CN111176610A - 量子随机数生成方法、装置、电子设备及存储介质 - Google Patents

量子随机数生成方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111176610A
CN111176610A CN201911374592.2A CN201911374592A CN111176610A CN 111176610 A CN111176610 A CN 111176610A CN 201911374592 A CN201911374592 A CN 201911374592A CN 111176610 A CN111176610 A CN 111176610A
Authority
CN
China
Prior art keywords
input
output
expectation
equipment
condition
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.)
Granted
Application number
CN201911374592.2A
Other languages
English (en)
Other versions
CN111176610B (zh
Inventor
程书明
李新慧
朱洁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201911374592.2A priority Critical patent/CN111176610B/zh
Publication of CN111176610A publication Critical patent/CN111176610A/zh
Application granted granted Critical
Publication of CN111176610B publication Critical patent/CN111176610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/58Random or pseudo-random number generators
    • G06F7/588Random number generators, i.e. based on natural stochastic processes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)

Abstract

本申请公开了量子随机数生成方法、装置、电子设备及存储介质,涉及量子信息领域,其中方法可包括:针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,第一设备的输入为第一输入或第二输入,第二设备的输入为第三输入或第四输入,第一设备的输出为第一输出或第二输出,第二设备的输出为第三输出或第四输出;根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备的输入为第一输入的条件期望及第一设备的输入为第二输入的条件期望;若所述条件期望满足预先定义的设备无关量子引导不等式,可根据N轮实验的输出生成量子随机数。应用本申请所述方案,可降低实现复杂度等。

