A behavioural model of a truly random number generator based on a JK trigger in an abnormal mode

Research article
  • Сабиров Нияз АйратовичКазанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ, Казань, Российская Федерация
  • Юсупов Булат ЗуфаровичКазанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ, Казань, Российская Федерация
https://doi.org/10.60797/IRJ.2026.173.72
DOI:
https://doi.org/10.60797/IRJ.2026.173.72
EDN:
MBSQDO
Suggested:
09.07.2026
Accepted:
22.10.2026
Published:
17.11.2026
Issue: № 11 (173), 2026
Issue: № 11 (173), 2026
Rightholder:authors.
License:Attribution 4.0 International (CC BY 4.0)
11
0
XML
PDF

Abstract

The work examines the possibility of using a standard JK trigger in a metastable mode as a true random number generator for hardware cryptography. When logic ‘1’s’ are applied simultaneously to both data inputs of the master stage of a two-stage trigger, a competition occurs between the set and reset signals; the outcome of this competition, given the technological symmetry of the signal paths, is determined by thermal noise. To describe this phenomenon, a conceptual model called ‘Scales’ has been proposed, which represents the outcome of each clock cycle as a function of systematic delay asymmetry and additive Gaussian noise. Using behavioural modelling on a sample of 10⁶ bits, it has been shown that, when the asymmetry is compensated for, the generated sequence exhibits a high degree of randomness: the bias was 0.0004, the Shannon entropy was 1.0000, and the minimum entropy was 0.9989. The NIST SP 800-22 tests (Frequency, Block Frequency, Runs) were passed with P-values ranging from 0.17 to 0.74; autocorrelation analysis found no statistically significant correlations between bits. The practical significance of the suggested approach lies in the fact that the generator is implemented on a standard library cell without any circuit modifications or post-processing circuits, which simplifies its integration into FPGAs and on-chip systems.

1. Введение

Генераторы истинно случайных чисел (ГИСЧ) — ключевой элемент аппаратной криптографии. В отличие от псевдослучайных генераторов, ГИСЧ извлекают энтропию из физических процессов и принципиально непредсказуемы

.

Современные аппаратные средства защиты информации развиваются параллельно с методами эффективной обработки и кодирования данных. Криптографические механизмы тесно связаны не только с генерацией случайных последовательностей, но и с алгоритмами представления информации, поскольку процессы кодирования оказывают влияние на эффективность хранения, передачи и последующей обработки данных. В последние годы особое внимание уделяется разработке программно-аппаратных и учебно-лабораторных комплексов, позволяющих исследовать практическое применение алгоритмов кодирования информации и оценивать их эффективность при решении прикладных задач защиты информации

.

Традиционные ГИСЧ делятся на три класса: аналоговые (шумящий диод, резистор) — громоздкие и чувствительные к наводкам; генераторы на кольцевых осцилляторах

,
— требуют постобработки; metastability-based (SRAM
, арбитры
,
) — опираются на специализированные схемные блоки
. Общий недостаток — необходимость в нестандартных ячейках, что усложняет интеграцию в системы на кристалле (СнК) и программируемые логические интегральные схемы (ПЛИС).

В данной работе предлагается использовать стандартный JK-триггер в нештатном режиме (J=1, K=1) как источник энтропии. При одновременной подаче единиц на оба входа в Master-ступени возникает состязание сигналов Set и Reset. Если технологический разброс задержек пренебрежимо мал, исход каждого такта определяется тепловым шумом — триггер становится ГИСЧ.

2. Модель состязания сигналов в JK-триггере

В двухступенчатом JK-триггере (Master-Slave)

,
,
при J=1, K=1 обе перекрёстные обратные связи Master-ступени активны одновременно. Возникающее в Master-ступени состязание сигналов установки (Set) и сброса (Reset) фиксируется на входах Slave-ступени, выполняющей роль арбитра. Исход состязания определяется тем, какой из двух фронтов достигнет порога переключения первым, то есть разностью задержек распространения
и
соответствующих сигнальных путей.

Для анализа этого явления предложена концептуальная модель «Весы», представленная на Рис. 1. Два сигнальных пути — Set и Reset — моделируются линиями задержки с номинальными значениями

и
, которые сходятся к арбитру (Slave-ступени).

