CN110022212A - 一种重叠子序列检测和近似熵检测的组合实现方法 - Google Patents
一种重叠子序列检测和近似熵检测的组合实现方法 Download PDFInfo
- Publication number
- CN110022212A CN110022212A CN201910316483.9A CN201910316483A CN110022212A CN 110022212 A CN110022212 A CN 110022212A CN 201910316483 A CN201910316483 A CN 201910316483A CN 110022212 A CN110022212 A CN 110022212A
- Authority
- CN
- China
- Prior art keywords
- detection
- seat
- frequencies
- approximate entropy
- seat sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
- H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
- H04L9/0869—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving random numbers or seeds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Complex Calculations (AREA)
Abstract
本发明一种重叠子序列检测和近似熵检测的组合实现方法属于信息安全领域。包括以下步骤:统计6位子序列频数;计算1位至5位子序列频数;计算中间变量,包括计算重叠子序列检测中间变量和计算近似熵检测中间变量;计算统计值,包括计算重叠子序列检测统计值和计算近似熵检测统计值;比较判断,比较重叠子序列检测统计值与重叠子序列检测阈值之间的大小,以确定待检序列是否通过重叠子序列检测;比较近似熵检测统计值与近似熵检测阈值之间的大小,以确定待检序列是否通过近似熵检测。本发明具有检查效率高、占用存储空间小等优点。
Description
技术领域
本发明一种重叠子序列检测和近似熵检测的组合实现方法属于信息安全领域。
背景技术
随机数发生器是密码学领域的安全基础,为众多密码技术提供根本性的安全保证。随机数发生器的输出被称为随机数,广泛应用于各个领域,比如对称密码算法和非对称密码算法的密钥产生、挑战-应答机制中的挑战值、数字签名方案中的秘密信息、抵抗侧信道分析攻击等。随机数质量的检测可以采用较为通用的统计测试方法,检查输出质量是否存在明显缺陷。一般将若干针对不同方面的统计性质的测试项合并到一起形成一套统计测试套件,使用者利用测试套件检测待检序列,并根据检测结果通过随机数的质量。
常见的统计测试套件有美国国家标准与技术研究院发布的特别出版物文档《AStatistical Test Suite for Random and Pseudorandom Number Generators forCryptographic Applications》以及我国在2016年颁布的国家标准GB/T 32915-2016 《信息安全技术二元序列随机性检测方法》等。这两个标准文档都建议了15个统计检测方法,近似熵检测方法是他们都建议使用的一种测试方法。这种统计检测项目通过比较m位可重叠子序列模式的频数和m+1位可重叠子序列模式的频数来检测待检序列的随机性。
为方便描述,记长度为n比特的待测试序列是二元序列。记m位子序列模式i 1 i 2…i m 出现的频数为v[i 1 i 2…i m ]。我国检测标准规定n为一百万。
传统重叠子序列检测流程如下:
第一步,用长度为n比特的待测试二元序列构造一个新序列,构造方式是将序列的最开始m-1位数据添加到序列的末尾,新序列的长度为n+m-1,m取2和5;
第二步,计算新序列中每一种m位子序列模式i 1 i 2…i m 出现的频数v[i 1 i 2…i m ](共有2 m 种)、每一种m-1位子序列模式i 1 i 2…i m-1出现的频数v[i 1 i 2…i m-1 ](共有2 m-1种),每一种m-2位子序列模式i 1 i 2…i m-2 出现的频数v[i 1 i 2…i m-2 ](共有2 m-2种);
第三步,计算,,;
第四步,计算,;
第五步,计算P值,,;
第六步,且,则待检序列通过检测。
传统近似熵检测流程如下:
第一步,用长度为n比特的待测试二元序列构造一个新序列,构造方式是将序列的最开始m-1位数据添加到序列的末尾,新序列的长度为n+m-1,m取2和5;
第二步,计算新序列中每一种m位子序列模式i 1 i 2…i m 出现的频数v[i 1 i 2…i m ](共有2 m 种)、每一种m+1位子序列模式i 1 i 2…i m+1 出现的频数v[i 1 i 2…i m+1](共有2 m+1种);
第三步,计算,其中,;
第四步,计算统计值,其中;
第五步,计算P值,;
第六步,如果,则待检序列通过检测,其中为显著性水平,我国标准建议取0.01。
大量的实验表明传统重叠子序列检测和近似熵检测的实现方式的效率较低,因为目前实现方式都存在如下诸多弊端:其一,将输入的字节数据改为用比特表示,增加了计算量;其二,检测过程采用基于比特统计,每次仅处理一个比特,处理器字长没有充分利用;其三,不同长度的子序列频数m=2和m=5分别统计,这就需要进行四次相同的数据加载来计算2位、3位、5位、6位子序列频数统计。其四,两个检测项的核心计算步骤有很多相同和可以相互借鉴利用的地方,但目前的实现方式没有考虑。有鉴于此,实际检测中需要更加高效快捷的实现方式,进而大大提高整个检测套件的效率。所以重叠子序列检测和近似熵检测的快速实现具有非常重要的现实意义。
