随机性检测的五项基本检测方法

已于 2022-05-06 22:57:28 修改
阅读量3.5w 收藏 59
点赞数 5
分类专栏： 密码技术与应用 国密 密码 文章标签： 随机性检测 随机数
于 2020-08-31 10:57:47 首次发布
本博客的博主原创文章均遵循 CC 4.0 BY-SA 版权协议，所有与之冲突的版权协议均为无效协议。
本文链接：https://blog.csdn.net/samsho2/article/details/108316871
版权
密码 同时被 3 个专栏收录
234 篇文章 72 订阅
订阅专栏
密码技术与应用
192 篇文章 58 订阅
订阅专栏
国密
83 篇文章 47 订阅
订阅专栏

五项基本检测包括

  • 频数检验（F-检验）
  • 序偶检验（S-检验）
  • 扑克检验（P-检验）
  • 游程检验（R-检验）
  • 自相关检验（A-检验）

1. 频数检验（F-检验）

目的：F-检验用来保证"0"和"1"的个数大致相同

输入：n比特序列样本Z，显著性水平α

输出：检验通过或检验失败

步骤：（参见文[1]的5.4.4节）

1. 在此序列截断中统计比特“0”和“1”的个数，分别记为n_0和n_1。

2. 计算检验统计量

V=\frac{(n_0-n_1)^2}{n}

（该检验统计量服从自由度为1的开方分布）

3. 计算P-value=igamc(1/2,V/2)。如果P-value\geq \alpha，则认为待检序列通过本检验。

注1：步骤3和也可改为比较验统计量V与其对应的临界值B（显著性水平α与临界值B的部分取值如下表），即，如果V\leq B，则认为待检序列通过本检验。

表1 F-检验的显著性水平与临界值B的部分取值

显著性水平α

临界值B

0.05

3.841

0.01

6.635

0.001

10.828

0.0001

15.137

2. 序偶检验（S-检验）

目的：F-检验用来保证合理的转移概率：连续码彼此相同或相异的概率大致相

等，即每个比特都独立于它前面的比特。

输入：n比特序列样本Z，显著性水平α

输出：检验通过或检验失败

步骤：（参见文[1]的5.4.4节）

1. 在此序列截断中统计比特串“00”、“01”、“10”、“11”的个数，分别记为n00,n01,n10,n11；统计比特“0”和“1”的个数，分别记为n0,n1。

2. 计算检验统计量

（该检验统计量近似服从自由度为2的开方分布）

3. 计算P-value=igamc(1,V/2)。如果P-value\geq \alpha，则认为待检序列通过本检验。

注1：步骤3和也可改为比较验统计量V与其对应的临界值B（显著性水平α、临界值B的部分取值如下表），即，如果V\leq B，则认为待检序列通过本检验。

表2 S-检验的显著性水平α与临界值B的部分取值

显著性水平α

临界值B

0.05

5.991

0.01

9.210

0.001

13.816

0.0001

18.421

3. 扑克检验（P-检验）

同GM/T 0005-2012《随机性检测规范》的扑克检测。

算法描述略。

表3 S-检验的显著性水平α与临界值B的部分取值

显著性水平α

临界值B

(m=4)

临界值B

(m=8)

0.05

24.996

293.248

0.01

30.578

310.457

0.001

37.697

330.520

0.0001

44.263

347.654

4. 游程检验（R-检验）

同GM/T 0005-2012《随机性检测规范》的扑克检测。

算法描述略。

表4 R-检验的显著性水平α与临界值B的部分取值

显著性水平

临界值B

0.05

1.96

0.01

2.58

0.001

3.29

0.0001

3.89

5. 自相关检验（A-检验）

同GM/T 0005-2012《随机性检测规范》的扑克检测。

算法描述略。自相关的统计量服从正态分布，表略。

参考文献

  1. A. Menezes, P. van Oorschot, S. Vanstone. Handbook of Applied Cryptography[M]. CRC Press, 1996.
  2. GM/T 0005-2012 随机性检测规范.

