CN107193531A - 基于数字影像中的微观结构和噪声提供便携式真随机数发生器的方法 - Google Patents

Abstract

现声明并披露基于数字影像中的微观结构和噪声提供便携式真随机数发生器的方法。使用数字影像中的最低有效位提取二进制数据字符串。经证明，这些原始字符串在稳健选择自然影像的随机性方面可通过DIEHARD、NIST和ENT测试。现有技术(包括智能手机或其他嵌入式设备)可使用和处理此信息，而不会不适当地约束物理和环境参数。此方法可极大地提高所有安全、密码、娱乐和PSI应用中生成随机数的便携式方式。

Description

基于数字影像中的微观结构和噪声提供便携式真随机数发生 器的方法

本申请为以申请日为2012年7月6日、申请号为201280030940.4、名称为“基于数字影像中的微观结构和噪声提供便携式真随机数发生器的方法”的发明专利为母案进行的分案申请。

相关申请对照检索

本PCT申请要求获得共同待决美国正式专利申请序列号13/177,883(申请日期：2011年7月7日)的利益(特此以引用全部内容的方式作为参考)。

技术领域

本发明的披露内容基本上与便携式真随机数发生器有关。更具体来说，本发明的披露内容与基于数字影像中的微观结构和噪声提供便携式真随机数发生器的方法有关。

背景技术

本发明根据物理源提供一种前端、便携式真随机数发生器(TRNG)。各类数字影像使用最小的后处理进行处理，并且可通过DIEHARD、NIST和ENT协议测试。

在人类历史上，人们花费相当大的精力来生成随机数或其衍生物。人们经常使用洗牌、随机投硬币、抽签、丢骰子、旋转转盘及其他方法来避免决策过程中出现偏差。可根据获取方式对生成随机数更现代的方法进行分类。由于计算机和微型计算机可用性的提高及其强大功能，一般会生成确定性伪随机数。而物理随机数发生器则是利用来自放射性衰变源的量子噪声、电子噪声、电阻器的热噪声、反向偏置二极管的雪崩噪声及外部事件引起的高频振荡器中断状态开发。

两个相关问题在生成随机序列过程中至关重要。第一，频率、周期性及局部性不应存在偏差。第二，序列应不可预测，且不受发现影响。第一个问题主要与模拟、实验设计和分配应用中随机数的使用有关。第二个问题(对发现的抵抗力)在所有的加密应用和安全性系统中很重要。

伪随机数发生器的主要问题是需要随机为进程提供种子、发生重复前循环周期的有限性及序列的质量。良好的物理系统比伪随机或以数学为基础的程序更加强大。通常，物理系统的问题为其复杂性和可移植性。有时，在物理源为伪随机数发生器生成有限长度的随机种子的情况下，会使用混合系统，这样会极大地提高随机数的生成率。

随机噪声的物理源之一为混沌源中影像的数字化，例如熔岩灯等中描绘连续流等场景的数字影像或视频。LavaRand以美国专利号5,732,138于1998年3月28日颁发给Noll、Mende和Sisodiya。此方法较为缓慢和繁琐，主要用于为伪随机数发生器提供种子。此系统经过改造(由Noll和Cooper完成，名称为LavaRnd)，利用网络摄像头的数字影像提高了LavaRand的速度。但是，此实现过程在很大程度上取决于特设条件，例如完全黑暗、稳定的高环境温度及最大限度地提高噪声的放大参数。

本发明利用极少的特殊环境条件消除先前技术的物理限制。其在所选影像的类别中极为稳健，不易发现且可嵌到独立设备中。本发明的真随机数发生器将数字采样中最低有效位有关的随机噪声隔离。因此，本发明使用普遍可用的现成硬件，例如智能手机、照相机、扫描仪、单镜头照片传感器及其他可扩展便携的硬件。本发明的优选实施方案是可访问数字影像的任意类型的智能手机或普通的计算设备。本发明的用户可轻松访问用户定义的熵池。

