[論文レビュー] Design Flaws in the Implementation of the Ziggurat and Monty Python methods (and some remarks on Matlab randn)

Boaz Nadler|ArXiv.org|Mar 2, 2006

Algorithms and Data Compression参考文献 11被引用数 4

ひとこと要約

この論文は、正規分布およびガンマ分布変量を生成するためのZigguratおよびMonty Python法に用いられる一様擬似乱数生成器（PRNG）の重大な設計上の欠陥を特定し、非一様な出力と統計的相関を生じさせることを示している。さらに、Zigguratに基づくPRNGを用いるMATLABの組み込み関数randnについても、連続する出力同士に相関があり、異なるシードで初期化されたシーケンス間にも非自明な相関が生じることを明らかにした。これは、確率的シミュレーションにバイアスをもたらす可能性がある。

ABSTRACT

{\em Ziggurat} and {\em Monty Python} are two fast and elegant methods proposed by Marsaglia and Tsang to transform uniform random variables to random variables with normal, exponential and other common probability distributions. While the proposed methods are theoretically correct, we show that there are various design flaws in the uniform pseudo random number generators (PRNG's) of their published implementations for both the normal and Gamma distributions \cite{Ziggurat,{Gamma},Monty}. These flaws lead to non-uniformity of the resulting pseudo-random numbers and consequently to noticeable deviations of their outputs from the required distributions. In addition, we show that the underlying uniform PRNG of the published implementation of Matlab's exttt{randn}, which is also based on the Ziggurat method, is not uniformly distributed with correlations between consecutive pairs. Also, we show that the simple linear initialization of the registers in matlab's exttt{randn} may lead to non-trivial correlations between output sequences initialized with different (related or even random unrelated) seeds. These, in turn, may lead to erroneous results for stochastic simulations.

研究の動機と目的

• ZigguratおよびMonty Python法による正規分布およびガンマ分布変量の生成における、公開実装の統計的弱みを分析・暴露すること。
• 基礎となる一様PRNGの欠陥が、非一様な出力と目的の分布からの逸脱を引き起こすことを示すこと。
• 連続する出力の相関およびシード依存の初期化が、確率的シミュレーションの信頼性に与える影響を調査すること。
• 長周期PRNGであっても、出力関数に欠陥があると、統計的に弱いシーケンスが生成されることを強調すること。
• シミュレーションバイアスを防ぐために、より堅牢な初期化方式と非線形な状態マッピングをPRNG設計に導入すべきであることを提言すること。

提案手法

• PRNGの有限状態機械モデルを分析し、内部状態、遷移関数、出力関数、初期化関数を定義する。
• 確率的枠組みとカイ二乗検定を用いて、ZigguratおよびMonty PythonのPRNGの統計的性質を評価する。
• 公開コードを逆解析することで、MATLABのrandn実装を検証し、出力の相関およびシード依存性を特定する。
• 状態値の符号および下位ビットが、出力シーケンスに決定的パターンを生じさせ、異なるストリーム間の相関を引き起こすことを特定する。
• 数学的分析により、線形な初期化方式が、独立した乱数シーケンス間で非自明な相関を生じさせることを示す。
• カイ二乗検定を用いて、分布の逸脱を検出するのに必要なサンプル数を定量的に評価し、統計的パワーとPRNGの品質の関係を明確にする。

実験結果

リサーチクエスチョン

• RQ1 理論的には正しい設計を採用しているにもかかわらず、ZigguratおよびMonty Python法の公開実装がなぜ非一様な乱数変量を生成するのか。
• RQ2 一様PRNGの連続する出力間の相関が、変換された正規分布またはガンマ分布変量の統計的性質にどのように影響するか。
• RQ3 MATLABのrandn関数において、異なる初期シードが与えられたとしても、出力シーケンス間に非自明な相関が生じる程度はどの程度か。
• RQ4 周期長だけではPRNGの統計的弱みを検出できるのか、それとも出力関数の構造的欠陥の方がより重要なのか。
• RQ5 線形な初期化関数が、並列シミュレーションにおける複数の乱数ストリームの独立性にどのような影響を及えるか。

主な発見

• ZigguratおよびMonty PythonのPRNGは、状態から出力へのマッピングに欠陥があるため、生成された正規分布およびガンマ分布変量に明確に検出可能な統計的逸脱が生じる。
• MATLABのrandn関数は、個々の出力は周辺的に一様であるものの、連続する出力ペア間に統計的相関が存在する。
• 異なるシードで初期化されたシーケンスは、非自明な相関を示し、独立したストリームが約n = 512に達する頃には、期待される相関する4要素組が1つに達する。
• 統計的問題は周期が短いことによるものではない。同じ欠陥を有する出力関数を有する長周期PRNGでも、同様の弱みを示す。
• PRNGの状態の線形な初期化は、出力シーケンス間の予測可能な依存関係を生じさせ、並列確率的シミュレーションで必要な独立性を損なう。
• 分析により、暗号解析、特に関数キー攻撃に類似した事象が判明し、PRNGの初期化は非線形的かつ複雑なものであるべきであることが示唆された。