IBM云平台上的量子真随机数生成器在沙特国王大学学报中的应用

沙特国王大学学报IBM云平台上的量子真随机数生成Vaishnavi Kumar，John Bosco Balaguru Rayappan，RengarajanAmirtharajan，PadmapriyaPraveenkumar电子电气工程学院，SASTRA Deemed大学，Thanjavur 613 401，印度阿提奇莱因福奥文章历史记录：收到2021年2022年1月8日修订2022年1月22日接受2022年1月31日在线提供关键词：QTRNGQCDQISKITNIST哈达码门A B S T R A C T随机数是现代计算中任何密码操作的生命线。量子真随机数发生器（QTRNG）可以产生真实的随机数据来代替看似随机的周期序列。在这里，我们在我们的设备上本地呈现了实际量子计算设备（QCD）上最快的QTRNG以节省时间。为了构造一个随机数生成器，使用了名为Qiskit的IBM Q Experience我们的源阿达玛门的易用性与其可验证的唯一随机性相结合，对于免费获得量子随机数发生器至关重要。在量子实验室中证明了Hadamard门的平方的内矩阵积是可识别的在量子寄存器上应用H门两次它作为一个单一的阿达玛门，实际上是 可 视 化 使 用 IMB Q 的 经 验 。 本 文 对 24 比 特 随 机 数 进 行 了 实 验 研 究 。 这 种 生 成 的 随 机 数 的 最 小 熵 为0.0007244，最坏情况下的熵值为0.999507。此外，通过转向重启动试验验证了真随机性，并通过美国国家标准与技术研究院（NIST）SP 800- 90 B 800-22试验对TRNG的统计特性进行了评价。版权所有©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍无 论 是 在 个 人 还 是 国 际 方 面 ， 通 信 安 全 都 变 得 更 加 重 要（Bennett和Bennard，2020）。在连接的设备之间交换的私人文档的不断增加的大小推动了对日益高效、安全的通信的需求即将到来的信息技术，如边缘计算，区块链和大数据，描绘了与互联网客户隐私相关的大量机密数据，这些数据已日益增加（Kfoury等人，2019年）的报告。在我们这个技术驱动的世界中，随着计算能力的提高和数据量的巨大，数据安全面临着重大挑战。处理数百万甚至可能数十亿的数据记录是压倒性的。密钥生成过程所需的随机数是至关重要的，设备将其作为关键密钥，并且在生成之前无法知道其值*通讯作者：SASTRA Deemed大学电气电子工程学院电子通信工程系，Thanjavur 613401，印度。电子邮件地址：padmapriya@ece.sastra.edu（P. Praveenkumar）。沙特国王大学负责同行审查制作和主办：Elsevier（Ma等人， 2016年）。在网络安全、密码学和科学模拟中，随机数发挥着重要作用。高质量、高速度的随机数是信息安全的关键。即使核心算法是安全的，在此期间，随机性生成与穷人的实现将揭示严重的安全漏洞的密码系统随机数序列由相互不相关的自由数组成。在计算机中生成不可预测的东西是具有挑战性的（Huang等人，2021年）。 RNG输出是使用虚拟或物理源创建的分类。因此，必须求助于物理世界来测量随机行为的东西，并从那里提取随机数（Gennaro，2006）。 与图像在手指的随机性前景，考虑可以摆动到随机数生成器和它们的生成方式。许多随机数生成器是可用的，基于被分类为软件随机数生成器（决定性软件）或硬件RNG（物理现象）的生成过程。真随机数发生器和伪随机数发生器是计算机随机数发生器的两大类。正如名称pseudo放在首位，伪随机数不是随机的方式可能假设（Uchida等人，2008年）。PRNG使用数学公式或预先计算的表格产生一系列数字;因此它们看起来是随机的，但却是预先确定的。应用程序涵盖统计分析，https://doi.org/10.1016/j.jksuci.2022.01.0151319-1578/©2022作者。由爱思唯尔公司出版代表沙特国王大学这是一个在CC BY-NC-ND许可证下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6454安全的通信需要真正的随机数（Bennett和Bennard，2020）。在广泛的应用中，仅仅使用经典过程是不可能实现真正的随机性的，而且它扮演着重要的角色。随机数发生器从可用的文献方法的局限性量子力学已经提供了迷人的新协议，以提供计算机科学，通信，信息理论和物理学之间的结合点，并且物理学具有可信的权利要求是随机性的最佳来源之一（Bennett等人，1992年）。此外，它提供了一个更高的随机性来源，因为对某些量子粒子的测量具有根本不可预测的结果。