Detail publikace
Efficient On-Chip Randomness Testing Utilizing Machine Learning Techniques
Sekanina Lukáš, prof. Ing., Ph.D. (UPSY)
Dobai Roland, Ing., Ph.D. (CK-SZZ)
Sýs Marek (VUT)
Švenda Petr
randomness testing, evolvable hardware, FPGA
Ověřování náhodnosti je důležitá procedura, kterou musí podstoupitbitové řetězce produkované kritickými kryptografickými bloky, jakými jsoušifrovací funkce a hašovací funkce. Článek představuje novou platformu proověřování náhodnosti dat. Platforma využívá principy genetického programování,což je metoda strojového učení vyvinutá pro automatizovaný návrh programů aobvodů. Platforma dovoluje evolučně navrhovat tzv. rozlišovače náhodnosti přímona čipu. Každý rozlišovač je reprezentován booleovským polynomem v algebraickénormální formě. Ověřování náhodnosti je prováděno pro bitové řetězce, kteréjsou uloženy v paměti na čipu nebo generovány obvodem umístěným přímo načipu. Platforma je založena na Xilinx Zynq-7000 AllProgrammable System on Chip, který obsahuje programovatelné hradlové pole a ARMprocesory. Platforma byla testována z pohledu kvality ověřovánínáhodnosti, výkonnosti a využití zdrojů na čipu. Navzdory příkonu menšímu než3W poskytuje navržené řešení ověřování náhodnosti kvalitou srovnatelné sestandardně používanými bateriemi běžícími na běžném personálním počítači.
@article{BUT161411,
author="Vojtěch {Mrázek} and Lukáš {Sekanina} and Roland {Dobai} and Marek {Sýs} and Petr {Švenda}",
title="Efficient On-Chip Randomness Testing Utilizing Machine Learning Techniques",
journal="IEEE Trans. on VLSI Systems.",
year="2019",
volume="27",
number="12",
pages="2734--2744",
doi="10.1109/TVLSI.2019.2923848",
issn="1063-8210",
url="https://www.fit.vut.cz/research/publication/11687/"
}