A statistical test suite for random and pseudorandom number generators for cryptographic applications

Rukhin, Andrew L.; Sota, Juan; Nechvatal, James R.; Smid, Miles E.; Barker, Elaine B.; Leigh, Stefan D.; Levenson, Mark; Vangel, Mark; Banks, David; Heckert, Alan; Dray, James F.; Vo, San

doi:10.6028/nist.sp.800-22

Cited by 1,192 publications

(1,191 citation statements)

References 1 publication

Supporting

Mentioning

1,156

Contrasting

Unclassified

Order By: Relevance

“…26] has answered the question "how random is the noise?" qualitatively there are various methods which estimate randomness quantitatively (see [101]). One way to measure such randomness is to use Cross-Covariance as illustrated in Fig.…”

Section: Originalmentioning

confidence: 99%

Digital image steganography: Survey and analysis of current methods

et al. 2010

View full text Add to dashboard Cite

Steganography is the science that involves communicating secret data in an appropriate multimedia carrier, e.g., image, audio, and video files. It comes under the assumption that if the feature is visible, the point of attack is evident, thus the goal here is always to conceal the very existence of the embedded data. Steganography has various useful applications. However, like any other science it can be used for ill intentions. It has been propelled to the forefront of current security techniques by the remarkable growth in computational power, the increase in security awareness by, e.g., individuals, groups, agencies, government and through intellectual pursuit. Steganography's ultimate objectives, which are undetectability, robustness (resistance to various image processing methods and compression) and capacity of the hidden data, are the main factors that separate it from related techniques such as watermarking and cryptography. This paper provides a state-of-the-art review and analysis of the different existing methods of steganography along with some common standards and guidelines drawn from the literature. This paper concludes with some recommendations and advocates for the object-oriented embedding mechanism. Steganalysis, which is the science of attacking steganography, is not the focus of this survey but nonetheless will be briefly discussed.

show abstract

Section: Originalmentioning

confidence: 99%

Digital image steganography: Survey and analysis of current methods

et al. 2010

View full text Add to dashboard Cite

show abstract

“…This difference is caused by a certain small non-zero statistic dependency in the first term of (15). This is the first 7 detected difference between our TRNG and ideal one.…”

Section: Testing Of Basic Statistical Assumptionmentioning

confidence: 99%

“…where erf() is the Error function [15]. Since the exact value of J is not known (it can be influenced by a non-deterministic jitter described in Sect.…”

Section: Trng Realizationmentioning

confidence: 99%

See 1 more Smart Citation

True Random Number Generator Embedded in Reconfigurable Hardware

Fischer

Drutarovský

2003

Lecture Notes in Computer Science

136

105

View full text Add to dashboard Cite

Abstract. This paper presents a new True Random Number Generator (TRNG) based on an analog Phase-Locked Loop (PLL) implemented in a digital Altera Field Programmable Logic Device (FPLD). Starting with an analysis of the one available on chip source of randomness -the PLL synthesized low jitter clock signal, a new simple and reliable method of true randomness extraction is proposed. Basic assumptions about statistical properties of jitter signal are confirmed by testing of mean value of the TRNG output signal. The quality of generated true random numbers is confirmed by passing standard NIST statistical tests. The described TRNG is tailored for embedded System-On-a-ProgrammableChip (SOPC) cryptographic applications and can provide a good quality true random bit-stream with throughput of several tens of kilobits per second. The possibility of including the proposed TRNG into a SOPC design significantly increases the system security of embedded cryptographic hardware.

show abstract

“…Генераторы случайных и псевдослучайных чисел (ГСЧ и ГПСЧ) находят ши-рокое применение в системах защиты информации, причём используемые в таких системах генераторы должны удовлетворять целому ряду требований, одно из ко-торых статистическая неотличимость порождаемых генератором последовательно-стей от бернуллиевских с p(0) = p(1) = 1/2 [1]. С другой стороны, ГПСЧ по своему построению существенно отличаются от бернуллиевских процессов: энтро-пия (на символ) у выходной последовательности значительно меньше одного би-та, тогда как у полностью случайной один (см.…”

unclassified

Applications of two-faced processes to pseudorandom number generation

Ryabko¹

2016

Applied Discrete Mathematics. Supplement

View full text Add to dashboard Cite

Описываются случайные процессы, у которых энтропия может быть сколь угодно близка к нулю, но при этом, как для полностью случайных последовательностей, частота встречаемости любого двоичного слова u стремится к 2 −|u| , где |u| дли-на u. Это позволяет строить генераторы псевдослучайных чисел с доказанными свойствами, что представляет большой интерес для криптографических систем защиты информации.Ключевые слова: случайные числа, псевдослучайные числа, энтропия Шеннона.Генераторы случайных и псевдослучайных чисел (ГСЧ и ГПСЧ) находят ши-рокое применение в системах защиты информации, причём используемые в таких системах генераторы должны удовлетворять целому ряду требований, одно из ко-торых статистическая неотличимость порождаемых генератором последовательно-стей от бернуллиевских с p(0) = p(1) = 1/2 [1]. С другой стороны, ГПСЧ по своему построению существенно отличаются от бернуллиевских процессов: энтро-пия (на символ) у выходной последовательности значительно меньше одного би-та, тогда как у полностью случайной один (см. описание схемы ГПСЧ, напри-мер, в [2, 3]). Напомним определение энтропии стационарного процесса µ: условная энтропия порядка m, m = 1, 2, . . ., и (предельная) энтропия даются равенствами. В работе описываются процессы, для которых с вероятностью 1 в порождаемой последовательности x 1 x 2 . . . для каждого двоичного слова u выполняется равенство lim t→∞ ν t (u)/(t − |u|) = 2 −|u| , где ν t (u) число встреч слов u в последовательности x 1 . . . x |u| , x 2 . . . x |u|+1 , . . ., x t−|u|+1 . . . x t , что должно выполняться для полностью случайных последовательно-стей. Однако энтропия процесса может быть много меньше единицы, что обычно вы-полняется для ГПСЧ.Сначала определим два семейства процессов T k,π иT k,π , где k = 1, 2, . . . и π ∈ (0, 1) параметры. Оба процесса марковские цепи связности, или памяти k, которые гене-рируют буквы из алфавита {0, 1}. Определим их матрицы переходов по индукции: матрица для T 1,π определяется равенствами P T 1,π (0/0) = π, P T 1,π (0/1) = 1 − π (оче-видно, P T 1,π (1/0) = 1 − π, P T 1,π (1/1) = π). ПроцессT 1,π определяется равенствами PT 1,π (0/0) = 1 − π, PT 1,π (0/1) = π. Предположим теперь, что T k,π иT k,π определены. Тогда T k+1,π иT k+1,π определяются так: P T k+1,π (0/0u) = P T k,π (0/u), P T k+1,π (1/0u) = P T (k,π) (1/u), P T (k+1,π) (0/1u) = PT (k,π) (0/u), P T (k+1,π) (1/1u) = PT (k,π) (1/u), 1 Работа поддержана грантом РФФИ, проект № 15-29-07932.

show abstract

A statistical test suite for random and pseudorandom number generators for cryptographic applications

Cited by 1,192 publications

References 1 publication

Digital image steganography: Survey and analysis of current methods

Digital image steganography: Survey and analysis of current methods

True Random Number Generator Embedded in Reconfigurable Hardware

Applications of two-faced processes to pseudorandom number generation

Contact Info

Product

Resources

About