发明内容
本发明的目的是针对上述不足之处,提供一种重叠子序列检测和近似熵检测的组合实现方法,将参数m取不同数值的情况合并计算(参数m是检测方案规定的标准参数,表示m位可重叠子序列模式),解决计算机在执行待检序列的重叠子序列检测和近似熵检测时检测效率较低的问题。
本发明是采取以下技术方案实现的:
一种重叠子序列检测和近似熵检测的组合实现方法,其特征在于,该方法包括以下步骤:
S1、统计6位子序列频数,即逐次获取6位子序列的值 ,其中i为自然数,且;
S2、计算1位至5位子序列频数,即利用已计算得到的6位子序列的频数获得1位、2位、3位、4位、5位子序列频数,其中为自然数,且;,其中为自然数,;,其中为自然数,;,其中为自然数,;,其中为自然数,;
S3、计算中间变量,即计算重叠子序列检测中间变量,,,,,,;计算近似熵检测中间变量,,,其中,;为的二进制表示, 的计算过程参考步骤S1和步骤S2;n为待检序列比特长度;
S4、计算统计值,即计算重叠子序列检测统计值,,,,;计算近似熵检测统计值,,,其中,和的计算方法参考步骤S3。
进一步的,步骤S1统计6位子序列频数,无需将待检序列从字节拆分为比特,可以采取一次性加载w字节(记为一个字)的处理方式,w取1或2或4或8。
进一步的,步骤S1统计6位子序列频数,按如下步骤执行,首先记字A的第x比特到第y比特为,记字A和B的拼接为,然后对j=0到n-1执行如下步骤:
S11、获取位置变量:将j拆分为字的位置信息a和字内位置信息b,,。
S12、获取6比特值:如果,则获取第a个字A,取;否则获取第a个字A和第a+1个字B,取。
S13、更新频数,。
进一步的,所述步骤S2计算1位至5位子序列频数,其计算方式为,由6位子序列频数计算5位子序列频数,由5位子序列频数计算4位子序列频数,由4位子序列频数计算3位子序列频数,由3位子序列频数计算2位子序列频数,由2位子序列频数计算1位子序列频数。
进一步的,所述步骤S2计算1位至5位子序列频数,其计算方式还可以为,1位至5位子序列频数均直接由6位子序列计算得到。
进一步的,所述步骤S2计算1位至5位子序列频数,6位子序列频数计算5位子序列频数的实现方式为,;5位子序列频数计算4位子序列频数的实现方式为,;4位子序列频数计算3位子序列频数的实现方式为,;3位子序列频数计算2位子序列频数的实现方式为,;2位子序列频数计算1位子序列频数的实现方式为,;6位子序列频数计算4位子序列频数的实现方式为,;6位子序列频数计算3位子序列频数的实现方式为,;6位子序列频数计算2位子序列频数的实现方式为,;6位子序列频数计算1位子序列频数的实现方式为,;上述为自然数。
进一步的,所述步骤S5中的比较判断,比较重叠子序列检测统计值,,,与重叠子序列检测阈值之间的大小,其执行方式为(S5-A1),计算P值,,,;如果,,,同时成立,则待检序列通过重叠子序列检测。
进一步的,所述步骤S5中的比较判断,比较重叠子序列检测统计值,,,与重叠子序列检测阈值之间的大小,其执行方式还可以为(S5-A2),如果,,,同时满足,则待检序列通过重叠子序列检测,其中,,,。
进一步的,所述步骤S5比较判断,比较近似熵检测统计值、与近似熵检测阈值之间的大小,执行方式为(S5-B1),计算,,如果且,则待检序列通过近似熵检测。
进一步的,所述步骤S5比较判断,比较近似熵检测统计值、与近似熵检测阈值之间的大小,执行方式还可以为(S5-B2),如果且,则待检序列通过近似熵检测,其中,。
发明优点:
本发明待测试序列采取字节处理方式,无需拆分为比特;合并统计这两种检测所需的多种不同长度的子序列频数,即统计1位至6位子序列频数,避免重复执行同样的频数统计流程;只统计6位子序列频数,其余长度子序列频数由6位子序列频数直接或间接得到,而不需要重复同样的频数统计流程;本发明具有重叠子序列检测和近似熵检测合并执行、相同检测项的不同参数合并执行、整体计算量小、检查速度快、占用内存少等优点。
附图说明
图1是一种重叠子序列检测和近似熵检测的组合实现方法的流程图。
图2是一种重叠子序列检测和近似熵检测的组合实现方法的步骤S1统计6位子序列频数的流程图。
图3是一种重叠子序列检测和近似熵检测的组合实现方法的步骤S2计算1位至5位子序列频数的第一种计算方式的流程图。
图4是一种重叠子序列检测和近似熵检测的组合实现方法的步骤S2计算1位至5位子序列频数的第二种计算方式的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例1:
参照附图1~4,一种重叠子序列检测和近似熵检测的组合实现方法,它对输入的字节待检序列包括如下步骤:
S1、统计6位子序列频数:逐次获取6位子序列的值 ,。w取4。对j=0到n-1执行如下步骤:
S11、获取位置变量:将j拆分为字的位置信息a和字内位置信息b,,。
S12、获取6比特值:如果,则获取第a个字A,取;否则获取第a个字A和第a+1个字B,取。
S13、更新频数:。
S2、计算1位至5位子序列频数:利用已计算得到的6位子序列的频数获得1位、2位、3位、4位、5位子序列频数,,,,,,,,,。由6位子序列频数直接计算1位至5位子序列频数。6位子序列频数计算5位子序列频数的实现方式为,;6位子序列频数计算4位子序列频数的实现方式为,;6位子序列频数计算3位子序列频数的实现方式为,;6位子序列频数计算2位子序列频数的实现方式为,;6位子序列频数计算1位子序列频数的实现方式为,。
