A behavioural model of a truly random number generator based on a JK trigger in an abnormal mode
A behavioural model of a truly random number generator based on a JK trigger in an abnormal mode
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 распространенияДля анализа этого явления предложена концептуальная модель «Весы», представленная на Рис. 1. Два сигнальных пути — Set и Reset — моделируются линиями задержки с номинальными значениями

Концептуальная модель «Весы»
На исход состязания влияют два фактора. Первый — систематическая асимметрия задержек
где
Функция исхода
При топологической симметрии путей (
Точка
Физический смысл правила (3): при
В зависимости от соотношения

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
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
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
На втором этапе остаточная асимметрия отобранного экземпляра считается скомпенсированной – задано
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
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

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