艾米的爸爸
关注
  • 5
    点赞
  • 踩
  • 59
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
国密随机数检测工具,随机数检测
09-09
国密随机数检测工具,随机数检测
《GM/T 0005-2012 随机性检测规范》PDF（国密标准 国家密码管理局标准）
08-15
《GM/T 0005-2012 随机性检测规范》PDF（国密标准 国家密码管理局标准）
随机性测试软件,5种随机性检测方法
weixin_31708613的博客
07-24 1633
《5种随机性检测方法》由会员分享，可在线阅读，更多相关《5种随机性检测方法(15页珍藏版)》请在人人文库网上搜索。1、采用,Maurer,通用统计检测等,方法来实现随机性检测,计算机与通信工程学院,指导老师,答辩人,班级,学号,内容简介,1,研究背景及意义,2,检测方法介绍,3,检测方法设计,4,检测结果分析,5,总结,研究背景及意义,随机性是偶然性的一种形式，具有某一概率的事,件集合中的各个事件...
随机性检测标准对比——国密GM/T 0005 vs NIST SP800-22r1a
热门推荐
云与山的彼端
05-11 2万+
概述 检测标准 我国随机检测规范GM/T 0005-2012《随机性检测规范》，现已经升级为国家标准GB/T 32915-2016 信息安全技术 二元序列随机性检测方法。 NIST随机性检测文档NIST SP800-22r1a,A Statistical Test Suite for Random and Pseudorandom Number Generators for Cryptographic Applications。 1 检测项对比 NIST和国密随机性检测项目的对比如下： NIST.
SPSS教程——游程检验使用方法，如何验证数据的随机性
nekonekoboom的博客
10-27 8977
变量值随机性检验、卡方检验和二项分布检验在IBM SPSS Statistics中都属于非参数检验。变量值随机性检验主要是检验数据是否具有随机性，游程检验就是所涉及的具体方法。所谓游程就是对于整个样本序列中连续出现相同变量值的次数。游程数过大过小都说明变量值存在不随机的现象。在这次教程中，我们给大家演示SPSS如何使用游程检验，验证数据的随机性的教程。 打开数据 这里我们提前准备了一份电缆数据，它在各个时间点上记录了设备耐压数据，检测耐压数据的变量是否具有随机性。可以看到该数据案例只有一个数值变量。
游程检验和随机性检验
RUC_Lee的博客
02-14 1万+
游程检验和随机性检验1 游程检验的含义2 应用1：两总体分布一致性检验2.1 定义及解决的问题2.2 原理2.2.1 Step1：提出假设2.2.2 Step2：计算检验统计量2.2.3 Step3：决策2.3 Python实现3 应用2：样本随机性检验（单总体）3.1 定义及解决的问题3.2 原理3.2.1 Step1：提出假设3.2.2 Step2：计算检验统计量3.2.3 Step3:决策3.3 Python实现 1 游程检验的含义 什么叫游程检验（Runs test）呢？ 游程检验的定义：亦称“连贯
【SPSS】游程检验-变量值随机性检验和两独立样本的W-W游程检验详细操作教程（附案例实战）
m0_64336780的博客
04-04 8112
本文主要讲解非参数检验中的游程检验-变量值随机性检验和两独立样本的W-W游程检验，并使用SPSS进行操作分析，附案例教程
序列平稳性和纯随机性检验
一条不停翻滚的咸鱼的博客
06-22 6673
对平稳性以及纯随机性检验进行了简单介绍。
NIST随机数检测
weixin_43988390的博客
03-22 2353
NIST随机数
随机数检测（一）
最新发布
Lapedius的博客
06-24 1259
密码产品使用的随机数自测试方法和符合的规范。包括GM/T 0062和GM/T 0005.
基于条件随机场模型的异常数据检测算法
03-19
企业数据中心作为辅助决策的重要工具，保证其数据的及时性，精确和科学性是最基本的要求和最核心的原则。判断是很困难的，也是不科学且低效的。针对企业购销存数据的准确问题，研究了基于机器学习的数据异常检测算法。可以是是一个结构化数据序列，因此选择了解决结构化序列预测问题最有效的条件随机场模型CRFs。通过对大量历史数据进行学习，分析出数据的自身规律以及关联关系，使计算机得以自动检测异常的能力。实验结果表明了该算法的有效性。
在线检测技术在现代纺纱工程中的应用
10-24
在线检测技术在现代纺纱工程中的重要作用在纺织产品质量检测过程中，对织物的布面检测基本采用全数检验方法；而对棉纱线的质量检验，由于大部分检验是采用破坏性试验，因而只能采用随机抽样检验。纺纱工程和织造工程相比，其生产单元（即纺纱纱锭）较多，随机抽样检验时，很有可能某些有质量缺陷的纱锭很长时间都采集不到样品进行检测，且以子样水平代表总体水平的棉纱平均质量，并不能完全决定布面质量。
基于最小二乘迭代的随机移相面形检测技术研究
02-07
在移相干涉中，由于系统或者环境的原因会产生移相误差，进而导致面形检测产生误差。介绍了最小二乘迭代随机移相算法的基本原理，通过模拟仿真，高精度地迭代出原始面形。针对随机移相可能引起迭代得到的面形与真实面形相反的现象，理论上分析了其产生的原因。提出在最小二乘迭代随机移相算法中，需要已知移相方向才能准确迭代出真实面形，通过实验进一步证实结论的正确性。给出了干涉仪移相方向标定的可行方法。
自相关测试程序，用于随机数检测等
09-30
