随机数发生器设计（四）

概述

本示例DRNG设计参考了GM/T 0105 ，基于SM3算法实现，内部功能接口包括初始化函数、重播种函数、输出函数和已知答案自测试函数，同时还具备DRNG内部状态和错误状态两种内部工作状态。整体框图如下图所示。

1 内部状态

内部状态包括{V, C, reseed_counter, last_reseed_time, reseed_counter_interval, reseed_time_interval }，定义如下：
——比特串V，长度为440比特，每次随机数生成时会进行更新；
——比特串C，长度为440，每次重播种时会进行更新；
——reseed_counter, 在初始化或重播种之后，请求随机数的次数，每次执行随机数生成操作时会加1；
——last_reseed_time，上次重播种的时间值，Unix 时间戳，单位为秒；
——reseed_counter_interval，重播种计数器阈值，该值为常量值1024；
——reseed_time_interval，重播种时间阈值，单位为秒，该值为常量值60s。

2 初始化函数

初始化函数中利用熵源数据对初始状态进行赋值，包含变量初始化和初始化种子函数：
SM3_RNG_Instantiate(nonce)
输入：
——entropy_input:从熵池获取熵压缩函数处理后的结果，长度为440比特。
——nonce: 系统启动时间、当前时间戳、递增计数器信息和固定的随机比特串。
输出：
——初始化内部状态，即V, C, reseed_counter, last_reseed_time, reseed_counter_interval, reseed_time_interval的初始值。
Nonce包括系统启动时间、当前时间戳、递增计数器信息和固定的随机比特串。如下表所示。

熵源	说明	长度（字节）
CPU信息	系统时间（精确到微妙）	4
时间信息	UTC时间信息（精确到纳秒）	4
递增计数器	每次调用增1	4
固定随机值	产生自真随机数发生器的随机数	128

初始化流程如下：
a) 获取440比特的熵输入entropy_input；
b) 生成种子seed = SM3_df(entropy_input || nonce, seedlen)。Seedlen为440比特；
c) 初始化内部状态变量，包括V、C、reseed_counter。其中V = seed，C = SM3_df (0x00||V, seedlen)，reseed_counter = 1；
d) 返回内部状态变量。

#generate nonce
def RNG_Gen_Nonce():
    global nonce_counter
    boottime = (int(psutil.boot_time()) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)
    timestamp = (int(time_ns()) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)
    counterbytes = nonce_counter.to_bytes(4, byteorder = 'big', signed=False)
    fixrandom = bytes.fromhex("331051e42be3c2139b4077728785ff2553d1d7ffc7c98377875581837ee6a99501bd28a12c491ea656e5666286fdabc56bb05d811596e9667b165367c7d2e4c8")
    nonce_counter += 1
    return boottime + timestamp + counterbytes + fixrandom

def SM3_RNG_Instantiate(nonce):
    global min_length
    global max_length
    # min_entropy = min_length

    while True:
        (status, entropy_input) = Get_entropy (256, min_length, max_length)
        if status == -2:#need time to generate entropy
            continue
        if status != 0:
            print('entropy source error! please check system source.')
            return -1
        break
    seed = SM3_df(entropy_input + nonce, seedlen)
    reseed_counter = 1
    return Working_state(seed, SM3_df ((bytes([0x00])+ seed), seedlen), reseed_counter)

def Get_entropy (min_entropy, min_length, max_length):
    global drngentropy
    global drngentropylock
    #compress functiong output is about 340*8bits
    if min_entropy > 340*8:#min entropy is too big
        return (-1, bytes()) 
    drngentropylock.acquire()
    #drngentropy is 440 bits fixed, min_length is not expected bigger than 440
    if min_length > (len(drngentropy)*8):#need time to generate entropy
        drngentropylock.release()
        return (-2, bytes()) 
    #retdrngentropy is the var to return
    retdrngentropy = drngentropy
    #clear drngentropy
    drngentropy = bytes()
    drngentropylock.release()
    # print('main thread get entropy OK----')
    return (0,retdrngentropy)
    

3 SM3派生函数

SM3_df在软件随机数发生器的初始化和重播种阶段使用，对输入字符串进行杂凑运算，并返回请求的随机比特串。定义如下：
函数定义： SM3_df(input_string, no_of_bits_to_return)
输入：
——input_ string：输入字符串
——number_of_bits_to_return：SM3_df函数返回的比特长度
输出：
requested_bits：SM3_df函数返回的结果。
SM3_df函数作为扩展函数，实现流程如下。
1） 根据输入的返回数据长度（实际为440比特）和输出数据长度256比特计算循环次数。计算循环次数时使用向上取整方式。
2） 对计数器赋初值1，对临时数据赋初值空。
3） 计算SM3（计数器值||返回数据长度||输入熵源数据）。
4） 临时数据更新为临时数据||SM3结果。
5） 计数器增1。
6） 判断循环是否结果，若结束则跳转至第7步，否则跳转至第3步。
7） 取临时数据左侧指定长度数据，返回。

def sm3Hash(hashbytes:bytes):
    temp = sm3_hash([i for i in hashbytes])
    return bytes.fromhex(temp)

def SM3_df(input_string, no_of_bits_to_return):
    temp = bytes([])
    len = math.ceil(no_of_bits_to_return/outlen)
    counter = 0x01
    for i in range(len):
        temp = temp + sm3Hash(bytes([counter]) + no_of_bits_to_return.to_bytes(4, 'big') + input_string)
        counter = counter + 1
    return temp[0:int(no_of_bits_to_return/8)]

4 其他部分

随机数发生器中的重播种函数函数、输出函数、自测试函数放在下篇文章介绍。

如果商用密码产品认证中遇到问题，欢迎加微信symmrz沟通。