所以，量子力学是伟大的，因为它告诉我们，当一个对象被采取和测量，得到的结果是完全不可预测的，所以人们可以使用量子力学来生成随机数。量子力学提供了有趣的新协议，并成为计算机科学和信息理论之间交叉的革命性行为在20世纪20年代，它资助了我们的意识，在我们的理解中创造了技术进步，彻底改变了我们对世界的基础量子密钥分配和已建立的技术被认为对经典计算机来说很难，这表明量子力学深刻地影响了我们对安全、密码学和计算的看法另一个重要的成熟的量子技术，抢了一个世纪的掌握和开始蓬勃发展是量子随机数生成。这场量子革命可能再次塑造我们的社会和经济。随机性在科学、艺术、统计学、密码学和游戏中有许多用途。今天，从长远来看，技术提供的安全性是一个可行的主张，越来越受到关注。 除了它的技术优点，这种量子随机数发生器将使许多研究人员着迷于这项技术（Cheng等人， 2019年）的报告。在过去的二十年里，量子随机数发生器引起了广泛的关注。最近的综述文章和参考文献包括在主题综述中（Ma等人，2016;Herrero-Collantes和Garcia-Escartin，2016）。不可预测性是QRNG与经典QRNG的重要区别。通过量子力学的确定性原理，QRNG避免了经典随机数中的可预测环洞。因此，量子器件显示出其相对于经典器件的优势。它们是经过深思熟虑的，作为不可预测的输出，在高信息安全水平下产生唯一的设备，例如称为量子设备的认证，以显示其作为前面提到的原理的效果的到目前为止，已经应用了几种程序来根据量子随机性源产生不同种类的QRNG（Abbott等人，2014; Stefanov等人， 2000; Dynes等人，2008）弱相干态到达时间（Wayne和Kwiat，2010;Wahl等人，2011年; Li等人，2013; Nie，2014），检测计数光子或真空波动的影响（Sanguinetti等人，2014; Gabriel等人，2010; Symul等人，2011;Steinlechner等人， 2011）和自发发射中的相位波动（Shen等人，2010年）。实际设备可能不忠实于假设的模型。QRNG协议在以下情况下轮换：Leilei（Huang等人，2021;张例如， 2021年）Yanbao（Zhangetal.，2021）（Gehring等人，2021年）Tobias（Gehring等人，2021年;Li等人， 2021年）袁浩（Li等人，小行星2021例如， 2020年）雅努什·E.（Jacak等人，2020年;Herrero-Collantes和加西亚-埃斯卡廷，2017年）产生随机数的四种不同的量子设备被XOR，这增强了实际的安全性。光子时间仓状态测量具有可验证的实时随机性，且延迟较低。2.9 Gbit/s的实时生成速率进行了演示，旨在确定拟议的系统H-min值。QRNG是由一个超辐射发光二极管与温度的影响，已经研究了与数值方法增加。该协议将随机性测试转移到可信第三方，并在不违反对生成的比特秘密公开执行的分析的情况下决定进行随机性测试。平台连续运行一年多，效果不断改善。在每一个中产生8192个随机比特块，0.12秒一些变化在较长时间内变得明显，导致在比预期更差的周期处的最小熵的结果。SLED中温度的升高导致最小熵的减小.输出未通过NIST统计检验。后处理不能对抗温度升高。传统的随机性检验方法放松了对设备的假设和特征化至少有八种现有的商业产品已经从实验室走向货架，使用不同的QRNG量子现象（QRNG，2021）。所有的科学领域都将被探索，从密码学到机器学习，但主要的障碍是量子系统的可靠性（Stevanovic等人，2007年）。量子系统的测量对研究人员来说是一项简单的任务，但测量是由量子系统而不是伪装的经典系统组成的，这是很难证明的。到目前为止，量子随机数发生器的研究主要有基于放射性衰变的量子随机数发生器、基于噪声的量子随机数发生器、基于分支路径发生器的光量子随机数发生器、分支路径发生器、到达时间发生器、光子计数发生器、衰减脉冲发生器、真空涨落、激光相位噪声、放大自发辐射、拉曼散射、光参量振荡器等。非光学量子数发生器，设备独立的量子随机数发生器（Herrero-Collantes和Garcia-Escartin，2017）。与众多的诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6455222ffiffi×i22我我我1Σ1 1Σ1Σ1 1Σ 323一个量子位，例如两个量子位，产生了4维空间。CA0ω1时B@0CAHA^·H¼p2ffiffiffiffi不同设备的应用程序编程接口，这是发人深省的实现的基本原则，为最终用户和选择从可用的QTRNG。然而，用户发现很难估计QTRNG的质量和性能，因为到目前为止还没有正式发布的通用QTRNG标准。此外，委员会认为，使用布洛赫球，可以可视化量子位的可能状态。