【技术实现步骤摘要】
本专利技术属于量子随机数，一种基于比特位关联性的qrng数据后处理方法及装置。
技术介绍
1、量子随机数发生器(quantum random number generator，qrng)基于量子力学理论内在的随机性，能产生理论可证的不可预知、无穷长随机序列，是量子密码领域研究热点。qrng可为云计算环境的高性能、高质量密钥产生需求提供解决方案，可应用于信息安全和保密通信系统，同时也可应用于密钥管理基础设施，为密钥管理基础设施提供高性能、高质量的随机数产生服务。
2、一个典型的量子随机数发生器主要包括量子态制备、量子态探测、离散化采样和数据后处理等单元，其整体结构框图如图1所示。通常基于量子光源和干涉光路(可选)进行量子态制备；通过量子态探测获得含有量子随机性的测量信号；进一步对量子态探测的输出信号进行离散化采样获得原始随机序列；最后经过数据后处理进行随机性评估和提取获得独立、均匀、安全的最终随机序列。
3、其中，由于经典噪声(如各种电子器件的热噪声等)的存在和所采用的光电器件的不完美性，经过采样得到的原始随机序列一般不满足均匀分布，存在一定的偏置和冗余。更重要的是，由于窃听者可能监控甚至直接控制qrng系统的经典噪声，导致原始随机序列中可能存在窃听者掌控的部分，存在安全隐患。因此，数据后处理是获得独立、均匀、安全的最终随机序列的关键步骤。现有量子随机数发生器的数据后处理主要包括随机性评估和随机性提取。
4、随机性评估是计算原始随机序列中可提取的真随机性，现有主流方法是针对原始随机序列以离散化采
5、随机性提取是基于随机性评估结果，结合不同的随机性提取算法对原始随机序列进行数据处理，以提取原始序列中的真随机性并获得均匀分布的最终随机序列。通常的随机性提取算法包括异或处理方法、有效位截取方法、von neumann方法、toeplitz矩阵方法等。
6、其中，随机性评估对实际qrng系统的安全性及随机数产生速率至关重要。如果随机性评估结果过低，表明每个样本所可以提取的安全位数较少，则产生速率较低；如果随机性评估结果过高，可能造成安全隐患。当前主流随机性评估方法是针对原始随机序列进行熵值计算来实现的，其本质是以离散化采样样本为基本单元计算其统计特性，衡量的是采样样本整体之间的关联性。然而，基于高速模数转换器(adc)离散化采样的结果中每个样本(sample)由多个比特位{xi,n、xi,n-1、…、xi,m、…、xi,1}组成，如图2所示。上述基于熵值计算的随机性评估方法，无法衡量采样样本比特位之间的关联性，存在一定缺陷。
技术实现思路
1、本专利技术的目的在于：为了克服现有技术问题，公开了一种基于比特位关联性的qrng数据后处理方法及装置，通过计算离散化采样后原始随机序列样本不同比特位之间的协方差和同一位置比特位的自相关系数，进而进行随机性判定，结合随机性提取算法对原始序列进行数据处理，输出最终随机序列。本专利技术可有效降低所提取的有效比特位之间的关联性，提升最终输出序列的随机性。
2、本专利技术的目的通过下述技术方案来实现：
3、一种基于比特位关联性的qrng数据后处理方法，所述qrng数据后处理方法包括：
4、步骤1：比特位关联性计算，
5、依据离散化采样后获得的原始随机序列计算样本不同比特位之间的协方差和同一位置比特位的自相关系数；
6、步骤2：随机性判定，
7、依据比特位关联性计算过程中协方差计算结果和自相关系数计算结果共同进行随机性判定，获得原始随机序列可提取的随机性位数；
8、通过观测同一样本内不同比特位之间的协方差计算结果和不同离散化样本之间同一位置比特位的自相关系数结果判断比特位之间的关联程度，进而确定原始序列的随机性；
9、步骤3：随机性提取，
10、依据随机性判定结果中可提取的有效比特位进行比特位提取，再根据安全等级要求进行随机性增强，获得最终随机序列。
11、根据一个优选的实施方式，假定离散化采样中获得原始随机序列样本量为n，模数转换adc的量化位数为n，则能够将全部样本排列为一个维度为n×n的二进制矩阵；
12、该矩阵第i行即原始序列样本i的n位离散化比特序列，i∈{1,2,…,n}，该矩阵第m列即为所有原始随机序列样本中第m位所组成的列向量，即
13、
