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 podstoupit bitové řetězce produkované kritickými kryptografickými bloky, jakými jsou šifrovací funkce a hašovací funkce. Článek představuje novou platformu pro ověřování náhodnosti dat. Platforma využívá principy genetického programování, což je metoda strojového učení vyvinutá pro automatizovaný návrh programů a obvodů. Platforma dovoluje evolučně navrhovat tzv. rozlišovače náhodnosti přímo na čipu. Každý rozlišovač je reprezentován booleovským polynomem v algebraické normální formě. Ověřování náhodnosti je prováděno pro bitové řetězce, které jsou uloženy v paměti na čipu nebo generovány obvodem umístěným přímo na čipu. Platforma je založena na Xilinx Zynq-7000 All Programmable System on Chip, který obsahuje programovatelné hradlové pole a ARM procesory. Platforma byla testována z pohledu kvality ověřování náhodnosti, výkonnosti a využití zdrojů na čipu. Navzdory příkonu menšímu než 3W poskytuje navržené řešení ověřování náhodnosti kvalitou srovnatelné se standardně 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/"
}