Концептуальная модель «Весы»

Концептуальная модель «Весы»

На исход состязания влияют два фактора. Первый — систематическая асимметрия задержек

, обусловленная технологическим разбросом параметров транзисторов (длина канала, толщина оксида, концентрация примесей). Эта асимметрия постоянна для данного экземпляра микросхемы и лежит в диапазоне [-1;+1] пс для типового КМОП-техпроцесса. Второй фактор — тепловой шум
, моделируемый как аддитивная гауссова случайная величина с нулевым математическим ожиданием (1):

(1)

где

пс — среднеквадратичное отклонение, определяемое физическими параметрами схемы.

Функция исхода

определяется как сумма всех факторов, влияющих на разность задержек (2):

(2)

При топологической симметрии путей (

), заложенной на этапе проектирования, первое слагаемое обнуляется, и выражение упрощается до
.

Точка

является порогом принятия решения. Правило арбитража формулируется следующим образом:

(3)

Физический смысл правила (3): при

суммарная задержка пути Set меньше, чем пути Reset — фронт установки приходит к арбитру первым и фиксирует
.

В зависимости от соотношения

и
реализуются три качественно различных режима, проиллюстрированных на Рис. 2. Если
, распределение
целиком лежит по одну сторону от порога
. Исход состязания предопределён систематической асимметрией, и триггер стабильно выдаёт 0 или 1 — режим физически неклонируемой функции (PUF). Если
, распределение
симметрично относительно порога. Исход каждого такта определяется исключительно мгновенным значением шума
; вероятность P(Q=1) близка к 0.5, а последовательные биты статистически независимы. Именно этот, метастабильный, режим представляет интерес как источник энтропии для ГИСЧ. В массовой партии микросхем доля технологически симметричных экземпляров составляет доли процента, что достаточно для реализации одного генератора на кристалл.

Распределение функции исхода Ψ для трёх экземпляров JK-триггера

Распределение функции исхода Ψ для трёх экземпляров JK-триггера

3. Методика оценки качества случайности

Качество ГИСЧ оценивается по трём группам критериев: энтропийным метрикам, статистическим тестам и автокорреляционному анализу.

Энтропийные метрики. Пусть p0 и p1 — вероятности появления нуля и единицы в выходной последовательности. Смещение (bias) определяется как

; идеальное значение 0. Энтропия Шеннона
характеризует среднее количество информации на бит; максимум H=1 достигается при p0 = p1 = 0.5. Минимальная энтропия
даёт консервативную оценку для криптографических приложений.

Статистические тесты. Применены три теста из батареи NIST SP 800-22

, рекомендованной для сертификации ГИСЧ
. Частотный тест (Frequency Monobit) проверяет близость доли единиц к 0.5. Частотный тест внутри блока (Frequency within Block, M=128) оценивает равномерность распределения на коротких отрезках. Тест серий (Runs) анализирует частоту чередования нулей и единиц. Тест считается пройденным, если P-value > 0.01.

Современные методы анализа цифровых потоков всё чаще основаны на технологиях обработки больших объёмов данных и интеллектуальных алгоритмах выявления отклонений. Использование моделей глубокого обучения позволяет обнаруживать скрытые закономерности и аномалии в последовательностях, формируемых в режиме реального времени, что повышает достоверность оценки качества цифровых потоков. Подобный подход демонстрирует перспективность совместного применения классических статистических критериев и современных методов интеллектуального анализа данных при оценке характеристик генераторов случайных чисел

.

Для проверки независимости последовательных битов вычисляется автокорреляционная функция на лагах

. При уровне значимости 0.05 доверительный интервал составляет
, где
— объём выборки. Выход за границы интервала указывает на статистически значимую зависимость.

4. Эксперимент

Эксперимент проведён методом поведенческого моделирования на языке Python. Параметры эксперимента приведены в Таблице 1.

