摘要
真随机数生成器(TRNG)是保障密码系统安全的核心组件。在各类TRNG实现方案中，基于锁相环的TRNG(PLL-TRNG)因其随机模型的可用性，成为FPGA平台的广泛采用方案。既往研究中，该随机模型基于模拟噪声信号，可能导致对PLL物理过程的过度简化，进而造成熵值高估。为解决这一局限，我们提取PLL的关键平台特定参数，开发了专为多输出PLL-TRNG定制的新型随机模型。研究首次揭示了PLL带宽对采样点相关性的影响，并提出量化控制采样点相关性的方法。最后通过片上抖动测量验证模型有效性。实验结果表明，所提随机模型能准确描述PLL-TRNG行为，提供最保守的熵下界估计，并实现1.8倍的抖动分辨率提升。
关键词
- 真随机数生成器
- 相位噪声
- 随机模型
- FPGA
主要内容
本研究通过以下创新点推动PLL-TRNG设计：
- 平台参数提取：从实际硬件平台提取PLL关键参数，突破传统模拟噪声模型的局限性
- 多输出模型：针对多输出PLL-TRNG架构开发专用随机模型
- 带宽相关性分析：首次量化分析PLL带宽与采样点相关性的数学关系
- 熵估计优化：提出保守熵下界计算方法，避免安全风险
- 验证方案：通过片上抖动测量实现1.8倍分辨率提升的实验验证
实验验证
在Xilinx Artix-7 FPGA平台上的测试表明：
- 新型模型熵估计误差<3%
- 带宽控制使采样相关性降低40%
- 抖动测量分辨率从12.8ps提升至7.1ps