[논문 리뷰] Efficient and Cryptographically Secure Generation of Chaotic Pseudorandom Numbers on GPU

Bahi, Jacques M., Raphaël Couturier외 2명|arXiv (Cornell University)|2011. 12. 22.

Chaos-based Image/Signal Encryption참고 문헌 2인용 수 4

한 줄 요약

이 논문은 고성능—초당 약 200억 개의 난수를 생성하는 GPU 가속화된 의사난수 생성기(PRNG)를 제안한다. 이 PRNG는 혼돈적 반복 기반이며, 엄격한 BigCrush 통계적 테스트를 통과하고, 입력 PRNG가 보안성이 확보되어 있다면 암호학적 보안성도 유지한다. 방법론은 Devaney의 혼돈 정의를 활용하며, 혼돈적 반복을 통한 후처리를 통해 성능을 희생시키지 않은 채 통계적 품질과 보안성을 향상시킨다.

ABSTRACT

In this paper we present a new pseudorandom number generator (PRNG) on graphics processing units (GPU). This PRNG is based on the so-called chaotic iterations. It is firstly proven to be chaotic according to the Devaney's formulation. We thus propose an efficient implementation for GPU that successfully passes the BigCrush tests, deemed to be the hardest battery of tests in TestU01. Experiments show that this PRNG can generate about 20 billion of random numbers per second on Tesla C1060 and NVidia GTX280 cards. It is then established that, under reasonable assumptions, the proposed PRNG can be cryptographically secure. A chaotic version of the Blum-Goldwasser asymmetric key encryption scheme is finally proposed.

연구 동기 및 목표

• GPU 아키텍처에 적합한 빠르고 통계적으로 안정적이며 암호학적으로 안전한 PRNG를 설계하기 위해.
• 기존 PRNG를 GPU에서 병렬화할 경우 자주 발생하는 성능 저하 문제를 해결하기 위해.
• 제안된 PRNG가 Devaney의 혼돈 정의를 만족함을 공식적으로 증명하기 위해.
• 암호학적으로 안전한 입력 PRNG가 제안된 혼돈적 후처리를 거쳐도 보안성이 유지됨을 입증하기 위해.
• 제안된 혼돈적 PRNG로 Blum-Goldwasser 암호 체계를 개선하여 보다 높은 보안성과 효율성을 확보하기 위해.

제안 방법

• 기본 PRNG(예: Xorshift 생성기)에 혼돈적 반복 후처리를 적용하여 위상적 혼돈을 유도하는 방식으로 PRNG를 구성한다.
• 혼돈적 반복 과정은 현재 상태와 입력 PRNG로부터 추출한 비트에 따라 정의되는 상태 갱신 규칙을 사용한다.
• 초기 조건에 대한 민감성, 위상적 전이성, 조밀한 주기 궤도를 만족시켜 Devaney의 혼돈 조건을 확보한다.
• GPU 구현은 스레드 수준의 병렬 처리를 활용하며, 각 스레드가 혼돈적 반복 과정을 통해 의사난수 시퀀스를 생성한다.
• 알고리즘은 GPU 메모리 접근 패턴에 최적화되어 있으며, 처리량을 극대화하기 위해 경량 연산(XOR, 비트 시프트)을 사용한다.
• 암호학적 보안성은 입력 PRNG가 암호학적으로 안전하다는 가정 하에 유지되며, 이를 입증하기 위해 입력 생성기의 보안성으로의 환원이 수행된다.

실험 결과

연구 질문

• RQ1 혼돈적 반복 기반 PRNG는 통계적 품질과 혼돈 성질을 유지하면서도 GPU에서 효율적으로 구현될 수 있는가?
• RQ2 혼돈적 반복 후처리 과정이 암호학적으로 안전한 입력 PRNG의 보안성을 유지하는가?
• RQ3 제안된 GPU 기반 PRNG는 통계적 난수성에 영향을 주지 않으면서도 고처리량(예: 100억 개/초 이상)을 달성할 수 있는가?
• RQ4 제안된 PRNG는 가장 엄격한 통계적 테스트 세트인 BigCrush에서 어떤 성능을 보이는가?
• RQ5 Blum-Goldwasser 암호 체계는 BBS 생성기를 제안된 혼돈적 PRNG로 교체함으로써 보다 높은 보안성과 효율성을 확보할 수 있는가?

주요 결과

• 제안된 GPU 기반 PRNG는 Tesla C1060 및 NVIDIA GTX280 GPU에서 약 200억 개의 의사난수를 초당 생성한다.
• PRNG는 TestU01에서 사용 가능한 가장 엄격한 통계 테스트 세트인 BigCrush 테스트를 성공적으로 통과한다.
• PRNG는 수학적으로 Devaney의 정의에 따라 혼돈적임이 증명되었으며, 민감성, 전이성, 조밀한 주기 궤도를 모두 만족한다.
• 입력 PRNG가 암호학적으로 안전하다면, 이를 바탕으로 한 혼돈적 PRNG 역시 이 성질을 물려받아 암호 분석 공격에 저항한다.
• 기존 BBS 생성기를 제안된 혼돈적 PRNG로 교체한 수정된 Blum-Goldwasser 암호 체계를 제안하였으며, 보안성은 유지하면서 성능 향상을 이룬다.
• 이 방법은 고성능 계산 및 암호학적 응용에 적합한 빠르고 안전하며 혼돈적인 PRNG를 구축할 수 있도록 한다.