仅在北极或南极存在经典位，剩余的表面不可接近经典位，而量子位存在于表面上或其内部的任何点处。在纯态下可以表示为在线安全应用程序令人愉悦，可持续的随机数服务-..h.iW. h具有高稳定性要求的虎钳由于通常的单个QTRNG中缺乏实时随机性这项拟议中的工作理解了第一台量子计算机上的平台，任何人都可以传下来。通用量子计算机是第一个通过云访问方便深远的计算机的工业计划，是推出的IBM Q体验（量子计算，2021）。Qiskit工具也已启动，用于在这些机器上运行实验（Xu，2019）。IBM量子设备研究使用随机数生成器进行了测试（Quantum Computing，2021）。本文提出的量子真随机数发生器是由通用量子Hadamard门构成的，只要随机数是可能随机的。由于量子真随机数是量子密钥分配的主要要求，因此本文的工作主要集中在随机数的产生上。阿达玛门结构的连续安排是合理的，在拟议的工作。与单个设备制造商相比，通用云中心更值得信赖。拟议工作的重点如下：1. QTRNG的第一项工作是在IBM云平台上整合Hadamard Gates。2. QTRNG包括24个量子比特、量子寄存器、经典寄存器和Hadamard门。3. 为了得到更好的结果，研究了相同的Hadamard结构。4. 该方案提供了0.0007244的最小熵，因此导致最坏情况下的熵为0.999507。5. 通过重新启动实验和自相关分析证明了真正的随机性。6. 符合NIST测试80- 90 B和8007. 没有采用后处理功能。8. T-Tuple检验估计给出了熵的最小值，其最坏情况熵为0.999930。9. 所提出的QTRNG是独立于设备的。2. 预赛. Wi¼cos2. 0 i e罪2j1i32.2. 量子寄存器在布尔计算机中，寄存器中的经典起源位不相互作用，而这种限制被限制在量子寄存器中。比特可以处于相干叠加状态。量子寄存器是包含多个量子比特的结构，它是不同量子比特的张量积通过研究2个纯量子比特叠加|a0i=p1（一）|0i+|1i）和|a1i=p1（一）|0i-|1i），使用量子寄存器定义|ai=|a0i|a1i=p1（一）|我...|01i+（|10i-|11i）它跟踪它是熟练的存储所有可能的值跨越两个量子位在同一时间时间2.3. 古典语域经典寄存器同时存储跨越的量子位值。经典寄存器通常用于捕获测量结果。2.4. 哈达码门需要运用非常高技能的物理学来使粒子进入叠加态。通过对量子位应用特定的门，使量子位进入叠加态。作用于单个量子位的门是阿达玛门，可以表示为22矩阵。状态中的量子位|0运输一旦应用阿达玛门，量子位到叠加态，任何地方测量值0的概率与测量值1的概率相似。Hadamard门的矩阵描述表示为等式：（4），狄拉克符号给出方程。（5）（6）.H111142.1.量子比特2019- 02 -2200：00：001- 1张图片量子位，也称为量子位或量子位，是量子计算的基本单位，就像经典计算的二进制位一样经典位可以在两种状态之一中被识别，即0或1，其中量子位可以在这两种状态中，而仅当状态的测量被确定时才稳定在一种或另一种状态上。我 ！j0ipj1ij1i ！j0-pj1ið5Þð6Þ是做出来的我们会用|0表示纯0量子态，因此量子位是由|0&|1个基向量。一个量子比特是这个向量空间的一个元素功能|Wi可以表示为使用张量积的H的矩阵表示如下所示：H2¼H沪公网安备31010502000111号. X轴y2p21- 1页p21- 1页11111- 11-171- 1-将克罗内克积应用于多个组合-2411-117526411-1-175. - 是的Σ0101ω. 0 Σ1100011应用于单量子位矩阵表示的两个连续的Hadamard门如下所示：1 0j01i ¼B.CQC公司简介0ð2Þ1Σ1 1Σ1Σ1 1Σ1Σ2 0ΣΣ1 0Σ0 1jWi ¼xj0iyj 1i¼;jxj2 jyj2¼11- 1页1- 1页一一一1-1p21- 1¼20 2¼诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报64562.5. Qiskit通过开源编程框架Qiskit（Xu，2019），可以通过云轻松访问IBM Quantum模拟器和量子设备该软件提供了生成和操作量子程序的工具，一方面是量子算法，另一方面是在原型量子设备上运行它们。它将常见的编程语言（如python）转换为量子机器语言。量子阿达玛门在随机数的产生中起着重要的作用.本文通过H门的排列方式对H门进行了研究。偶数Hadamard门不复制随机性，所以奇数门被相同地添加到每个量子位行中。量子真随机数接收到所有奇数相同的安排，在其值略有变化，在结果部分简要描述。下面的算法描述了所提出的方法体系结构的工作原理。编程IBM设备环境，我们需要来自python软件包Qiskit为了在量子位上应用各种转换，我们发现Qiskit内置函数有利于创建量子寄存器和电路。