目前针对各种颜色采用8位数字采样的优选实施方案仅考虑加权和非加权函数中一个或多个颜色枪的最低有效位(LSB)。先前使用数字影像的应用假设原始输出并不是随机的，而需要采取大量的纠正措施。在某种程度上，先前技术的难点在于使用影像内各像素的八位，甚至n位模式中的所有信息来生成随机种子。在分析混沌源中随机信息的变化时，较高的位数很可能不会在随后的空间或时间采样中发生变化。例如，首次抽取的三倍8位像素(24位RGB)样品可能与第二次的样品相互关联。这种相互依赖关系甚至存在于现实世界的像素采样中。绿色较多可能意味着红色和蓝色或任何可能的组合较少。申请人进行的测试显示，连接各枪相互独立的最低有效位流不符合TRNG的要求。

Nielsen在他的1998年美国专利号5,774,549中考虑使用数字视频LSB中所含的信息生成随机种子(与Wi lber在美国专利6,764,364中设计硬件发生器的先前技术相似)，但未将此来源作为TRNG考虑或分析。Lang等人(2009)使用数字影像中的LSB生成随机位流。然而，他们的方法均需要原始影像，以有效抑制网络摄像头的有损压缩，此方法限制了其与现代技术的搭配使用。

本发明的新特征是提取影像数字化和量化过程中固有的微观结构噪声和错误，生成真随机位流。本发明过程可使用原始影像或有损压缩影像，例如JPEG。结果显示，提供合理的微观结构模式(例如墙壁、爆米花式天花板、岩层、海浪)后，从最低有效位状态下生成的位流就代表真随机序列。随机位的生成率相当可观。例如，5M照相机(如4)的速率与数字影像的像素容量比例为0.25:1.00，即每张影像为1-5兆位，这样就可不必进行后续处理，例如为确定性伪随机数发生器提供种子。因此，此过程通过保留数字化样品最低有效位中的随机噪声、影像的微观结构和量化噪声来消除先前技术中的难点。

