熵源中的調節成分
給定一個隨機字節的樣本，如何確定熵源（隨機字節的源）是否包含調節組件，關於 NIST SP 800-90 B）？
謝謝
所以這就是我們正在談論的：-
一眼就能看出是否使用了調理組件。這就是為什麼我對我的查詢很迂腐。您以定義不明確和粗心的方式使用術語*熵源（對不起）。*在談論 PRNG 或 CSPRNG 時，我會讓你放鬆一下，並稱它們為熵源。然而，在處理 TRNG 時，熵源是一種硬體，它會產生非確定性/隨機信號。就是上圖中的雜訊源。它可能是自乾涉雷射束、熱離子整流二極體或一組時髦的熔岩燈。
只需對您的數據執行通用
ent實用程序即可立即確認您是否擁有hin數據或hou t。來自雜訊源的原始數據將無法通過所有ent測試。我發現這是隨機性最簡單的試金石。非 IID NIST 第 6.2 節適用於原始雜訊源，但不值得麻煩。ent如果是原始數據，或者只是查看十六進制數據將非常清楚地顯示出來。原始數據分佈不均，可能包含許多常見/重複值和接近 50% 的偏差。如果設備不是特別高效，您可能只能獲得約 0.2 位/位的熵。$$ I write 0.2 as an example, but it actually could be any value between 0 and 1. $$如果它看起來很奇怪，那就是生的。 這是可能是您的信號源的原始熵的範例：-
嚴格來說，這是第 3.1.3 節下的非法熵，因為 NIST 不允許 10 位量化，但我是一個叛逆的傢伙，做我想要的，穿我想要的。您可以想像，這條跡線的數字化會存在很大偏差，因為它是某種形式的倒置伽馬/對數正態分佈。我似乎記得它大約是 3.5 位/熵樣本。
有時，硬體設計人員會嘗試建構 TRNG，通過減少偏差來吐出天真的均勻分佈的隨機數據。分束器擅長產生幾乎無偏的隨機雜訊數據。此數據可能無法在視覺上辨識為原始數據，您必須執行第 6.2 節的測試。
如果數據通過第 6.2 節（或
ent）並且您獲得約 1 位 / 位的熵，則您有條件數據。然後它可能已經經歷了表 1 第 3.1.5.1.1 節中的某些內容。
