基于深度学习的随机性检验策略研究

TN918.1; 为了获得更好的检验效果,对基于深度学习的随机性检验策略进行了研究,包括 2021 年欧密会提出的批均化策略和数据单元大小的选择策略.通过给出基于深度学习方法的随机性统计检验模型,理论推导得到2 个检验策略的统计量分布和检验势表达,并指出:1)批均化策略虽然能够提升模型预测准确率,但在统计上容易造成第二类错误概率的增大,反而降低了检验势;2)一般情况下深度学习模型的数据单元越小,取得的检验势越高.基于以上认识,提出了一种新的比特级深度学习模型用于随机性统计检验.该模型应用于线性同余发生器(LCG)算法,相比之前工作,参数量减少至1/80,取得预测优势所需数据减少了50％以上;拓...

Full description

Bibliographic Details

Published in:	通信学报 Vol. 44; no. 6; pp. 23 - 33
Main Authors:	陈东昱, 陈华, 范丽敏, 付一方, 王舰
Format:	Journal Article
Language:	Chinese
Published:	中国科学院大学,北京 100049%中国科学院软件研究所可信计算与信息保障实验室,北京 100190 25-06-2023 中国科学院软件研究所可信计算与信息保障实验室,北京 100190
Subjects:	深度学习 随机数发生器 randomness 统计检验 批均化策略 deep learning LCG statistical test Speck 线性同余发生器 random number generator batch average strategy 随机性
Online Access:	Get full text
Tags:	Add Tag No Tags, Be the first to tag this record!