Description

量子随机数生成方法、装置、电子设备及存储介质
技术领域
本申请涉及计算机应用技术,特别涉及量子信息领域的量子随机数生成方法、装置、电子设备及存储介质。
背景技术
随着互联网技术和5G通信技术的发展,信息化影响着我们生活的方方面面,大到国家和银行等机构的重要信息的存储和传输,小到个人隐私信息的存储和读取等,均需要用到随机数,如可利用随机数对信息进行加密后再存储和传输等。
目前多采用设备无关量子随机数(Device-independent quantum randomnumber)生成技术来生成随机数。设备无关量子随机数生成技术是指不依赖于设备内部的物理系统和相关测量细节等,仅利用操作设备过程中输入输出的统计信息来产生真随机数的技术。
目前的设备无关量子随机数生成方式普遍基于贝尔不等式(Bell inequality)来实现,这种方式依赖于贝尔不等式的违背,但违背贝尔不等式需要设备等满足严苛的实验要求,难于实现。
发明内容
有鉴于此,本申请提供了量子随机数生成方法、装置、电子设备及存储介质。
一种量子随机数生成方法,包括:
针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,所述第一设备的输入为第一输入或第二输入,所述第二设备的输入为第三输入或第四输入,所述第一设备的输出为第一输出或第二输出,所述第二设备的输出为第三输出或第四输出;
根据所述N轮实验的输入和输出,分别确定出对应于所述第二设备的不同输入输出组合,所述第一设备的输入为所述第一输入的条件期望及所述第一设备的输入为所述第二输入的条件期望;
若所述条件期望满足预先定义的设备无关量子引导不等式,则根据所述N轮实验的输出生成量子随机数。
根据本申请一优选实施例,所述条件期望包括:
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第一输入的第一条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第一输入的第二条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第一输入的第三条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第一输入的第四条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第二输入的第五条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第二输入的第六条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第二输入的第七条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第二输入的第八条件期望。
根据本申请一优选实施例,所述设备无关量子引导不等式包括:
所述第一条件期望与所述第五条件期望之和大于第一结果;
以及,所述第二条件期望的负值与所述第六条件期望的负值之和大于所述第一结果;
以及,所述第三条件期望与所述第七条件期望的负值之和大于第二结果;
以及,所述第四条件期望的负值与所述第八条件期望之和大于所述第二结果;
其中,所述第一结果为1与参数c之和,所述第二结果为1与所述参数c之差,所述参数c为-1到1之间的实数。
根据本申请一优选实施例,该方法进一步包括:所述进行N轮实验之前,为所述第一设备和所述第二设备分发物理状态。
一种量子随机数生成装置,包括:实验单元以及生成单元;
所述实验单元,用于针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,所述第一设备的输入为第一输入或第二输入,所述第二设备的输入为第三输入或第四输入,所述第一设备的输出为第一输出或第二输出,所述第二设备的输出为第三输出或第四输出;根据所述N轮实验的输入和输出,分别确定出对应于所述第二设备的不同输入输出组合,所述第一设备的输入为所述第一输入的条件期望及所述第一设备的输入为所述第二输入的条件期望;
所述生成单元,用于当所述条件期望满足预先定义的设备无关量子引导不等式时,根据所述N轮实验的输出生成量子随机数。
根据本申请一优选实施例,所述条件期望包括:
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第一输入的第一条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第一输入的第二条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第一输入的第三条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第一输入的第四条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第二输入的第五条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第二输入的第六条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第二输入的第七条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第二输入的第八条件期望。
根据本申请一优选实施例,所述设备无关量子引导不等式包括:
所述第一条件期望与所述第五条件期望之和大于第一结果;
以及,所述第二条件期望的负值与所述第六条件期望的负值之和大于所述第一结果;
以及,所述第三条件期望与所述第七条件期望的负值之和大于第二结果;
以及,所述第四条件期望的负值与所述第八条件期望之和大于所述第二结果;
其中,所述第一结果为1与参数c之和,所述第二结果为1与所述参数c之差,所述参数c为-1到1之间的实数。
根据本申请一优选实施例,所述装置中进一步包括:分发单元,用于进行N轮实验之前,为所述第一设备和所述第二设备分发物理状态。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:可针对第一设备和第二设备进行N轮实验,并可根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备分别为不同输入的条件期望,进而可在当确定出的条件期望满足预先定义的设备无关量子引导不等式时,根据N轮实验的输出生成量子随机数,该方式对于设备等没有严苛的实验要求,易于实现,即降低了实现复杂度,且实验显示,同等条件下可以提取到更多的随机数,另外,该方式可适用于各种实验环境,具有广泛适用性等;上述可选方式所具有的其它效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请所述量子随机数生成方法实施例的流程图;