基于自相关函数的小程序，可用于检测序列的自相关性，可用于随机数检测过程 把需要检测的数据导入matlab，默认名字是VarName1，可以自己改
随机数自检-扑克检测
09-11
C#实现的随机数检测---扑克检测,C#实现的随机数检测---扑克检测
基于随机森林的WebShell检测方法
05-06
WebShell根据其功能和大小可以分为多种类型，各种类型的WebShell在基本特征上又有其独有的特征，而现有的WebShell检测大多从单一层面提取特征，无法较全面的覆盖各种类型WebShell全部特征，具有种类偏向性，无差别的...
随机数扑克检测
08-30
用有序单链表保存随机数，重复数据只计数不插值
随机数扑克测试
06-03
扑克检测可以检验生成的随机数序列的独立性是否符合要求。
平稳性检验和纯随机性检验.docx
03-13
本文档通过案例的形式展示了平稳性检验和纯随机性检验的完整过程、结果及具体分析，能让初学者更好的理解和掌握检验的真正作用，使知识更加融汇贯通。
随机性检测的五项基本检测方法的matlab程序
05-28
以下是五项基本检测方法的 Matlab 程序： 1. 频数检测 ```matlab function [p_value] = frequency_test(bits) n = length(bits); count = sum(bits); p_value = 2*min(count, n-count)/n; end ``` 2. 块频数检测 ```matlab function [p_value] = block_frequency_test(bits, block_size) n = length(bits); num_blocks = floor(n/block_size); counts = zeros(num_blocks, 1); for i = 1:num_blocks block = bits((i-1)*block_size+1:i*block_size); counts(i) = sum(block); end chi2 = ((counts - block_size/2).^2) / (block_size/2); p_value = 1 - gammainc(num_blocks/2, chi2/2); end ``` 3. 游程总数检测 ```matlab function [p_value] = runs_test(bits) n = length(bits); runs = 1; for i = 2:n if bits(i) ~= bits(i-1) runs = runs + 1; end end pi = runs / n; tau = 2 / sqrt(n); if abs(pi - 0.5) >= tau p_value = 0; else vobs = 1; for i = 2:n if bits(i) ~= bits(i-1) vobs = vobs + 1; else break; end end for i = n:-1:2 if bits(i) ~= bits(i-1) vobs = vobs + 1; else break; end end mu = (2*n - 1) / 3; sigma2 = (16*n - 29) / 90; sigma = sqrt(sigma2); z = (vobs - mu) / sigma; p_value = erfc(abs(z) / sqrt(2)); end end ``` 4. 乱数排列检测 ```matlab function [p_value] = permutation_test(bits) n = length(bits); pi = sum(bits) / n; if abs(pi - 0.5) >= 2/sqrt(n) p_value = 0; else k = 0; for i = 2:n if bits(i) ~= bits(i-1) k = k + 1; end end k = k + 1; tau = 2 / sqrt(n); if abs(k - 2*n*pi*(1-pi)) >= tau p_value = 0; else p_value = gammainc((n-1)/2, (abs(k - 2*n*pi*(1-pi))/2)^2); end end end ``` 5. 矩阵秩检测 ```matlab function [p_value] = matrix_rank_test(bits, matrix_size) n = length(bits); num_matrices = floor(n/matrix_size); counts = zeros(num_matrices, 1); for i = 1:num_matrices matrix = reshape(bits((i-1)*matrix_size+1:i*matrix_size), sqrt(matrix_size), sqrt(matrix_size)); counts(i) = rank(matrix); end mu = matrix_size*(1/2 + 1/18); sigma2 = matrix_size*(13/18 - 7/180)^2 + matrix_size*(1/6 - 1/180); sigma = sqrt(sigma2); chi2 = ((counts - mu).^2) / sigma2; p_value = 1 - gammainc(num_matrices/2, chi2/2); end ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值