《Electronics》:Hardware-Accelerated Cryptographic Random Engine for Simulation-Oriented Systems
Meera Gladis Kurian and
Yuhua Chen
编辑推荐:
现代计算平台日益依赖随机数生成器(RNG)对仿真中的概率过程、概率计算及系统验证进行建模,其在密码学操作(如密钥生成、认证加密和数字签名)中亦不可或缺。确定性随机比特生成器(DRBG)系美国国家标准与技术研究院(NIST)特殊出版物(SP)800-90A所规定
现代计算平台日益依赖随机数生成器(RNG)对仿真中的概率过程、概率计算及系统验证进行建模,其在密码学操作(如密钥生成、认证加密和数字签名)中亦不可或缺。确定性随机比特生成器(DRBG)系美国国家标准与技术研究院(NIST)特殊出版物(SP)800-90A所规定的标准化方法,用于将熵扩展为密码学强度高的伪随机序列。本研究提出了一种基于Ascon-Hash256的哈希型DRBG的设计与现场可编程门阵列(FPGA)实现方案,Ascon-Hash256为NIST标准化Ascon密码学套件中的轻量级抗量子哈希函数。该设计通过迭代哈希调用与状态更新,实现了生成器的哈希型派生、实例化、生成和重播种功能。借助Ascon的海绵结构,该设计在保持面积高效型FPGA架构的同时,实现了高效的熵吸收与扩散,非常适用于资源受限平台。对所提出DRBG的扩散性质进行了雪崩分析与可重复性分析评估,确认了其对输入变化的强敏感性及安全、可重复的操作特性。此外,对生成比特流的蒙特卡洛与随机扩散评估表明其收敛正确且统计行为一致。这些结果证实,所提出的哈希型DRBG能够提供可重复的、硬件高效的且密码学安全的随机数,适用于下一代神经形态、概率计算系统及物联网(IoT)设备。
本研究旨在解决仿真导向系统中随机数生成的效率与安全性问题。现代计算平台在科学仿真、概率计算及系统验证中广泛依赖随机数生成器(RNG),而密码学应用(如密钥生成、认证加密和数字签名)同样对随机数的质量提出严苛要求。物理熵源虽能提供真随机性,但其输出速率受限于验证需求、环境敏感性及后处理开销;软件实现的确定性随机比特生成器(DRBG)虽具灵活性,却存在性能瓶颈、延迟过高及侧信道泄露风险。现有基于安全哈希算法(SHA)家族的哈希型DRBG在FPGA实现中资源消耗较大,难以满足边缘计算与物联网(IoT)设备的约束条件。Ascon作为NIST轻量级密码学(LWC)标准化算法,其海绵结构支持紧凑的硬件实现,但将其整合为符合NIST SP 800-90A规范的完整哈希型DRBG及其高效硬件实现尚缺乏探索。基于此空白,研究人员开展了基于Ascon-Hash256的哈希型DRBG的完整FPGA实现与评估工作,成果发表于《Electronics》。
研究人员采用的技术方法主要包括以下方面:在Xilinx Artix-7 FPGA平台上,以模块化架构实现NIST SP 800-90A兼容的哈希型DRBG,核心为可复用的Ascon-Hash256海绵结构哈希核,辅以Hash_df种子派生函数、Hashgen生成控制模块及有限状态机(FSM)控制的DRBG引擎;统计验证采用Python 3.13.9框架,通过蒙特卡洛π估计、100组独立实例化的多种子统计验证(含雪崩扩散、序列相关性、单比特平衡及随机游走扩散分析)评估生成比特流的统计特性。
**Ascon-Hash256核心设计**:该部分实现了基于海绵结构的320比特内部状态置换运算,包含常数加层、比特切片S盒非线性替换层及线性扩散层。核心支持初始化、吸收和挤压三阶段操作,采用就绪/有效握手接口实现流式输入吸收,最小化片上内存需求。通过此设计,DRBG实现了高效的熵吸收与状态更新。
**Hash_df种子派生函数**:该函数通过多次调用Ascon-Hash256核心,将变长输入(熵输入、随机数(nonce)及可选个性化字符串)压缩为440比特固定长度种子。设计中采用两次顺序Ascon-Hash256调用即可生成所需种子,末位截断遵循SP 800-90A扩展策略。此模块为实例化和重播种提供密码学强度的种子材料。
**Generate生成控制**:该模块实现NIST SP 800-90A定义的Hashgen过程,通过迭代调用哈希函数对演进状态进行运算,串联输出直至满足请求的伪随机比特数。生成完成后,基于当前状态值V计算哈希更新内部状态,并递增重播种计数器。
**DRBG控制引擎**:以有限状态机(FSM)协调实例化、生成和重播种操作。实例化过程将熵输入、nonce和个性化字符串拼接为种子材料,经Hash_df派生种子后初始化状态值V、常数C及重播种计数器;生成过程检查重播种阈值,可选地混入附加输入,通过Hashgen扩展输出并更新状态;重播种作为独立子FSM,利用新鲜熵输入通过Hash_df刷新内部状态,重置计数器以恢复完整密码学强度。
**FPGA实现结果**:完整DRBG架构在100 MHz时钟下仅占用7.6%的Slice LUT和4.8%的Slice寄存器,总功耗0.179 W。实例化、重播种和生成操作分别需1 050、800和101周期(每64比特输出)。与基于SHA-256的现有实现相比,逻辑资源显著降低,这归因于Ascon置换主要依赖异或和移位/旋转等简单位运算及紧凑比特切片S盒。
**统计分析与评估**:蒙特卡洛π估计实验显示,在2×10
6样本下,所提出DRBG与PCG64、os.urandom的绝对误差均达10
-3–10
-4量级,呈现可比收敛行为且无持续漂移。多种子验证中,100组独立实例化的雪崩比率紧密分布于0.5理论值附近,序列相关性对称集中于零,单比特分数趋近0.5,随机游走均方根位移遵循√N理论关系,蒙特卡洛积分估计均值0.746747接近理论值0.746824。
**讨论**:实验结果表明,所提出的Ascon-Hash256 DRBG在适度能力FPGA平台上实现了高效资源利用与低功耗。统计特性继承自底层Ascon-Hash256原语,独立实例化的一致行为突显了设计的稳定性。与依赖于设备特异性随机性的物理不可克隆函数(PUF)或非确定性随机比特生成器(NRBG)相比,该DRBG将小量物理熵扩展为长伪随机序列,同时产出确定性输出,此特性对系统验证、仿真和密码学协议尤为有用。轻量级密码学原语可纳入标准化DRBG构造而不影响输出统计质量,为边缘计算、IoT及硬件加速随机系统提供了可行路径。
**研究结论**:本研究提出了基于NIST标准化Ascon-Hash256的轻量级哈希型DRBG架构,并在FPGA平台实现了该设计。实现结果表明设计具有低FPGA资源占用特性。包括蒙特卡洛π估计、跨独立熵实例化的多种子验证、雪崩分析及概率扩散实验在内的统计评估表明,生成的比特流具有一致的统计平衡性、无可检测相关性,并继承了底层Ascon-Hash256原语的强扩散性质。这些观察结果表明,所生成的比特流适用于需要可重复随机行为的应用,包括仿真工作负载、安全嵌入式系统、机器学习加速和神经形态计算平台。未来工作将研究基于Ascon-XOF128的DRBG构造,利用其可变长度输出能力,为大规模人工智能和概率计算系统从单一内部状态产生扩展的伪随机流。