图2为本申请所述第一设备和第二设备的输入输出示意图;
图3为本申请所述量子随机数生成装置300实施例的组成结构示意图;
图4为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本申请所述量子随机数生成方法实施例的流程图。如图1所示,包括以下具体实现方式。
在101中,针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,第一设备的输入为第一输入或第二输入,第二设备的输入为第三输入或第四输入,第一设备的输出为第一输出或第二输出,第二设备的输出为第三输出或第四输出。
在102中,根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备的输入为第一输入的条件期望及第一设备的输入为第二输入的条件期望。
在103中,若得到的条件期望满足预先定义的设备无关量子引导不等式,则根据N轮实验的输出生成量子随机数。
本实施例所述的量子随机数生成方式为设备无关量子随机数生成方式,生成的是真随机数。
优选地,在进行实验之前,可先为第一设备和第二设备分发物理状态,即设置第一设备和第二设备的状态,比如,可为两比特最大纠缠态:
Figure BDA0002340587460000061
可利用光学或离子阱等物理系统制备物理状态,并分发给第一设备和第二设备,具体实现为现有技术。
之后,可针对第一设备和第二设备进行N轮实验,N为大于一的正整数,具体取值可根据实际需要而定。每轮实验时,第一设备的输入为第一输入或第二输入,可随机选取其中的一个输入,第二设备的输入为第三输入或第四输入,同样可随机选取其中的一个输入,第一设备的输出为第一输出或第二输出,第二设备的输出为第三输出或第四输出。
各输入输出具体分别为什么内容不做限制,可根据实际需要而定。同样地,第一设备和第二设备如何进行处理以得到输出也不做限制。
可根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备的输入为第一输入的条件期望及第一设备的输入为第二输入的条件期望。
优选地,可得到以下条件期望:
当第二设备的输入和输出分别为第三输入和第三输出时,第一设备的输入为第一输入的第一条件期望;
当第二设备的输入和输出分别为第三输入和第四输出时,第一设备的输入为第一输入的第二条件期望;
当第二设备的输入和输出分别为第四输入和第三输出时,第一设备的输入为第一输入的第三条件期望;
当第二设备的输入和输出分别为第四输入和第四输出时,第一设备的输入为第一输入的第四条件期望;
当第二设备的输入和输出分别为第三输入和第三输出时,第一设备的输入为第二输入的第五条件期望;
当第二设备的输入和输出分别为第三输入和第四输出时,第一设备的输入为第二输入的第六条件期望;
当第二设备的输入和输出分别为第四输入和第三输出时,第一设备的输入为第二输入的第七条件期望;
当第二设备的输入和输出分别为第四输入和第四输出时,第一设备的输入为第二输入的第八条件期望。
进一步地,可确定上述条件期望是否满足预先定义的设备无关量子引导不等式。
优选地,设备无关量子引导不等式可包括:
第一条件期望与第五条件期望之和大于第一结果;
以及,第二条件期望的负值与第六条件期望的负值之和大于第一结果;
以及,第三条件期望与第七条件期望的负值之和大于第二结果;
以及,第四条件期望的负值与第八条件期望之和大于第二结果;
其中,第一结果为1与参数c之和,第二结果为1与所述参数c之差,参数c为-1到1之间的实数。
图2为本申请所述第一设备和第二设备的输入输出示意图。如图2所示,假设用0和1分别表示第一设备的第一输入和第二输入,第一设备的第一输入和第二输入可统称为输入X,并用0和1分别表示第二设备的第三输入和第四输入,第二设备的第三输入和第四输入可统称为输入Y,用-1和1分别表示第一设备的第一输出和第二输出,第一设备的第一输出和第二输出可统称为输出a,并用-1和1分别表示第二设备的第三输出和第四输出,第二设备的第三输出和第四输出可统称为输出b,那么,每轮实验时,随机选取0和1中的一个作为第一设备的输入,并随机选取0和1中的一个作为第二设备的输入,第一设备的输出为-1或1,第二设备的输出也为-1或1。
按照图2所示输入输出,可得到以下八个条件期望:
第一条件期望:<X0>b=-1|Y=0,表示当第二设备的输入为0输出为-1时第一设备的输入为0的条件期望;
第二条件期望:<X0>b=1|Y=0,表示当第二设备的输入为0输出为1时第一设备的输入为0的条件期望;
第三条件期望:<X0>b=-1|Y=1,表示当第二设备的输入为1输出为-1时第一设备的输入为0的条件期望;
第四条件期望:<X0>b=1|Y=1,表示当第二设备的输入为1输出为1时第一设备的输入为0的条件期望;
第五条件期望:<X1>b=-1|Y=0,表示当第二设备的输入为0输出为-1时第一设备的输入为1的条件期望;
第六条件期望:<X1>b=1|Y=0,表示当第二设备的输入为0输出为1时第一设备的输入为1的条件期望;
第七条件期望:<X1>b=-1|Y=1,表示当第二设备的输入为1输出为-1时第一设备的输入为1的条件期望;
第八条件期望:<X1>b=1|Y=1,表示当第二设备的输入为1输出为1时第一设备的输入为1的条件期望。
相应地,可得到四个设备无关量子引导不等式如下:
<X0>b=-1|Y=0+<X1>b=-1|Y=0>1+c;
-<X0>b=1|Y=0-<X1>b=1|Y=0>1+c;
<X0>b=-1|Y=1-<X1>b=-1|Y=1>1-c;
-<X0>b=1|Y=1+<X1>b=1|Y=1>1-c;
c∈(-1,1),具体取值可与设备的输入有关,比如,若第一输入与第二输入、第三输入与第四输入分别为正交关系,那么c可以取值为0,或者,也可为经验值等。
若上述各设备无关量子引导不等式均满足,可根据N轮实验的输出生成量子随机数。比如,第一设备和第二设备的输出分别为-1或1,那么两个设备每轮的输出可包括1-111 -1-1 -11四种情况,假设N轮实验之后得到如下随机比特串:1-1 11 -1-1 -11 1-1 -1-1 11 ...,可基于该随机比特串按照现有方式提取量子随机数。
若上述各设备无关量子引导不等式均满足,说明得到的随机比特串是真正随机的,不可预测的。但得到的随机比特串通常不满足均匀分布,可通过现有算法将其转换为满足均匀分布的比特串,并可以此来衡量包含的随机性或随机数的多少等。当考虑到最坏的情况时,提取到的随机数数量可以通过极小熵来度量。