发明内容

本发明的基本构思是基于数字影像中的微观结构和噪声提供真随机数发生器。

本发明的一个方面是提供生成真随机数的方法，上述方法包括以下步骤：

用户从自然发生的场景中选择源影像和类别；

利用编码器数字化源影像，以创建数字影像；

提取数字影像中各像素的最低有效位；

处理各像素的最低有效位，以创建随机位流；

使用新创建的随机位流驱动应用；其中真随机数的生成以像素最低有效位中影像的微观结构和数字化及量化错误为基础。

在第二个方面，生成真随机数方法中的源影像可以是静态照片，也可以是动态电影视频。

另一个方面，生成真随机数的方法包括根据DIEHARD、NIST和ENT标准选择可靠影像的类别。

另一个方面，生成真随机数的方法还可能提供自然源影像的类别，包括均匀刷涂的墙壁、爆米花式天花板、地毯面料、铺路石、建筑花岗岩柱、古代遗迹和海浪。

另一个方面，生成真随机数的方法还包括应用影像处理标准，以确保所选影像的适当性

另一个方面，生成真随机数的方法可对原始位流进行数字校正。

另一个方面，生成真随机数的方法还应用冯·诺依曼算法，以平衡频率计数的位流

另一个方面，生成真随机数方法中随机数的生成受用户干预和观察的影响。

另一个方面，生成真随机数方法中随机数的生成可用于为确定性伪随机数发生器生成随机种子

另一个方面，生成真随机数方法中的编码器提供创建影像类型微观结构的功能。

另一个方面，生成真随机数方法中的编码器可以是现成的便携式设备(电脑)、嵌入式设备或独立装置。

另一个方面，生成真随机数方法中的随机位流还包括：

驱动用于娱乐和游戏开发的应用；其中，

用户通过选择影像来源和影像类别成为随机过程的一部分；其中，

选择作为一种诱因，可增强游戏的娱乐性。

另一个方面，生成真随机数方法中的随机位流包括使用NIST定义的安全协议(例如MDS、SHA-1和SHA-2)驱动传递安全的个人和商业信息。

另一个方面，生成真随机数方法中的安全应用还包括利用哈希函数的应用。

另一个方面，可计算生成真随机数方法中像素数据的加权函数(范围从至少选择一个颜色枪到加权亮度函数)，以便至少提取一个颜色枪中的最低有效位。

另一个方面，生成真随机数方法中的影像数据结构还包括：

以立方体形式提供n维数据结构；并按跨越时间(t)抽取x和y影像像素试样。

技术人员可通过参考以下书面说明、申请专利范围和随附图纸进一步了解和认识本发明的各种优势。

附图说明

现在将通过参考随附图纸以举例的方式描述本发明，其中：

图1根据本发明的一种实施方法、基于数字影像中的微观结构和噪声表示便携式真随机数发生器的示范性流程图，此流程图展示所需的方法步骤；

图2表示数字影像编码器和最初在图1中介绍的影像类型的框图，该图展示可采用的各种可能类型；

图3表示本发明使用DIEHARD、NIST和ENT协议测试的影像照片(最初在图1中介绍)，这些照片展示影像的部分类别；

图4表示本发明使用DIEHARD、NIST和ENT协议测试的其他影像照片(最初在图1中介绍)，这些照片展示影像的一些其他部分类别；

图5表示提取的二进制信息框图(最初在图1中介绍)，该图展示取自像素最低有效位的信息；

图6表示处理二进制随机位流的流程图(最初在图1中介绍)，该流程图展示可能的偏差校正程序；

图7表示一系列描述原始数字影像(与其变换有关)多维数组的照片；

图8展示可用于增强随机性和位流的不可预测性的算法示例；及

图9展示从影像空间和可选决策点获得、用以根据观察者的干预和可选的统计标准进行处理的随机序列的流程图。

在图纸的各视图中，相似的参考编号表示相似的部分。

具体实施方式

以下详细说明在实质上仅为示范性信息，并非用于限制所述的实施方案或所述实施方案的申请和使用。这里所用的词“示范性”或“说明性”表示“作为示例、实例或说明使用”。在此以“示范性”或“说明性”描述的所有实现方式不一定优于或胜于其他实现方式。以下所述的实现方式均为示范性实现方式，旨在让技术人员制定或使用披露的实施方案，并非用于限制申请专利范围中定义的披露范围。为了便于描述，此处使用的术语“上”、“下”、“左”、“后”、“右”、“前”、“垂直”、“水平”及其派生词均与本发明中图1的方向有关。并且不受前述技术领域、背景、简要概括或以下详细说明中所列的任何明示或暗示理论的限制。还应理解，所附图纸说明和以下说明中描述的特定设备和流程仅是随附申请专利范围中定义的发明构思的示范性实施方案。因此，除申请专利范围明确说明外，不应将与在此披露的实施方案相关的具体尺寸和其他物理特征视为一种限制。

基于数字影像中的微观结构和噪声提供便携式真随机数发生器(TRNG)100所需方法步骤的一般流程图如图1所示。便携式真随机数发生器100首先提供用户所选的自然发生场景的原始或源影像120。所选的源影像120可以是静态(照片)，也可以是动态(电影)，就所选的影像类别而论，此过程较为稳健。然后数字化源影像120，以创建数字影像130。随后,提取数字影像130各像素的最低有效位(LSB)140。处理各像素中所提取的各LSB 140的信息150。因此，处理后的信息150创建随机位流160。最后，随机位流160用于驱动各种应用170。基于数字影像中的微观结构和噪声提供便携式真随机数发生器100方法的详细说明将在下文详细披露。

本方法的示范性步骤需要提供编码器200，以便从源影像120中获取数字影像130，潜在的编码器如图2所示。编码器装置200用于创建影像类型微观结构210。潜在的编码器装置200包括但不限于IPhone 230、智能手机240、照相机250、视频摄像机260、扫描仪270和N像素输入290。尽管可以使用多台设备，但是本发明的首选设备为便携式，例如带照相机且可以联网的通用智能手机240。但是，这并不排除普通的计算和其他嵌入式设备。首选输入为静态影像，但并不排除视频摄像机260中的视频序列。对于大量的随机数，可优先选择无次序和独立照片的照片库280(预先安装)。