Параметры эксперимента

Параметр

Значение

Число моделируемых экземпляров (чипов)

10

Объём выборки для ГИСЧ

106 бит

Среднеквадратичное отклонение шума

0.3 пс

Диапазон систематической асимметрии

[-1.0,+1.0] пс

Начальное значение генератора (seed)

42

При разработке и верификации аппаратных средств информационной безопасности особое значение имеют специализированные испытательные стенды, позволяющие контролировать характеристики электронных устройств и воспроизводить различные режимы их функционирования. Практика создания подобных аппаратно-программных комплексов показывает, что предварительное моделирование и последующая экспериментальная проверка существенно повышают достоверность получаемых результатов и позволяют выявлять особенности работы цифровых схем ещё до изготовления физического прототипа. Аналогичный подход используется и при разработке стендов для контроля и анализа пороговых извещателей, где значительное внимание уделяется воспроизводимости измерений, обработке экспериментальных данных и оценке корректности функционирования электронных узлов

.

На первом этапе сформирована популяция из десяти виртуальных экземпляров JK-триггера. Для каждого экземпляра значение

извлечено из равномерного распределения
пс и зафиксировано. Пробная выборка объёмом 104 бит на каждом чипе позволила идентифицировать экземпляры, предрасположенные к метастабильности. Экземпляр с
пс отобран как кандидат в ГИСЧ. Отметим, что критерий
пс является лишь предварительным: при граничном значении
пс и
пс вероятность единицы достигает
, что не удовлетворяет требованиям к ГИСЧ. Поэтому отбор служит для сужения диапазона последующей компенсации остаточной асимметрии, а не для её устранения.

На втором этапе остаточная асимметрия отобранного экземпляра считается скомпенсированной – задано

. Такое значение моделирует чип после точной подстройки задержек (например, программируемыми элементами задержки) либо технологически симметричный экземпляр, у которого разброс параметров транзисторов Set- и Reset-путей пренебрежимо мал; полученные ниже характеристики следует рассматривать как предельно достижимые для метастабильного режима. Сгенерирована последовательность из 106 бит. Для каждого бита вычислялось значение
, где
— случайная величина, распределённая по нормальному закону
. Бит фиксировался как 1 при
и как 0 в противном случае, согласно правилу (3). Начальное значение генератора псевдослучайных чисел зафиксировано (seed=42) для обеспечения воспроизводимости.

5. Результаты

Энтропийные метрики. Характеристики сгенерированной последовательности приведены в Таблице 2.

Метрики качества случайности

Метрика

Значение

Число бит

1 000 000

Число единиц

500 394

Число нулей

499 606

P(1)

0.5004

Смещение (bias)

0.0004

Энтропия Шеннона

1.0000

Минимальная энтропия

0.9989

Смещение составило 0.0004, что в 2.5 раза ниже типового порога 0.001, применяемого к ГИСЧ без постобработки. Энтропия Шеннона достигла максимального значения 1.0000. Минимальная энтропия

означает, что на каждый выходной бит приходится не менее 0.9989 бита истинной случайности.

Статистические тесты NIST. Результаты тестов представлены в Таблице 3.

Результаты статистических тестов NIST SP 800-22

Тест

P-value

Результат

Frequency (Monobit)

0.4307

Пройден

Frequency (Block, M=128)

0.1738

Пройден

Runs

0.7442

Пройден

Все три теста пройдены (P-value > 0.01). Значения P-value лежат в диапазоне [0.17, 0.74], вдали как от критической границы 0.01, так и от единицы, что свидетельствует об отсутствии как грубого смещения, так и искусственной «подгонки» под тесты.

Автокорреляционный анализ. Автокорреляционная функция для лагов

представлена на Рис. 3.

Автокорреляционная функция потока битов с 95% доверительным интервалом

Автокорреляционная функция потока битов с 95% доверительным интервалом

Анализ электрических характеристик цифровых устройств требует комплексной оценки не только статистических показателей выходной последовательности, но и стабильности поведения электронных элементов при различных режимах функционирования. Подобный подход широко применяется при экспериментальном исследовании электронных компонентов систем безопасности, где достоверность результатов определяется корректностью измерений, воспроизводимостью экспериментов и сопоставлением полученных характеристик с расчётными моделями. Использование аналогичной методологии при оценке работы генератора случайных чисел позволяет повысить объективность анализа и обеспечивает более надёжную интерпретацию экспериментальных данных

.

Ни одно значение автокорреляции не выходит за пределы 95% доверительного интервала (±0.002), что подтверждает статистическую независимость последовательных битов.

Гистограмма распределения. Соотношение нулей и единиц в выходной последовательности показано на Рис. 4.

