmonth、日数据Mdate、时数据Mhour、分数据Mminute、秒数据Msecond和毫秒数据Mmsec;
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:
(X1i,Y1i,Z1i),(X2i,Y2i,Z2i);
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:
ΔXi=|X1i-X2i|,ΔYi=|Y1i-Y2i|,ΔZi=|Z1i-Z2i|;
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:
Mi=(ΔXimodZ)||(ΔYimodZ)||(ΔZimodZ);
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||......||Mi;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573601.XA CN108446101A (zh) | 2018-06-06 | 2018-06-06 | 多物理噪声源的随机数产生方法及产生*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810573601.XA CN108446101A (zh) | 2018-06-06 | 2018-06-06 | 多物理噪声源的随机数产生方法及产生*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446101A true CN108446101A (zh) | 2018-08-24 |
Family
ID=63206604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810573601.XA Pending CN108446101A (zh) | 2018-06-06 | 2018-06-06 | 多物理噪声源的随机数产生方法及产生*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446101A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0954862A (ja) * | 1995-08-16 | 1997-02-25 | Nec Eng Ltd | 現金自動取引機 |
US6307935B1 (en) * | 1991-09-17 | 2001-10-23 | Apple Computer, Inc. | Method and apparatus for fast elliptic encryption with direct embedding |
CN101859351A (zh) * | 2009-04-08 | 2010-10-13 | 北京芯技佳易微电子科技有限公司 | 保证存储器存储的数据安全读取的***及方法 |
CN104317551A (zh) * | 2014-10-17 | 2015-01-28 | 北京德加才科技有限公司 | 一种超高安全的真随机数生成方法及真随机数生成*** |
-
2018
- 2018-06-06 CN CN201810573601.XA patent/CN108446101A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6307935B1 (en) * | 1991-09-17 | 2001-10-23 | Apple Computer, Inc. | Method and apparatus for fast elliptic encryption with direct embedding |
JPH0954862A (ja) * | 1995-08-16 | 1997-02-25 | Nec Eng Ltd | 現金自動取引機 |
CN101859351A (zh) * | 2009-04-08 | 2010-10-13 | 北京芯技佳易微电子科技有限公司 | 保证存储器存储的数据安全读取的***及方法 |
CN104317551A (zh) * | 2014-10-17 | 2015-01-28 | 北京德加才科技有限公司 | 一种超高安全的真随机数生成方法及真随机数生成*** |
Non-Patent Citations (2)
Title |
---|
KRUAWAN WONGPANYA 等: "Simplification of Frequency Test for Random Number Generation Based on Chi-Square", 《2008 FOURTH ADVANCED INTERNATIONAL CONFERENCE ON TELECOMMUNICATIONS》 * |
张建国等: "基于物理噪声源的真随机数发生器的设计与实现", 《机械工程与自动化》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Privacy-preserving reinforcement learning design for patient-centric dynamic treatment regimes | |
US10333710B2 (en) | Method and system for determining desired size of private randomness using Tsallis entropy | |
US9306741B1 (en) | Updating keys for use in authentication | |
CN101290647A (zh) | 密码保护装置和方法以及密码键盘 | |
US11426628B2 (en) | System and method for identifying and correcting muscular and skeletal disbalances through exercise | |
CN111162894B (zh) | 具有隐私保护的外包云存储医疗数据聚合的统计分析方法 | |
CN106789082A (zh) | 基于无线体域网的云存储医疗数据批量自审计方法 | |
CN107026859A (zh) | 一种隐私云医疗数据的安全传输方法 | |
CN1211978C (zh) | 加密与鉴别的方法和*** | |
CN105426158B (zh) | 一种随机数产生方法及其装置 | |
Ahmed et al. | Checksum gestures: continuous gestures as an out-of-band channel for secure pairing | |
CN107004084A (zh) | 用于加密操作的乘法掩码 | |
JP6098182B2 (ja) | Id識別子生成方法及びid識別子生成システム | |
CN108804011B (zh) | 一种基于交互式曲线的随机数产生方法及产生*** | |
CN114239031A (zh) | 一种用户隐私数据的处理方法及处理装置 | |
CN107360570A (zh) | 物联网可穿戴设备中基于行为动作感知的轻量级实时密钥生成方法 | |
CN103282950A (zh) | 运算装置、运算装置的椭圆标量乘法方法、椭圆标量乘法程序、运算装置的剩余运算方法、剩余运算程序、运算装置的零判定方法以及零判定程序 | |
Sun et al. | Accelerometer-based key generation and distribution method for wearable IoT devices | |
CN108446101A (zh) | 多物理噪声源的随机数产生方法及产生*** | |
KR20100094487A (ko) | 페어링 연산 장치, 페어링 연산 방법, 및 페어링 연산 프로그램을 기록한 기록 매체 | |
CN107798251A (zh) | 基于盲签名的隐私保护症状匹配***及其匹配方法 | |
KR20130085511A (ko) | 이.씨.씨. 알고리즘을 이용한 암호화 방법 | |
CN102484589B (zh) | 基于椭圆曲线参数化的加密方法 | |
Kaya et al. | Generating Random Numbers from Biological Signals in LabVIEW Environment and Statistical Analysis. | |
Akbarov et al. | Algorithm Of The Electronic Digital Subscript On The Basis Of The Composition Of Computing Complexities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180824 |
|
RJ01 | Rejection of invention patent application after publication |