实现真随机位流160所需原始影像和建议的微观结构类型210的示范性照片如图3-4所示。已选择和测试多种微观结构影像。影像来源的选择并不是以复杂的数学算法或甚至对环境参数的不稳定调整和考虑为基础。本发明的数码照片均在充足的阳光、未控制的室内照明或无影响的阴影下拍摄。本发明的目标是根据普通的家庭环境要素提供用户可以使用的源影像120，例如均匀刷涂的墙壁410、爆米花式天花板420和地毯面料430。其他自然结构如铺路石370、380和390，建筑花岗岩柱440、450、460,470、480和490，古代遗迹315、320、325、330、340和350以及海浪300、305和310均为合适的选择。因此，源影像的数据库涵盖各种物理设置。

选择影像后，展示本方法中流程的示范性步骤如图5所示。选择影像后，可计算像素数据的加权函数(红色/xxxxxxxl 560、绿色/xxxxxxxl 550和/或蓝色/xxxxxxxl 540)(范围从选择一个或多个颜色枪红色510、绿色520和/或蓝色530到加权人眼亮度函数570或其他)。然后，提取加权像素的LSB(红色/xxxxxxxl 560、绿色/xxxxxxx 1 550和/或蓝色/xxxxxxxl 540)，并将其置于位流160中。目前针对各种颜色采用8位数字采样的优选实施方案仅考虑加权和非加权函数中一个或多个颜色枪的最低有效位(LSB)。分析显示，此位流在所选影像的类别和实例方面可通过DIEHARD、NIST和ENT标准。

所选数字影像的一些实例可能不符合理想的适用条件。基本影像属性的简单内联计算，例如像素值的较低和较高阈值限制或一阶矩(均值)、二阶矩(方差)、三阶矩(偏度)和像素数据的可选更高阶矩作为颜色枪的函数会将影像分类为可接受影像或不会进一步处理。例如根据人类感知的亮度函数(.30)红色560、(.59)绿色550和(.11)蓝色540为各枪加权，减少所选颜色枪的极值。分析显示，对于用户随时可用且类别十分广泛的影像，此变换满足真随机数发生器有关DIEHARD、NIST和ENT的统计要求。

可能会对影像进行适当性测试，尤其因为极其明亮或黯淡的影像或片段会导致随机序列中出现偏差。颜色枪LSB的异或(XOR)等逻辑函数还可能导致位流160中出现极端偏差的状况。例如，用非常明亮的影像中非常明亮的场景或片段使R、G和B枪饱和会导致与最大数字表示的值有关的最常见的值。也就是说，例如大多数8位值将为255。大多数LSB的值将为1。对于非常黯淡接近零的影像中最常见的像素值，此点同样适用，其中大多数LSB的值将为0。可轻松地对作为颜色或加权颜色像素函数的基本影像参数，例如最小和最大范围值阈值、像素数据的一阶矩(均值)和二阶矩(方差)进行内联计算，以增加对影像随机性的信心。也可以动态调整照相机参数，以利用合适的均值和扩展或对比函数获取数据。可根据这些计算，将合适的警告传送给用户(设备或观察者)。

可对此位流160或其中的一部分进行内联统计分析，以确保熵质量。通过统计测试610和纠正算法620处理这些潜在非理想影像的步骤的示范性流程图600如图6所示。因此，将对原始位流160进行首次统计测试，以确定偏差情况610。许多频率和串列测试的示例包括卡方(x2)和短序列NIST测试等简单测试，可实时高效地采用这些测试，而不会不适当地处理开销，从而可确保随机流的质量。如果首次统计测试610显示存在重大偏差，则可利用下表1所示的冯·诺依曼算法620等传统纠正措施，以平衡频率计数的位流。应用纠正算法620后，需要对产生的位流进行第二次630统计测试。如果位流160中依然存在偏差，则将拒绝数据650，并将向未使用的智能设备发送信号。如果在进行第二次统计偏差测试630后未发现偏差，则已纠正的位流数据640适用于应用170。