14、因此，该比特位矩阵可记为n个列向量{x1,…,xm,…,xn-1,xn}；
15、通过计算不同比特位之间的协方差，获得n×n协方差矩阵：
16、
17、其中，
18、
19、e表征数学期望，协方差矩阵对角线元素cov(xm,xm)为向量xm的方差，m∈{1,2,...,n}；协方差矩阵的其他位置元素cov(xm,xk)为向量xm和xk的互协方差m,k∈{1,2,...,n},m≠k。
20、根据一个优选的实施方式，通过计算每个比特位列向量xm的l自相关系数，获得l×n自相关系数矩阵：
21、
22、其中，
23、
24、ρ(xm)为xm全部l阶自相关系数所组成的列向量，xm的r阶自相关系数的计算公式如下：
25、
26、e表征数学期望，为xm的r阶延迟序列，为xm的方差，ηr(xm)表征时域上间隔r次采样周期的样本第m比特之间的关联性。
27、根据一个优选的实施方式，步骤2进行随机性判定过程包括：
28、针对比特位m进行基于协方差计算的随机性判定和基于自相关系数计算的随机性判定，其中，m∈{1,2,...,n}；当比特位m同时满足基于协方差和基于自相关系数的随机性判定条件时，即评估该比特位随机性满足要求，能够提取对应比特位。
29、根据一个优选的实施方式，基于协方差计算的随机性判定过程中，
30、自协方差判定条件：
31、
32、其中，α为判定阈值；
33、互协方差判定条件：
34、cov(xm,xk)<β,k∈{1,2,...,m-1,m+1,...,n}
35、其中，β为判定阈值。
36、根据一个优选的实施方式，基于自相关系数计算的随机性判定过程中，
37、低阶延迟自相关系数判定条件：
38、ρr(xm)<η,r∈{1,2,...,p}
39、其中p<l，η为判定阈值；
40、高阶延迟自相关系数判定条件：
41、ρr(xm)<δ,r∈{p+1,p+2,...,l}
42、其中δ为判定阈值。
43、根据一个优选的实施方式，步骤本文档来自技高网...
【技术保护点】
1.一种基于比特位关联性的QRNG数据后处理方法，其特征在于，所述QRNG数据后处理方法包括：
2.如权利要求1所述的QRNG数据后处理方法，其特征在于，假定离散化采样中获得原始随机序列样本量为n，模数转换ADC的量化位数为N，则能够将全部样本排列为一个维度为n×N的二进制矩阵；
3.如权利要求2所述的QRNG数据后处理方法，其特征在于，通过计算每个比特位列向量Xm的L阶自相关系数，获得L×N自相关系数矩阵：
4.如权利要求3所述的QRNG数据后处理方法，其特征在于，步骤2进行随机性判定过程包括：
5.如权利要求4所述的QRNG数据后处理方法，其特征在于，基于协方差计算的随机性判定过程中，
6.如权利要求4所述的QRNG数据后处理方法，其特征在于，基于自相关系数计算的随机性判定过程中，
7.如权利要求4所述的QRNG数据后处理方法，其特征在于，步骤3中比特位提取过程为：
8.如权利要求1所述的QRNG数据后处理方法，其特征在于，步骤3中，进行随机性增强过程为：
9.一种基于比特位关联性
10.如权利要求9所述的QRNG数据后处理装置，其特征在于，所述QRNG数据后处理装置基于权利要求2至8任一项所述的QRNG数据后处理方法完成相应数据处理。
...【技术特征摘要】
1.一种基于比特位关联性的qrng数据后处理方法，其特征在于，所述qrng数据后处理方法包括：
2.如权利要求1所述的qrng数据后处理方法，其特征在于，假定离散化采样中获得原始随机序列样本量为n，模数转换adc的量化位数为n，则能够将全部样本排列为一个维度为n×n的二进制矩阵；
3.如权利要求2所述的qrng数据后处理方法，其特征在于，通过计算每个比特位列向量xm的l阶自相关系数，获得l×n自相关系数矩阵：
4.如权利要求3所述的qrng数据后处理方法，其特征在于，步骤2进行随机性判定过程包括：
5.如权利要求4所述的qrng数据后处理方法，其特征在于，基于协方差计算的随机性判定过程中，...
【专利技术属性】
技术研发人员：徐兵杰，杨杰，吴梅，李扬，樊矾，刘金璐，
申请(专利权)人：中国电子科技集团公司第三十研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。