論文の概要: Adaptive Variation-Resilient Random Number Generator for Embedded Encryption
- arxiv url: http://arxiv.org/abs/2507.05523v1
- Date: Mon, 07 Jul 2025 22:42:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-09 16:34:37.436662
- Title: Adaptive Variation-Resilient Random Number Generator for Embedded Encryption
- Title（参考訳）: 組込み暗号化のための適応可変弾性ランダム数生成器
- Authors: Furqan Zahoor, Ibrahim A. Albulushi, Saleh Bunaiyan, Anupam Chattopadhyay, Hesham ElSawy, Feras Al-Dirini,
- Abstract要約: 本稿では、物理的に駆動されるエントロピー源から不偏の暗号化グレードのランダムな乱数ストリームを抽出できる適応的変動耐性RNGを提案する。
発生した未バイアスのビットストリームは、エントロピーが高いため、単純化された後処理を行う必要がある。
- 参考スコア（独自算出の注目度）: 7.239794172995
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With a growing interest in securing user data within the internet-of-things (IoT), embedded encryption has become of paramount importance, requiring light-weight high-quality Random Number Generators (RNGs). Emerging stochastic device technologies produce random numbers from stochastic physical processes at high quality, however, their generated random number streams are adversely affected by process and supply voltage variations, which can lead to bias in the generated streams. In this work, we present an adaptive variation-resilient RNG capable of extracting unbiased encryption-grade random number streams from physically driven entropy sources, for embedded cryptography applications. As a proof of concept, we employ a stochastic magnetic tunnel junction (sMTJ) device as an entropy source. The impact of variations in the sMTJ is mitigated by employing an adaptive digitizer with an adaptive voltage reference that dynamically tracks any stochastic signal drift or deviation, leading to unbiased random bit stream generation. The generated unbiased bit streams, due to their higher entropy, then only need to undergo simplified post-processing. Statistical randomness tests based on the National Institute of Standards and Technology (NIST) test suite are conducted on bit streams obtained using simulations and FPGA entropy source emulation experiments, validating encryption-grade randomness at a significantly reduced hardware cost, and across a wide range of process-induced device variations and supply voltage fluctuations.
- Abstract（参考訳）: IoT(Internet-of-Things)内のユーザデータ保護への関心が高まっているため、組み込み暗号化が重要視され、軽量で高品質なRNG(Random Number Generators)が求められている。
創発的確率的デバイス技術は、確率的物理過程から高い品質でランダムな数を生成するが、生成したランダムな数列はプロセスや供給電圧の変動に悪影響を及ぼし、生成されたストリームのバイアスを引き起こす可能性がある。
本研究では,物理駆動型エントロピー源から不偏の暗号グレードのランダムな乱数ストリームを抽出できる適応型変動耐性RNGを組込み暗号アプリケーションに適用する。
概念実証として,エントロピー源として確率的磁気トンネル接合(sMTJ)装置を用いる。
適応ディジタイザと適応電圧基準を用いて、確率的信号のドリフトや偏差を動的に追跡することにより、sMTJの変動の影響を緩和し、ランダムなビットストリームを生成する。
発生した未バイアスのビットストリームは、エントロピーが高いため、単純化された後処理を行う必要がある。
The National Institute of Standards and Technology(NIST)テストスイートに基づく統計的ランダム性試験は、シミュレーションとFPGAエントロピーソースエミュレーション実験を用いて得られたビットストリームを用いて、ハードウェアコストが大幅に低減された暗号化グレードのランダム性を検証する。
関連論文リスト
