[论文解读] A Review Study of NIST Statistical Test Suite: Development of an indigenous Computer Package

Jesse Zaman, Ranjan Ghosh|arXiv (Cornell University)|Aug 28, 2012

Chaos-based Image/Signal Encryption参考文献 3被引用 12

一句话总结

本文在C语言中独立实现了NIST统计测试套件，作为独立的Windows兼容软件包，用于验证伪随机数生成器（PRNG）。作者在三种PRNG——LCG（Park & Miller）、LCG（Knuth）和BBSG上实现了并测试了所有NIST测试，与NIST结果表现出强烈的统计一致性，结论为BBSG在随机性质量方面优于其他两个。

ABSTRACT

A review study of NIST Statistical Test Suite is undertaken with a motivation to understand all its test algorithms and to write their C codes independently without looking at various sites mentioned in the NIST document. All the codes are tested with the test data given in the NIST document and excellent agreements have been found. The codes have been put together in a package executable in MS Windows platform. Based on the package, exhaustive test runs are executed on three PRNGs, e.g. LCG by Park & Miller, LCG by Knuth and BBSG. Our findings support the present belief that BBSG is a better PRNG than the other two.

研究动机与目标

• 在不参考外部代码的前提下，逆向工程并独立实现NIST统计测试套件中的所有算法。
• 开发一个可移植的、可执行的计算机软件包，用于在Microsoft Windows平台上运行NIST测试。
• 使用官方NIST测试数据验证实现的测试的正确性。
• 评估并比较三种广泛使用的PRNG的随机性质量：LCG（Park & Miller）、LCG（Knuth）和BBSG。
• 评估BBSG相对于标准LCG实现的统计鲁棒性。

提出的方法

• 所有NIST测试算法均从官方NIST文档中逆向工程，并用C编程语言重新实现。
• 使用NIST统计测试套件文档中提供的参考测试数据集对实现进行了严格测试。
• 将完整的测试套件集成到一个单一的可执行Windows应用程序中，以提高易用性和部署效率。
• 使用开发的软件包对三种PRNG进行了全面的统计测试：LCG（Park & Miller）、LCG（Knuth）和BBSG。
• 收集每个测试的p值，并进行分析以评估生成序列的均匀性和独立性。
• 将结果与NIST的预期结果进行比较，以验证实现的正确性。

实验结果

研究问题

• RQ1 是否可以在不使用外部参考代码的前提下，准确地在C语言中重新实现NIST统计测试套件的所有算法？
• RQ2 所开发的计算机软件包是否产生与官方NIST测试套件一致的结果？
• RQ3 当经过完整的NIST测试套件测试时，LCG（Park & Miller）、LCG（Knuth）和BBSG的统计特性如何比较？
• RQ4 BBSG在随机性质量方面是否在统计上优于标准LCG实现？
• RQ5 该实现在多大程度上保持了原始NIST测试流程的完整性？

主要发现

• 独立实现的C代码产生的结果与NIST文档中提供的测试数据表现出极好的一致性。
• 所开发的计算机软件包成功地在指定PRNG上执行了所有NIST统计测试，且运行于MS Windows环境中。
• BBSG生成器在所有NIST测试中均一致通过，且p值较高，表明其具有强大的随机性特性。
• LCG实现（包括Park & Miller和Knuth变体）在测试结果上表现出一些偏差，特别是在对长程相关性敏感的测试中。
• 本研究证实，BBSG在统计上优于所测试的两个LCG变体，支持其作为密码学更强的PRNG的声誉。
• 实现过程验证了当正确应用时，NIST测试套件的正确性和可靠性。