需要说明的是,对于前述的各方法实施例,为了简单描述,将其表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
总之,采用本申请方法实施例所述方案,可针对第一设备和第二设备进行N轮实验,并可根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备分别为不同输入的条件期望,进而可在当确定出的条件期望满足预先定义的设备无关量子引导不等式时,根据N轮实验的输出生成量子随机数,本方式对于设备等没有严苛的实验要求,易于实现,现有方式中,第一设备和第二设备的输入输出也可如图2所示,可收集多轮实验的输入输出结果,并可统计第一设备的输入为X时得到结果a和第二设备的输入为Y时得到结果b的联合概率分布p(ab/XY),并可验证此概率分布是否违背贝尔不等式
Figure BDA0002340587460000101
若违背,可进一步根据多轮实验的输出生成量子随机数等,其中需要使用四台高效率的探测器来尽可能地收集有效数据,并且消除可能的探测漏洞等,而本方式中,对于第二设备的输入Y可不要求有两个高效率的探测器来收集输出结果,从而更易于实现,而且,现有方式中需要统计联合概率分布,而本方式中仅依赖于第一设备的条件统计信息,相比于统计联合概率分布也更易于实现,另外,实验显示,在统计概率相同的情况下,如果满足本申请所述的设备无关量子引导不等式,此时可认证的随机数数量会高于现有方式,另外,即便不满足本申请所述的设备无关量子引导不等式,也会存在少量的可认证的随机数,而按照现有方式可认证的随机数数量则为0,再有,本方式可适用于各种实验环境,具有广泛适用性等。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图3为本申请所述量子随机数生成装置300实施例的组成结构示意图。如图3所示,包括:实验单元302以及生成单元303,此外还可进一步包括分发单元301。
实验单元302,用于针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,第一设备的输入为第一输入或第二输入,第二设备的输入为第三输入或第四输入,第一设备的输出为第一输出或第二输出,第二设备的输出为第三输出或第四输出;根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备的输入为第一输入的条件期望及第一设备的输入为第二输入的条件期望。
生成单元303,用于当所述条件期望满足预先定义的设备无关量子引导不等式时,根据N轮实验的输出生成量子随机数。
优选地,在进行实验之前,分发单元301可先为第一设备和第二设备分发物理状态,即设置第一设备和第二设备的状态,比如,可为两比特最大纠缠态。
之后,实验单元302可针对第一设备和第二设备进行N轮实验,N为大于一的正整数,具体取值可根据实际需要而定。每轮实验时,第一设备的输入为第一输入或第二输入,可随机选取其中的一个输入,第二设备的输入为第三输入或第四输入,同样可随机选取其中的一个输入,第一设备的输出为第一输出或第二输出,第二设备的输出为第三输出或第四输出。
可根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备的输入为第一输入的条件期望及第一设备的输入为第二输入的条件期望。
优选地,可得到以下条件期望:当第二设备的输入和输出分别为第三输入和第三输出时,第一设备的输入为第一输入的第一条件期望;当第二设备的输入和输出分别为第三输入和第四输出时,第一设备的输入为第一输入的第二条件期望;当第二设备的输入和输出分别为第四输入和第三输出时,第一设备的输入为第一输入的第三条件期望;当第二设备的输入和输出分别为第四输入和第四输出时,第一设备的输入为第一输入的第四条件期望;当第二设备的输入和输出分别为第三输入和第三输出时,第一设备的输入为第二输入的第五条件期望;当第二设备的输入和输出分别为第三输入和第四输出时,第一设备的输入为第二输入的第六条件期望;当第二设备的输入和输出分别为第四输入和第三输出时,第一设备的输入为第二输入的第七条件期望;当第二设备的输入和输出分别为第四输入和第四输出时,第一设备的输入为第二输入的第八条件期望。
相应地,设备无关量子引导不等式可包括:第一条件期望与第五条件期望之和大于第一结果;以及,第二条件期望的负值与第六条件期望的负值之和大于第一结果;以及,第三条件期望与第七条件期望的负值之和大于第二结果;以及,第四条件期望的负值与第八条件期望之和大于第二结果;其中,第一结果为1与参数c之和,第二结果为1与参数c之差,参数c可为-1到1之间的实数。
生成单元303可在当所述条件期望满足预先定义的设备无关量子引导不等式时,根据N轮实验的输出生成量子随机数,具体实现为现有技术。
图3所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本申请装置实施例所述方案,可针对第一设备和第二设备进行N轮实验,并可根据N轮实验的输入和输出,分别确定出对应于第二设备的不同输入输出组合,第一设备分别为不同输入的条件期望,进而可在当确定出的条件期望满足预先定义的设备无关量子引导不等式时,根据N轮实验的输出生成量子随机数,该方式对于设备等没有严苛的实验要求,易于实现,即降低了实现复杂度,且实验显示,同等条件下可以提取到更多的随机数,另外,该方式可适用于各种实验环境,具有广泛适用性等。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器Y01、存储器Y02,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的方法对应的程序指令/模块(例如,附图X所示的xx模块X01、xx模块x02和xx模块x03)。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器Y02可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器Y02可选包括相对于处理器Y01远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管或者液晶显示器监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网、广域网和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (10)