如果首次统计偏差测试610显示无重大偏差，则原始位流160会自动应用于应用170。

输入1	输入2	输出
			0	0	无
0	1	0
			1	0	1
1	1	无

表1—冯·诺依曼真值表

一个重要区别在于采样的位流160不需要为序列线性。不需要提供序列线性位流的影像700和710的示范性照片如图7所示。此处所示的像素流很像读书一样从影像中读取，从左到右为各新行，这样就可简化对算法的描述。但是，数据的结构至少为二维，如照片700最后一张影像705中所环绕的x和y。也就是说，可能以任何预定义的顺序读取像素，例如颠倒书籍顺序、骑士走棋盘、极坐标、甚至是照片710中所示的随机打乱的顺序(从影像或其他来源中迭代定义序列)。要明确说明，纹理的放大部分如图7中的椭圆形部分720所示。

此外，数据的结构可能为n维，例如从n维空间按顺序检索样品的立方体或超立方体。三维结构的简单示例为预先存储的视频，其x、y影像像素试样按跨越时间(t)抽取。另一个示例为x、y、z、u取样，其中z与影像的类别变化有关，而u表示类别的实例。谨慎地选择多维取样程序可重复使用相同的影像数据库，而不用明显损失熵，并能提高抗预测性。

可提高对发现的抵抗力的非包含性采样算法800的示范性简单示例如图8所示。假设有一堆可从其中抽样的2n影像。为方便起见，我们假设为3次幂，即表示共有8张影像。选择任意影像和像素坐标作为起始点，让像素LSB的下一个2n(8)二进制值定义一个从0-7的值，这样就定义了下一张待处理的影像。我们将流中的下一个2(n2)位定义为与随机二进制数样品有关的运行长度。方便起见，(n2)可取值8，这即表示可能存在256个值(0-255)。以下256个可接受的已处理像素的LSB表示随机位流的此部分。以下3个已处理的像素定义下一张的待处理影像。

各影像均有适当的指针，以避免冲突并指示数据消耗。此算法适用于原始影像数据或已压缩、压缩字节、预处理的影像数据。后者的优势在于，可利用最小的额外处理开销以系数8大大减少存储，这适用于速度较低和内存受限的设备，例如智能手机和嵌入式设备。因此，许多算法均可行，均可有效贯穿多维空间，而不会产生冲突。

预期用途示例

在此列出预期应用的三个典型示例。以部分类别呈现这些示例。所有应用遵循的根本原则为计算设备随时可用、不可预测、局部熵源。此可用性为一系列与安全、PSI、娱乐和游戏应用等有关的应用领域提供了可能性。

示例1：

本发明采用严格的默认参数，可作为前端、便携式TRNG在安全应用中使用。为提高其适用性，可优先采用传统的后处理，以生成随机种子和哈希代码。在使用NIST定义的安全协议(例如MDS、SHA-l和SHA-2)传递安全的个人和商业信息方面，相关的编码和加密数据流处理应用比比皆是。

示例2：

出于娱乐和游戏目的，可使用用户定义的局部熵取代传统的软件伪随机数发生器。当前，大多数需要随机数发生器的游戏技术使用已提供种子的确定性伪随机数发生器。本方法的主要特点和吸引力在于，观察者可以选择私人和个人随机源，这可作为游戏和娱乐的一种诱因。人们只能根据自己皮肤上的手臂纹理、办公室或教室间隔墙或甚至朋友面孔的影像想像获取二分法(是/非)答案或明确答案的不同。“(她)他是否爱我”的模拟游戏会呈现出一种全新的感觉和纹理。

无限制的通俗示例，如生成彩票号码、占卜、随机和定量决策、充满生机的“(她)他是否爱我”游戏、洗牌、模拟游戏均是此方法适用性的一些示例。

示例3

因为观察者干预是随机数生成过程中的主要部分，因此出于研究和娱乐目的将其应用于物理现象上受思想影响的综合区灵学现象成为可能。观察者的基本原则是能够让TRNG产生偏差，以用于在人类感官可感知的反馈装置中引起可检测变化，例如视觉、听觉、触觉和化学反馈。以下的简短介绍用以阐明本发明在此领域的预期用途。

