[论文解读] The B-Exponential Map: A Generalization of the Logistic Map, and Its Applications In Generating Pseudo-random Numbers

Mahesh C. Shastry, Nithin Nagaraj+1 more|arXiv (Cornell University)|Jul 14, 2006

Chaos-based Image/Signal Encryption参考文献 13被引用 13

一句话总结

本文提出B-指数映射（B-Exponential Map），一种广义化的1D混沌映射，可推广逻辑斯蒂映射（Logistic Map），并提出BEACH——一种伪随机数生成器（PRNG），通过在不同B值的轨迹间混沌跳跃来生成随机数。该研究证明，当所有B ≥ e⁻⁴时，系统表现出鲁棒混沌（robust chaos），且BEACH在高置信度下通过了NIST与Diehard统计随机性测试，适用于密码学应用。

ABSTRACT

A 1-dimensional generalization of the well known Logistic Map is proposed. The proposed family of maps is referred to as the B-Exponential Map. The dynamics of this map are analyzed and found to have interesting properties. In particular, the B-Exponential Map exhibits robust chaos for all real values of the parameter B >= e^(-4). We then propose a pseudo-random number generator based on the B-Exponential Map by chaotically hopping between different trajectories for different values of B. We call this BEACH (B-Exponential All-Chaotic Map Hopping) pseudo-random number generator. BEACH successfully passes stringent statistical randomness tests such as ENT, NIST and Diehard. An implementation of BEACH is also outlined.

研究动机与目标

• 开发一种在宽泛参数范围内具有鲁棒混沌特性的新型混沌映射。
• 利用混沌系统确定性但类似随机的行为，生成高质量的伪随机数。
• 设计一种PRNG，即使在长序列下也能通过NIST与Diehard等严格统计测试。
• 探索鲁棒混沌在密码学PRNG设计中的应用潜力。
• 为基于BEACH生成器的保密流密码系统奠定基础。

提出的方法

• B-Exponential Map定义为：GL(B,x) = [B - xB^x - (1-x)B^(1-x)] / (B - √B)，其中x ∈ [0,1]且B > 0。
• 证明该映射在B ≥ e⁻⁴时与Logistic Map拓扑共轭，确保其混沌动力学行为等价。
• 通过李雅普诺夫指数分析确立鲁棒混沌：当所有B ≥ e⁻⁴时，李雅普诺夫指数恒为ln(2)。
• BEACH PRNG通过在不同B值之间混沌跳跃来生成具有长周期的序列。
• 使用ENT、NIST与Diehard测试套件对长达10 Gb的序列进行统计验证。
• 通过初始条件与参数跳跃机制，确保输出的不可预测性与均匀性。

实验结果

研究问题

• RQ1 B-Exponential Map是否在广泛的B值范围内表现出鲁棒混沌？
• RQ2 基于B-Exponential Map轨迹间混沌跳跃的PRNG能否通过严格的统计随机性测试？
• RQ3 当B ≥ e⁻⁴时，B-Exponential Map是否与Logistic Map拓扑共轭？
• RQ4 B-Exponential Map在参数空间中的李雅普诺夫指数行为如何？
• RQ5 BEACH生成器能否在极长序列下保持统计随机性？

主要发现

• B-Exponential Map在所有实数B ≥ e⁻⁴范围内表现出鲁棒混沌，未观察到周期窗口。
• B-Exponential Map的李雅普诺夫指数在所有B ≥ e⁻⁴时恒为ln(2)，表明其具有强烈的混沌行为。
• BEACH在NIST统计测试套件的全部15项测试中均通过，p值均匀分布在0.001以上，表明随机性具有99%的置信度。
• BEACH在Diehard测试套件的全部18项测试中均通过，使用10个流、每流10亿比特，所有p值在六位小数内不等于0或1。
• 统计分析表明，p值的p值（p-values of p-values）分布均匀，验证了BEACH输出的随机性。
• 即使在长达10吉比特（gigabits）的序列下，生成器仍保持统计随机性，证实其适用于密码学应用。