Распределение нулей и единиц в сгенерированной последовательности

Распределение нулей и единиц в сгенерированной последовательности

Разница между числом нулей (499 606) и единиц (500 394) составляет менее 0.08% от объёма выборки, что подтверждает равномерность распределения.

Полученные результаты сопоставимы с характеристиками известных ГИСЧ на метастабильных элементах. Так, в SRAM-based TRNG

минимальная энтропия типично составляет 0.85–0.95 бит/бит; достигнутое значение 0.9989 превышает этот диапазон. Генераторы на кольцевых осцилляторах
,
обеспечивают сопоставимое качество, но требуют схем постобработки (корректор смещения, экстрактор энтропии), в то время как предложенное решение обходится без них благодаря технологической симметрии триггера.

Следует отметить следующие ограничения. Итоговые показатели качества случайности (Таблицы 2, 3) получены для случая полностью скомпенсированной систематической асимметрии и характеризуют предельно достижимый уровень метастабильного режима; у реально отобранного экземпляра с остаточной асимметрией вероятность появления единицы отклоняется от идеального значения 0.5, что необходимо учитывать при переносе полученных оценок на конкретные образцы. Моделирование выполнено на поведенческом уровне; тепловой шум представлен упрощённой моделью AWGN, не учитывающей окрашенность и зависимость от температуры и напряжения питания. Кроме того, тепловой шум задаётся программным генератором псевдослучайных чисел с фиксированным начальным значением, поэтому полученные статистические результаты в первую очередь подтверждают корректность логики предложенной модели, а не свойства физического источника энтропии. Выборка 106 бит достаточна для демонстрации качества, но не для полносертификационных испытаний по всем 15 тестам NIST. Физический прототип на данном этапе отсутствует, что оставляет открытым вопрос о влиянии реальных паразитных эффектов (перекрёстные наводки, нестабильность питания) на качество случайности.

6. Заключение

В работе исследована возможность использования стандартного JK-триггера в метастабильном режиме в качестве генератора истинно случайных чисел. Предложена поведенческая модель «Весы», описывающая состязание сигналов в Master-ступени через взаимодействие систематической асимметрии задержек

и теплового шума
. Показано, что при технологической симметрии (
) исход каждого такта определяется исключительно шумом, а выходные биты статистически независимы.

Поведенческое моделирование на выборке 106 бит для случая полностью скомпенсированной асимметрии (

) подтвердило высокое качество случайности: смещение составило 0.0004, энтропия Шеннона — 1.0000, минимальная энтропия — 0.9989. Тесты NIST SP 800-22 (Frequency, Block Frequency, Runs) пройдены с P-value от 0.17 до 0.74. Автокорреляционный анализ не выявил значимых зависимостей между битами. Отметим, что перечисленные показатели характеризуют предельно достижимый уровень: у реального отобранного экземпляра с остаточной асимметрией вероятность появления единицы отклоняется от идеального значения, а поскольку тепловой шум моделировался программным генератором псевдослучайных чисел с фиксированным начальным значением, полученные результаты подтверждают в первую очередь корректность логики предложенной модели, а не свойства физического источника энтропии.

Практическая значимость предложенного подхода состоит в том, что ГИСЧ реализуется на стандартной библиотечной ячейке без каких-либо схемных модификаций, что упрощает его интеграцию в ПЛИС и СнК.

Рост числа распределённых информационных систем, платформ на основе блокчейн-технологий и автономных программных агентов значительно повышает требования к качеству используемых криптографических механизмов. Надёжные аппаратные генераторы истинно случайных чисел становятся одним из базовых компонентов подобных систем, поскольку используются при формировании криптографических ключей, одноразовых идентификаторов и других элементов инфраструктуры доверия. По этой причине предложенный подход может представлять практический интерес не только для аппаратной криптографии, но и для перспективных распределённых вычислительных платформ, использующих механизмы децентрализованного доверия

,
.

Направления дальнейших исследований включают: реализацию физического прототипа на ПЛИС или заказной микросхеме; исследование влияния температуры и напряжения питания на качество случайности; расширение набора статистических тестов до полной батареи NIST SP 800-22; разработку схемы автоматического поиска симметричных экземпляров триггера на кристалле и компенсации остаточной асимметрии программируемыми элементами задержки.

Article metrics

Views:11
Downloads:0
Views
Total:
Views:11