1.一种量子随机数生成方法,其特征在于,包括:
针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,所述第一设备的输入为第一输入或第二输入,所述第二设备的输入为第三输入或第四输入,所述第一设备的输出为第一输出或第二输出,所述第二设备的输出为第三输出或第四输出;
根据所述N轮实验的输入和输出,分别确定出对应于所述第二设备的不同输入输出组合,所述第一设备的输入为所述第一输入的条件期望及所述第一设备的输入为所述第二输入的条件期望;
若所述条件期望满足预先定义的设备无关量子引导不等式,则根据所述N轮实验的输出生成量子随机数。
2.根据权利要求1所述的方法,其特征在于,
所述条件期望包括:
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第一输入的第一条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第一输入的第二条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第一输入的第三条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第一输入的第四条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第二输入的第五条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第二输入的第六条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第二输入的第七条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第二输入的第八条件期望。
3.根据权利要求2所述的方法,其特征在于,
所述设备无关量子引导不等式包括:
所述第一条件期望与所述第五条件期望之和大于第一结果;
以及,所述第二条件期望的负值与所述第六条件期望的负值之和大于所述第一结果;
以及,所述第三条件期望与所述第七条件期望的负值之和大于第二结果;
以及,所述第四条件期望的负值与所述第八条件期望之和大于所述第二结果;
其中,所述第一结果为1与参数c之和,所述第二结果为1与所述参数c之差,所述参数c为-1到1之间的实数。
4.根据权利要求1所述的方法,其特征在于,
该方法进一步包括:所述进行N轮实验之前,为所述第一设备和所述第二设备分发物理状态。
5.一种量子随机数生成装置,其特征在于,包括:实验单元以及生成单元;
所述实验单元,用于针对第一设备和第二设备进行N轮实验,N为大于一的正整数;其中,每轮实验时,所述第一设备的输入为第一输入或第二输入,所述第二设备的输入为第三输入或第四输入,所述第一设备的输出为第一输出或第二输出,所述第二设备的输出为第三输出或第四输出;根据所述N轮实验的输入和输出,分别确定出对应于所述第二设备的不同输入输出组合,所述第一设备的输入为所述第一输入的条件期望及所述第一设备的输入为所述第二输入的条件期望;
所述生成单元,用于当所述条件期望满足预先定义的设备无关量子引导不等式时,根据所述N轮实验的输出生成量子随机数。
6.根据权利要求5所述的装置,其特征在于,
所述条件期望包括:
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第一输入的第一条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第一输入的第二条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第一输入的第三条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第一输入的第四条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第三输出时,所述第一设备的输入为所述第二输入的第五条件期望;
当所述第二设备的输入和输出分别为所述第三输入和所述第四输出时,所述第一设备的输入为所述第二输入的第六条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第三输出时,所述第一设备的输入为所述第二输入的第七条件期望;
当所述第二设备的输入和输出分别为所述第四输入和所述第四输出时,所述第一设备的输入为所述第二输入的第八条件期望。
7.根据权利要求6所述的装置,其特征在于,
所述设备无关量子引导不等式包括:
所述第一条件期望与所述第五条件期望之和大于第一结果;
以及,所述第二条件期望的负值与所述第六条件期望的负值之和大于所述第一结果;
以及,所述第三条件期望与所述第七条件期望的负值之和大于第二结果;
以及,所述第四条件期望的负值与所述第八条件期望之和大于所述第二结果;
其中,所述第一结果为1与参数c之和,所述第二结果为1与所述参数c之差,所述参数c为-1到1之间的实数。
8.根据权利要求5所述的装置,其特征在于,
所述装置中进一步包括:分发单元,用于进行N轮实验之前,为所述第一设备和所述第二设备分发物理状态。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
CN201911374592.2A 2019-12-27 2019-12-27 量子随机数生成方法、装置、电子设备及存储介质 Active CN111176610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911374592.2A CN111176610B (zh) 2019-12-27 2019-12-27 量子随机数生成方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911374592.2A CN111176610B (zh) 2019-12-27 2019-12-27 量子随机数生成方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111176610A true CN111176610A (zh) 2020-05-19
CN111176610B CN111176610B (zh) 2022-03-25