S3、计算中间变量:计算重叠子序列检测中间变量,,,,,,;计算近似熵检测中间变量,,,其中,。
S4、计算统计值:计算重叠子序列检测统计值,,,,;计算近似熵检测统计值,,,其中。
S5、比较判断:如果,,,同时满足,则待检序列通过重叠子序列检测,其中,,,。如果且,则待检序列通过近似熵检测,其中,。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,应当指出的是,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种重叠子序列检测和近似熵检测的组合实现方法,其特征在于,该方法包括以下步骤:
S1、统计6位子序列频数,即逐次获取6位子序列的值,其中i为自然数,且;
S2、计算1位至5位子序列频数,即利用已计算得到的6位子序列的频数获得1位、2位、3位、4位、5位子序列频数,其中为自然数,且;,其中为自然数,;,其中为自然数,;,其中为自然数,;,其中为自然数,;
S3、计算中间变量,即计算重叠子序列检测中间变量,,,,,,;计算近似熵检测中间变量,,,其中,;为的二进制表示, 的计算过程参考步骤S1和步骤S2;n为待检序列比特长度;
S4、计算统计值,即计算重叠子序列检测统计值,,,,;计算近似熵检测统计值,,,其中,和的计算方法参考步骤S3。
2.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,步骤S1统计6位子序列频数,无需将待检序列从字节拆分为比特,可以采取一次性加载w字节,记为一个字的处理方式,w取1或2或4或8。
3.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,步骤S1统计6位子序列频数,按如下步骤执行,首先记字A的第x比特到第y比特为,记字A和B的拼接为,然后对j=0到n-1执行如下步骤:
S11、获取位置变量,将j拆分为字的位置信息a和字内位置信息b,,;
S12、获取6比特值,如果,则获取第a个字A,取;否则获取第a个字A和第a+1个字B,取;
S13、更新频数,。
4.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S2计算1位至5位子序列频数,其计算方式为,由6位子序列频数计算5位子序列频数,由5位子序列频数计算4位子序列频数,由4位子序列频数计算3位子序列频数,由3位子序列频数计算2位子序列频数,由2位子序列频数计算1位子序列频数。
5.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S2计算1位至5位子序列频数,其计算方式为,1位至5位子序列频数均直接由6位子序列计算得到。
6.根据权利要求4或5所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S2计算1位至5位子序列频数,6位子序列频数计算5位子序列频数的实现方式为,;
5位子序列频数计算4位子序列频数的实现方式为,;
4位子序列频数计算3位子序列频数的实现方式为,;
3位子序列频数计算2位子序列频数的实现方式为,;
2位子序列频数计算1位子序列频数的实现方式为,;
6位子序列频数计算4位子序列频数的实现方式为,;
6位子序列频数计算3位子序列频数的实现方式为,;
6位子序列频数计算2位子序列频数的实现方式为,;
6位子序列频数计算1位子序列频数的实现方式为,;上述为自然数。
7.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S5中的比较判断,比较重叠子序列检测统计值,,,与重叠子序列检测阈值之间的大小,其执行方式为(S5-A1),计算P值,,,;
如果,,,同时成立,则待检序列通过重叠子序列检测。
8.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S5中的比较判断,比较重叠子序列检测统计值,,,与重叠子序列检测阈值之间的大小,其执行方式为(S5-A2),如果,,,同时满足,则待检序列通过重叠子序列检测,其中,,,。
9.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S5比较判断,比较近似熵检测统计值、与近似熵检测阈值之间的大小,执行方式为(S5-B1),计算,,如果且,则待检序列通过近似熵检测。
10.根据权利要求1所述的重叠子序列检测和近似熵检测的组合实现方法,其特征在于,所述步骤S5比较判断,比较近似熵检测统计值、与近似熵检测阈值之间的大小,执行方式还可以为(S5-B2),如果且,则待检序列通过近似熵检测,其中,。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019101792481 | 2019-03-10 | ||
CN201910179248 | 2019-03-10 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110022212A true CN110022212A (zh) | 2019-07-16 |
Family
