Detail publikace

Efficient On-Chip Randomness Testing Utilizing Machine Learning Techniques

MRÁZEK, V.; SEKANINA, L.; DOBAI, R.; SÝS, M.; ŠVENDA, P. Efficient On-Chip Randomness Testing Utilizing Machine Learning Techniques. IEEE Trans. on VLSI Systems., 2019, vol. 27, no. 12, p. 2734-2744. ISSN: 1063-8210.
Název česky
Efektivní na čipu implementované ověřování náhodnosti dat využívající technik strojového učení
Typ
článek v časopise
Jazyk
anglicky
Autoři
Klíčová slova

randomness testing, evolvable hardware, FPGA

Abstrakt

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.

Rok
2019
Strany
2734–2744
Časopis
IEEE Trans. on VLSI Systems., roč. 27, č. 12, ISSN 1063-8210
DOI
UT WoS
000508360300004
EID Scopus
BibTeX
@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/"
}
Soubory
Nahoru