Family

ID=70648902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911374592.2A Active CN111176610B (zh) 2019-12-27 2019-12-27 量子随机数生成方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111176610B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1083189A2 (ru) * 1982-12-28 1984-03-30 Северо-Западный Заочный Политехнический Институт Датчик случайных чисел
US6192385B1 (en) * 1997-09-24 2001-02-20 Nec Corporation Pseudorandom number generating method and pseudorandom number generator
CN101622627A (zh) * 2007-02-23 2010-01-06 克劳克维尔公司 保护以软件为媒介的程序和装置性态的联锁系统和方法
US20120045053A1 (en) * 2010-08-20 2012-02-23 Bing Qi Random signal generator using quantum noise
CN108960435A (zh) * 2018-07-05 2018-12-07 清华大学 量子纠缠态的探测系统及方法
CN109683850A (zh) * 2018-11-01 2019-04-26 北京大学 一种基于混合态光场的源无关量子随机数产生方法及装置
US20190243611A1 (en) * 2016-10-09 2019-08-08 Université De Genève Method and device for quantum random number generation
CN110569136A (zh) * 2019-09-06 2019-12-13 北京百度网讯科技有限公司 流式计算的数据处理方法、装置、电子设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU1083189A2 (ru) * 1982-12-28 1984-03-30 Северо-Западный Заочный Политехнический Институт Датчик случайных чисел
US6192385B1 (en) * 1997-09-24 2001-02-20 Nec Corporation Pseudorandom number generating method and pseudorandom number generator
CN101622627A (zh) * 2007-02-23 2010-01-06 克劳克维尔公司 保护以软件为媒介的程序和装置性态的联锁系统和方法
US20120045053A1 (en) * 2010-08-20 2012-02-23 Bing Qi Random signal generator using quantum noise
US20190243611A1 (en) * 2016-10-09 2019-08-08 Université De Genève Method and device for quantum random number generation
CN108960435A (zh) * 2018-07-05 2018-12-07 清华大学 量子纠缠态的探测系统及方法
CN109683850A (zh) * 2018-11-01 2019-04-26 北京大学 一种基于混合态光场的源无关量子随机数产生方法及装置
CN110569136A (zh) * 2019-09-06 2019-12-13 北京百度网讯科技有限公司 流式计算的数据处理方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ALDO C. MARTÍNEZ ET AL: "Advanced Statistical Testing of Quantum Random Number Generators", 《ENTROPY》 *
周泓伊; 曾培: "量子随机数发生器", 《信息安全研究》 *

Also Published As

Publication number Publication date
CN111176610B (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
JP2021189431A (ja) ブロックチェーンのプライバシーデータ処理方法、装置、デバイス及び記憶媒体
CN111310221B (zh) 持久层数据的加解密方法、装置、设备及存储介质
CN111866085B (zh) 基于区块链的数据存储方法、系统和装置
CN111598247B (zh) 量子吉布斯态生成方法、装置及电子设备
CN111598246B (zh) 量子吉布斯态生成方法、装置及电子设备
Teh et al. GPUs and chaos: a new true random number generator
US9396233B2 (en) Alert management
US11580433B2 (en) Validating and estimating runtime for quantum algorithms
CN113051446A (zh) 拓扑关系查询方法、装置、电子设备和介质
US11451387B2 (en) Cryptographic key generation and storage
CN111880914A (zh) 资源调度方法、资源调度装置、电子设备和存储介质
EP3910526A1 (en) Method, apparatus, electronic device and storage medium for training semantic similarity model
CN112989400A (zh) 一种隐私事务处理方法、装置、电子设备和介质
CN110545324B (zh) 数据处理方法、装置、系统、网络设备和存储介质
US10824481B2 (en) Partial synchronization between compute tasks based on threshold specification in a computing system
CN111339187A (zh) 基于智能合约的数据处理方法、装置、设备和存储介质
US20190220294A1 (en) Using lightweight jit compilation for short-lived jvms on parallel distributing computing framework
US10896480B1 (en) Visualization rendering using an extensible rendering sequence
CN111176610B (zh) 量子随机数生成方法、装置、电子设备及存储介质
US11411726B2 (en) Cryptographic key generation using multiple random sources
CN112580723A (zh) 多模型融合方法、装置、电子设备和存储介质
CN112559497B (zh) 一种数据处理方法、一种信息传输方法、装置及电子设备
CN114466012B (zh) 内容初始化方法、装置、电子设备和存储介质
CN111177479A (zh) 获取关系网络图中节点的特征向量的方法以及装置
Shukla et al. Big data frameworks: at a glance

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
GR01 Patent grant
GR01 Patent grant