ID=67191968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910316483.9A Pending CN110022212A (zh) | 2019-03-10 | 2019-04-19 | 一种重叠子序列检测和近似熵检测的组合实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110022212A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371547A (zh) * | 2020-03-03 | 2020-07-03 | 江苏芯盛智能科技有限公司 | 一种重叠子序列检测方法、系统、设备及计算机存储介质 |
-
2019
- 2019-04-19 CN CN201910316483.9A patent/CN110022212A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111371547A (zh) * | 2020-03-03 | 2020-07-03 | 江苏芯盛智能科技有限公司 | 一种重叠子序列检测方法、系统、设备及计算机存储介质 |
CN111371547B (zh) * | 2020-03-03 | 2023-01-13 | 江苏芯盛智能科技有限公司 | 一种重叠子序列检测方法、系统、设备及计算机存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Observability of Boolean control networks: A unified approach based on finite automata | |
CN106295337B (zh) | 用于检测恶意漏洞文件的方法、装置及终端 | |
CN103457719B (zh) | 一种对sm3密码算法hmac模式的侧信道能量分析方法 | |
Liu et al. | Positive solutions of Kirchhoff type problem with singular and critical nonlinearities in dimension four | |
CN108763070A (zh) | 测试数据的生成方法、装置及电子设备 | |
LaRock et al. | Hypa: Efficient detection of path anomalies in time series data on networks | |
CN109359588A (zh) | 一种新的隐私保护下非交互式的k近邻分类方法 | |
Li et al. | Fractal dimension of Riemann–Liouville fractional integral of certain unbounded variational continuous function | |
CN110022212A (zh) | 一种重叠子序列检测和近似熵检测的组合实现方法 | |
Lee et al. | Abelianization of BPS quivers and the refined Higgs index | |
CN109861811A (zh) | 一种重叠子序列检测的快速实现方法 | |
Feng et al. | On the variety of shapes on the fringe of a random recursive tree | |
CN109947396A (zh) | 一种近似熵检测的加速实现方法 | |
Chen et al. | Remark on the completeness of an exponential type sequence | |
Zhang et al. | Privacy-Preserving DBSCAN Clustering Algorithm Based on Negative Database | |
Yan et al. | A note on quasi-weakly almost periodic point | |
Kaimanovich et al. | Random walks on random horospheric products | |
Kim et al. | A dynamic edit distance table | |
CN109617653A (zh) | 序列测试的优化实现方法 | |
Wang et al. | New lower bounds to wrap-around L 2-discrepancy for U-type designs with three-level | |
CN109889321A (zh) | 一种用于格公钥密码的错误采样方法 | |
Zhou | On a class of superlinear nonlocal fractional problems without Ambrosetti–Rabinowitz type conditions | |
Ma et al. | Matrices whose powers eventually have certain properties | |
Baril et al. | Equivalence classes of permutations modulo descents and left-to-right maxima | |
CN112099953B (zh) | 一种基于耦合动态整数帐篷映射的并行Hash函数构造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |
|
RJ01 | Rejection of invention patent application after publication |