[发明专利]一种伪随机数发生器、伪随机数发生方法、处理器芯片

说明书

本发明公开了一种伪随机数发生器、伪随机数发生方法、处理器芯片，伪随机数发生器包括三神经元Hopfield神经网络混沌振荡单元和抽样量化单元，其中：三神经元Hopfield神经网络混沌振荡单元基于穿过神经元的磁通干扰李雅普诺夫指数最大的神经元，用于对接收的输入信号进行处理并生成对应的输出信号。抽样量化单元与三神经元Hopfield神经网络混沌振荡单元电连接，用于抽样量化三神经元Hopfield神经网络混沌振荡单元产生的输出信号，得到随机序列。本发明利用三神经元Hopfield神经网络混沌振荡单元的神经元的磁通量干扰Lyapunov指数最大的一个神经元，让Lyapunov指数最大的一个神经元加入不同的干扰因子，从而减少混沌退化对产生的RNs的影响，能够提高生成随机序列的随机性。

技术领域

本发明涉及基于混沌系统的伪随机数发生器技术领域，特别涉及一种伪随机数发生器、伪随机数发生方法、处理器芯片。

背景技术

随着数字通信技术的飞速发展，特别是在智能手机和网络通信日益普及的今天，对私人信息的安全提出了更高的要求。密码学被广泛应用于信息和数据的快速传输，能够满足隐私信息的安全要求。信息和数据的安全传输依赖于信息安全系统的安全密钥的随机性。因此，使用高质量的随机序列作为安全密钥和加密数据在当今的信息安全系统中越来越普遍。

在信息安全领域，伪随机数生成器(PRNG)作为流密码的重要组成部分，能够高效地生成具有高随机性和高灵敏度的随机序列，提高信息安全系统的安全性。同时，神经网络混沌系统的发展也为PRNG的设计提供了新的理论基础和思路，但可能出现的一些信息安全问题越来越受到关注。因此，利用神经网络混沌系统构建高性能PRNG已经成为信息安全领域研究的一个重要课题。但目前在FPGA上实现基于神经网络混沌系统的伪随机数生成器(PRNG)时，数值精度有限引起的混沌退化会对PRNG的性能产生巨大影响，导致PRNG生成的随机数存在周期性，最终导致随机性不足的缺陷。

发明内容

本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种伪随机数发生器、伪随机数发生方法、处理器芯片，能够减少混沌退化对产生的RNs的影响，提高生成的随机序列的随机性。

本发明的第一方面，提供了一种伪随机数发生器，包括:

三神经元Hopfield神经网络混沌振荡单元，所述三神经元Hopfield神经网络混沌振荡单元基于穿过神经元的磁通干扰李雅普诺夫指数最大的神经元，用于对接收的输入信号进行处理并生成对应的输出信号；

抽样量化单元，与所述三神经元Hopfield神经网络混沌振荡单元电连接，用于抽样量化所述三神经元Hopfield神经网络混沌振荡单元产生的输出信号，得到随机序列。

根据本发明的实施例，至少具有如下技术效果：

伪随机数发生器由三神经元Hopfield神经网络混沌振荡单元和抽样量化单元组成。由于第一维的Lyapunov指数最大，说明神经元x的灵敏度较高，神经元x的变化会引起其他神经元的变化以及通过神经元的磁通的变化。因此为了解决目前FPGA实现带来的混沌退化问题，本伪随机数发生器利用三神经元Hopfield神经网络混沌振荡单元的神经元的磁通量干扰Lyapunov指数最大的一个神经元，让Lyapunov指数最大的一个神经元加入不同的干扰因子，从而减少混沌退化对产生的RNs的影响，能够提高抽样量化单元生成的随机序列的随机性。

本发明的第二方面，提供了一种伪随机数发生方法，包括以下步骤：

构建三神经元Hopfield神经网络混沌振荡器，所述三神经元Hopfield神经网络混沌振荡器基于穿过神经元的磁通干扰李雅普诺夫指数最大的神经元，通过所述三神经元Hopfield神经网络混沌振荡器对接收的输入信号进行处理并生成对应的输出信号；

对所述三神经元Hopfield神经网络混沌振荡器的输出信号进行抽样量化，得到随机序列。