ランダムネスチェッカーのためのインテリジェント最適化と進化アルゴリズムによる境界テストサンプルの生成

科学分野:

• 情報セキュリティ
• 暗号理論
• 計算知能

背景:

• 高品質なランダムシーケンスは、情報セキュリティにおける暗号キーにとって不可欠です。
• 真の乱数生成のための物理的エントロピーソースは、環境要因に対して脆弱であり、リアルタイムのランダムネス試験が必要です。
• 既存のテストデータ生成方法は、ランダムネス基準を正確に満たさないシーケンスや、複数の基準を同時に違反するシーケンスの作成に苦労しています。

研究 の 目的:

• 現在の方法論の限界に対処する動的なテストデータ生成フレームワークを開発すること。
• リアルタイムランダムネスチェッカーのために、挑戦的で境界的なシーケンスを作成すること。
• 暗号キー生成の信頼性とセキュリティを向上させること。

主な方法:

• 進化アルゴリズム（EA）を利用して、境界シーケンス生成を多制約最適化問題として定式化します。
• 大規模言語モデル（LLM）を動的なパラメータ調整役として採用し、進化の傾向を分析し、ゲーム理論的メカニズムを使用します。
• LLMはパラメータを適応的に調整し、リアルタイム調整のための多目的最適化における次元の問題を軽減します。

主要な成果:

• フレームワークは、ランダムネス基準をわずかに満たさないが、高エントロピーソースとの統計的類似性を維持する境界テストデータを正常に生成します。
• 生成されたシーケンスは誤り検出可能であり、統計的テストベースのランダムネスチェッカーにとって現実的で挑戦的な入力として機能します。
• 多目的最適化における次元の呪いの効果的な軽減を示します。

結論:

• 提案された動的なテストデータ生成フレームワークは、リアルタイムランダムネスチェッカーのテストを強化します。
• EAとLLMの統合は、高品質で挑戦的なテストデータを生成するための適応的で効果的なアプローチを提供します。
• この方法は、乱数ジェネレータの検証を改善することにより、暗号化のセキュリティを強化します。