观察者干预及其对硬件随机数生成影响的概念均有据可查。从本质上讲，分析已显示，观察者可利用精神集中和统计显著性(与时间和空间无关)让TRNG产生偏差。此概念涉及与量子力学中观察者效应有关的已知和未知现象。本发明的目的是利用观察者的选择来最大化观察者对TRNG可能产生的影响。如美国专利申请2009/0265112中所述，以前的研究主要使用物理设备和高频振荡器，与热噪声、放射性衰变或甚至观察者做出的按键或鼠标动作有关的物理事件均可导致其中断。

本发明考虑多个阶段的人为干预。各点(在这些点，观察者的选择可最大化其对TRNG产生的影响990)的示范性流程图900如图9所示。影像编码器910、影像类别或影像片段920、提取过程/颜色枪或加权选择930的选取，统计测试的使用940，原始位流960或使用算法965后的已纠正流980，随机流长度(未显示)、偏向(未显示)均与观察者影响990有关。本发明可用于研究或简单地用作娱乐设备以制定决策。

因为可对本发明中所述的优选实施方案进行各种详细的修改、变更和改变，因此前文所述和随附图纸中所示的所有事宜均为说明性，而不具有限制意义。因此，本发明的范围应由随附的申请专利范围及其法律等同性界定。

Claims (14)

1.一种生成真随机数的方法，所述方法包括以下步骤：

用户从自然发生的场景中选择源影像和类别；

利用编码器数字化源影像，以创建数字影像；

提取数字影像中各像素的最低有效位；

处理各像素的最低有效位，以创建随机位流；

使用新创建的随机位流驱动应用；其中

真随机数的生成以像素最低有效位中影像的微观结构和数字化及量化错误为基础；其中

自然源影像的类别至少包括以下各项中的一项：均匀刷涂的墙壁、爆米花式天花板、地毯面料、铺路石、建筑花岗岩柱、古代遗迹和海浪；其中，

计算像素数据的加权函数(范围从至少选择一个颜色枪到加权亮度函数)，以便至少提取一个颜色枪中的最低有效位。

2.根据权利要求1所述的生成真随机数的方法，还包括静态照片和动态电影视频其中之一的源影像。

3.根据权利要求1所述的生成真随机数的方法，还包括根据DIEHARD、NIST和ENT标准选择可靠影像的类别。

4.根据权利要求1所述的生成真随机数的方法，还包括应用影像处理标准，以确保所选影像的适当性。

5.根据权利要求1所述的生成真随机数的方法，还可对随机位流进行数字校正。

6.根据权利要求5所述的生成真随机数的方法，还应用冯·诺依曼算法，以平衡频率计数的位流。

7.根据权利要求1所述的生成真随机数的方法，其中，随机数的生成受用户干预和观察的影响。

8.根据权利要求1所述的生成真随机数的方法，还包括生成可用于为确定性伪随机数发生器生成随机种子的随机数。

9.根据权利要求1所述的生成真随机数的方法，其中，编码器还具有创建影像类型微观结构的功能。

10.根据权利要求1所述的生成真随机数的方法，其中，编码器是现成的便携式设备，并至少包括以下各项中的一项：电脑、嵌入式设备或独立装置。

11.根据权利要求1所述的生成真随机数的方法，其中，随机位流还包括使用NIST定义的安全协议驱动传递安全的个人和商业信息。

12.根据权利要求11所述的生成真随机数的方法，其中，安全应用还包括哈希函数。

13.根据权利要求1所述的生成真随机数的方法，源影像数据结构还包括：

以立方体形式提供n维数据结构；并

按跨越时间(t)抽取x和y影像像素试样。

14.根据权利要求1所述的生成真随机数的方法，其中，随机位流还包括：

驱动用于娱乐和游戏开发的应用；其中，

用户通过选择影像来源和影像类别成为随机过程的一部分；其中，

选择作为一种诱因，可增强游戏的娱乐性。