Table | Card | RUSMARC | |
Allowed Actions: View |
Annotation
Случайные числа активно используются в машинном обучении, сфере информационной безопасности, математическом моделировании и устройствах Интернета вещей. Генераторы псевдослучайных чисел (ГПСЧ) представляют собой устройства, генерирующие последовательности чисел, свойства которых близки к случайным на определенном периоде. Требования к ГПСЧ возрастают с развитием областей их применения, что вызывает необходимость разработки новых ГПСЧ. В настоящее время среди перспективных ГПСЧ можно выделить ГПСЧ на основе регистров сдвига с нелинейной обратной связью (РСНОС), имеющих повышенную непредсказуемость. В работе предложена RTL-модель ГПСЧ на основе РСНОС для 32-битных систем на кристалле на языке описания аппаратуры Verilog. Проведено исследование статистических свойств данного ГПСЧ. Разработанная RTL-модель ГПСЧ на основе РСНОС состоит из четырех 16-битных РСНОС в каскаде Голлмана, модуля сбора данных с каскада из РСНОС, группы регистров управления и подключения к шине AMBA (Advanced Microcontroller Bus Architecture) APB (Advanced Peripheral Bus). Статистические свойства разработанного ГПСЧ протестированы с помощью пакета тестирования NIST STS 800-22 и удовлетворяют критериям тестов. Сравнение числа подпоследовательностей, не прошедших наиболее значимые тесты пакета NIST STS 800-22, генераторов из пакета NIST и вихря Мерсенна из состава среды Matlab с разработанным ГПСЧ показало, что последний имеет наименьшее число неудачных подпоследовательностей. По результатам вычисления значения числа pi методом Монте-Карло разработанный ГПСЧ имеет меньшее стандартное отклонение и меньшую ошибку сдвига медианы по сравнению c используемым в среде Matlab вихрем Мерсенна.
Random numbers are extensively used in machine learning, information security, mathematical modelling and IoT devices. Pseudorandom number generators (PRNGs) are devices that generate sequences of numbers whose properties are close to random at a certain period. Requirements for pseudorandom number generators are increasing with the development of their applications, which necessitates the development of new PRNGs. At present among prospective PRNGs the ones based on nonlinear feedback shift registers (NLFSR) with increased unpredictability can be distinguished. In this work, a developed RTL model of PRNG based on NLFSR for 32-bit systems on a chip in HDL Verilog is proposed. The developed RTL model of PRNG based on NLFSR consists of four 16-bit NLFSR in a Gollmann cascade, a data acquisition module from the NLFSR cascade, a group of control registers and AMBA (Advanced Microcontroller Bus Architecture) APB (Advanced Peripheral Bus) connection. The statistical properties of this PRNG were tested with the NIST STS 800-22 test suite and meet the test criteria. The comparison of the number of subsequences failing the most significant tests of NIST STS 800-22 suite, of PRNGs from NIST package and of Mersenne twister from Matlab environment with the developed PRNG has demonstrated that the latter has the least number of failed subsequences. According to the results of Monte Carlo calculation of pi, the developed PRNG has a smaller standard deviation and median shift error than the Mersenne twister PRNG used in Matlab environment.
Included in
Usage statistics
|
Access count: 27
Last 30 days: 1 Detailed usage statistics |