- DNN-Based Precoding in RIS-Aided mmWave MIMO Systems With Practical Phase Shift [56.04579258267126]
本稿では、直接通信路を妨害したミリ波マルチインプット多重出力(MIMO)システムのスループットを最大化する。
リコンフィギュアブルインテリジェントサーフェス(RIS)は、視線(LoS)とマルチパス効果に関連するmmWave特性を考慮して伝送性を高めるために使用される。
ディープニューラルネットワーク(DNN)は、より高速なコードワード選択を容易にするために開発された。
論文 参考訳（メタデータ） (2025-07-03T17:35:06Z) - EIM-TRNG: Obfuscating Deep Neural Network Weights with Encoding-in-Memory True Random Number Generator via RowHammer [8.544950313051402]
True Random Number Generators (TRNG) は、ハードウェアセキュリティ、暗号システム、データ保護において基本的な役割を果たす。
本研究では,DRAM細胞の挙動に固有の物理的ランダム性を利用する新しいTRNGであるEIM-TRNGを提案する。
本稿では,RowHammer操作によって生成される予測不可能なビットフリップを,信頼性のあるエントロピーソースとして利用できることを示す。
論文 参考訳（メタデータ） (2025-07-03T00:01:33Z) - AI-Hybrid TRNG: Kernel-Based Deep Learning for Near-Uniform Entropy Harvesting from Physical Noise [0.0]
AI-Hybrid TRNGは、物理ノイズから直接、ほぼ一様エントロピーを抽出するディープラーニングフレームワークである。
トレーニングには、低コストで親指サイズのRFフロントエンドとCPUを最適化するジッタを使用し、量子化ステップなしで32ビットの高エントロピーストリームを出力する。
論文 参考訳（メタデータ） (2025-06-30T18:01:40Z) - Continuous-Variable Source-Independent Quantum Random Number Generator with a Single Phase-Insensitive Detector [0.5439020425819]
量子乱数生成器(QRNG)は、真のランダム性を生成するために量子力学的不予測性を利用する。
単一位相非感受性検出器を用いたCV-SI-QRNG方式を提案し、半定値プログラミング(SDP)に基づくセキュリティ証明を提供する。
これらの結果は,本フレームワークの実現可能性を示し,実用的でシンプルなSI-QRNG実装への道を開いた。
論文 参考訳（メタデータ） (2024-11-22T09:26:53Z) - Efficient Quality Estimation of True Random Bit-streams [5.441027708840589]
本稿では,真のランダムビットストリームにおける異常検出のためのオンライン手順の実装とその特徴について報告する。
このアプローチの実験的検証は、量子シリコンベースのエントロピー源によって生成されたビットストリーム上で実行される。
論文 参考訳（メタデータ） (2024-09-09T12:09:17Z) - One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from
Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。
本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-06T20:28:37Z) - Macroscopic noise amplification by asymmetric dyads in non-Hermitian
optical systems for generative diffusion models [55.2480439325792]
非対称な非エルミートダイアドは、効率的なセンサーと超高速な乱数発生器の候補である。
このような非対称なダイアドからの集積光放射は、機械学習の全光学的退化拡散モデルに効率的に利用できる。
論文 参考訳（メタデータ） (2022-06-24T10:19:36Z) - A High-Quality Entropy Source Using van der Waals Heterojunction for
True Random Number Generation [0.41998444721319217]
暗号などのハイエンドアプリケーションで使用されるランダムシーケンスの生成は、その不確定性のためにエントロピーソースに依存している。
物理過程からエントロピーを抽出する離散電荷変動を検出する小型装置を提案する。
エントロピー生成速度を数桁にわたって調整し, 低温から環境条件まで, 基礎となる物理過程の持続性を示す。
論文 参考訳（メタデータ） (2022-04-13T17:25:08Z) - Deep Transformer Networks for Time Series Classification: The NPP Safety
Case [59.20947681019466]
時間依存nppシミュレーションデータをモデル化するために、教師付き学習方法でトランスフォーマと呼ばれる高度なテンポラルニューラルネットワークを使用する。
トランスはシーケンシャルデータの特性を学習し、テストデータセット上で約99%の分類精度で有望な性能が得られる。
論文 参考訳（メタデータ） (2021-04-09T14:26:25Z) - RAIN: A Simple Approach for Robust and Accurate Image Classification
Networks [156.09526491791772]
既存の敵防衛手法の大部分は、予測精度を犠牲にして堅牢性を実現することが示されている。
本稿では,ロバストおよび高精度画像分類N(RAIN)と呼ぶ新しい前処理フレームワークを提案する。
RAINは入力に対してランダム化を適用して、モデルフォワード予測パスと後方勾配パスの関係を壊し、モデルロバスト性を改善する。
STL10 と ImageNet のデータセットを用いて、様々な種類の敵攻撃に対する RAIN の有効性を検証する。
論文 参考訳（メタデータ） (2020-04-24T02:03:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。