纳米本质真随机数生成
摘要：预测数据分析的最新进展以及工业和消费者物联网的爆炸性扩张，引发了人们对身份和数据安全的重大关注。这为拥有大量数据用于建模的对手和安全原语和随机数生成器侧信道分析的可访问性创造了接近理想的环境。随机数生成器是大多数安全应用的核心。因此，需要找到一个安全可信的随机性源。在这里，我们提出了一种差分电路，用于收集固态物理学中最随机的现象之一，即随机电报噪声（RTN），该电路设计旨在显示出对其他噪声源、辐射和温度波动的较低敏感性。我们使用基于非晶态SrTiO3阻性存储器中的RTN来评估所提议的真随机数生成器（TRNG）。成功评估了传统真随机性测试（NIST测试）。与非差分读取方法相比，还展示了对预测机器学习和侧信道攻击的鲁棒性。
作者：Jeeson Kim, Taimur Ahmed, Hussein Nili, Nhan Duy Truong, Jiawei Yang, Doo Seok Jeong, Sharath Sriram, Damith C. Ranasinghe, and Omid Kavehei
论文ID：1701.06020
分类：Emerging Technologies
分类简称：cs.ET
提交时间：2017-01-24