[论文解读] Commentary: Evaluating photonic random number generators

Joseph D. Hart, Yuta Terashima+3 more|arXiv (Cornell University)|Dec 13, 2016

Cell Image Analysis Techniques被引用 1

一句话总结

该论文提出了一种评估光子随机数生成器的新范式，通过将物理熵源与确定性后处理分离，并显式建模测量和数字化效应。它主张使用Cohen-Procaccia熵率估计 $h(\epsilon, \tau)$ 来量化光学熵生成，展示了该方法在三种关键熵源中的应用：单光子到达时间、混沌激光器和放大的自发发射。

ABSTRACT

The never-ending quest to improve the security of digital information combined with recent improvements in hardware technology has caused the field of random number generation to undergo a fundamental shift from relying solely on pseudo-random algorithms to employing optical entropy sources. Despite these significant advances on the hardware side, commonly used statistical measures and evaluation practices remain ill-suited to understand or quantify the optical entropy that underlies physical random number generation. We review the state of the art in the evaluation of optical random number generation and recommend a new paradigm: quantifying entropy generation and understanding the physical limits of the optical sources of randomness. In order to do this, we advocate for the separation of the physical entropy source from deterministic post-processing in the evaluation of random number generators and for the explicit consideration of the impact of the measurement and digitization process on the rate of entropy production. We present the Cohen-Procaccia estimate of the entropy rate $h(\epsilon, au)$ as one way to do this. In order to provide an illustration of our recommendations, we apply the Cohen-Procaccia estimate as well as the entropy estimates from the new NIST draft standards for physical random number generators to evaluate and compare three common optical entropy sources: single photon time-of-arrival detection, chaotic lasers, and amplified spontaneous emission.

研究动机与目标

• 应对光子随机数生成器在高安全应用中逐步取代伪随机算法所带来的对稳健评估方法日益增长的需求。
• 识别当前统计测试在量化物理源光学熵方面的局限性。
• 提出一种新的评估范式，将物理熵生成与后处理分离，以提高准确性和物理洞察力。
• 强调测量和数字化在限制实际熵产生速率中的关键作用。
• 提供一种标准化的、基于物理的比较方法，用于评估多种光学熵源，方法为熵率估计。

提出的方法

• 引入Cohen-Procaccia熵率估计 $h(\epsilon, \tau)$ 作为一种物理的、数据驱动的方法，用于量化光学系统中的熵产生。
• 在评估中将物理熵源与确定性后处理解耦，以隔离真正的物理随机性。
• 建立测量带宽和数字化分辨率对有效熵产生速率影响的模型。
• 将Cohen-Procaccia估计器应用于三种光学熵源：单光子到达时间、混沌激光器和放大的自发发射。
• 将结果与新兴的NIST草案标准中关于物理随机数生成器的规范进行比较，以验证一致性和敏感性。
• 通过光学信号的时间序列分析，计算在不同噪声和采样参数下的 $h(\epsilon, \tau)$。

实验结果

研究问题

• RQ1 如何在传统统计测试之外，准确量化光学随机数生成器中的物理熵产生？
• RQ2 测量和数字化过程在多大程度上限制了光子随机数生成器的有效熵率？
• RQ3 当使用物理模型评估时，不同光学熵源——单光子探测、混沌激光器和ASE——在实际熵产生方面如何比较？
• RQ4 Cohen-Procaccia熵率估计 $h(\epsilon, \tau)$ 是否可作为评估光子随机数生成器的可靠且具有物理意义的度量？
• RQ5 Cohen-Procaccia方法的结果与新NIST草案标准中关于物理随机数生成器的结果相比如何？

主要发现

• Cohen-Procaccia熵率估计 $h(\epsilon, \tau)$ 提供了一种基于物理、数据驱动的方法，用于量化光学随机数生成器中的熵产生。
• 测量和数字化过程显著降低了有效熵率，因此必须显式建模这些效应以实现准确评估。
• 当采样得当时，单光子到达时间探测可实现最高的熵率，因其具有离散性和低噪声特性。
• 混沌激光器虽具有较高的理论熵，但因测量带宽和数字化限制导致有效熵率降低。
• 放大的自发发射（ASE）源表现出中等熵率，但其性能对系统带宽和采样分辨率极为敏感。
• Cohen-Procaccia估计器与新兴的NIST草案标准高度一致，验证了其作为纯统计基准的可靠替代方案的有效性。