3. 拟议方法所提出的框架的目标是衡量不可预测性和挑战，以重现随机数序列。量子真随机数产生的主要来源该方法使用Hadamard门来产生随机数。所提出的方法由两部分组成第1解释了Qiskit的量子编程，而第2节则介绍了随机数生成的构造。所提出的修改的QTRNG包括五组不同计数的H门，其中每个门由从1到1的奇数个计数组成。9.这项工作的假设是通过使用ibmq_qasm_simulator中的24个量子位和65，536个射击来使用具有测量的Hadamard门。4. 第14.1. 使用Qiskit进行IBM量子寄存器和电路通过Qiskit内置函数创建。通过连接到现实世界中的IBM设备，执行量子程序。量子设备总是与传统计算机相结合。为了存储量子位的状态，在量子电路执行中必须有相等数量的位，如下所示：来自qiskit import*QR = QuantumRegister（N）CR = ClassicalRegister（N）ckt = QuantumCircuit（QR，CR）cktmeasure（QR，CR）程序：量子真随机数生成输入：量子位的数量，发射;运行内核;输出：随机数;开始步骤1.登录到IBM量子计算机步骤2.进入量子发射实验室第3步。启动服务器步骤4. Qiskit 0.29.0步骤5.导入标准Qiskit库步骤6.设置量子寄存器和经典寄存器的数量步骤7.将Hadamard门应用于所有量子位步骤8.对所有量子位应用测量步骤9.逐个单元格运行步骤10.输入量子位数步骤11.指定量子位数为24步骤12.输入注射次数第十三步.指定射击次数为65，536次步骤12. 随机数的数量=量子位的数量×发射的数量结束程序上图2（a）。表示如何访问量子计算机的图形表示。一旦用户通过登录进入IBM Quantum Experience，它将允许我们进入实验室，在那里我们可以通过量子寄存器线使用量子位。QTRNG是在IBM QuantumLab上设计的.用户使用经典计算机通过IBM为个人用户提供的令牌进入IBM Quantum Experience。一旦登录到实验室的用户，IBMquantum composer和IBM quantum lab将可用。Composer可用于构建量子电路。但是在量子比特的访问上存在一些限制。该实验室允许通过整合Qiskit提供的后端提供程序来执行量子电路。发达电路作为作业发送到IBM量子计算机，结果从量子计算机中检索回来Qiskit的作用它提供了生成和操纵量子亲-本工作使用Qiskit Python包编程语言在IBM平台上和Anaconda 3笔记本电脑上进行不同随机数的生成。5. 第25.1. 量子真随机数随机数从生成密钥到加密系统在密码学和其他应用中起着至关重要的作用。不幸的是，随机数只产生它们的伪序列.根据量子计算的特点，提出了一种实数随机数发生器.如果我们希望产生随机数位的顺序，则需要五个量子位的量子寄存器。长度2 5值从0到31，如图。1.一、grams并将通用编程语言翻译成量子机器语言。它集成了量子算法和物理量子设备来执行量子计算。量子语言在Qiskit中被称为开放量子汇编语言（OpenQASM），它为实际的量子设备提供指令尽管软件有所不同，但新版本发布的轻微语法更改不会显著改变软件功能。IBM的作用与图2（b）中的门设置相同。由IBM开发的所有量子计算机提供。每一个可能的量子计算都可以只使用这个集合中的量子来识别。使用拖放界面构建量子电路，在模拟器或真实量子硬件上运行，并管理工作区中的文件和作业。编辑回路时动态模拟回路诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6457图1.一、5量子比特量子电路的表示a）单个Hadamard门b）三个连续Hadamard门c）五个连续Hadamard门d）七个连续Hadamard门e）九个连续Hadamard门f）工作环境的快照诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6458¼图1（续）检查各种硬件上的电路性能。IBM目前通过5个模拟器和24个系统提供服务重复上述步骤，就产生了一个随机数，并且会出现完全随机数的顺序。类似于超定位量子比特，其中0或1的可能性为50%，这种生成随机数的方法所有可能的组合都可能出现在输出中，每次使用最高或最低概率都不同。 其中一种可能性如下图所示。3.第三章。利用Hadamard门将量子比特从成团态转换为均匀叠加态一旦量子程序在实验室中输入，我们就可以开始运行它一次;当它要求一个量子位时，输入所需的量子位数工作环境的快照如图所示. 1（f）.6. 结果建议的随机数生成是使用IBM实验室实现的。这一努力意味着QTRNG辅助的随机数不能被再现，随机性强。的设计测试了五个结构。真正的随机性是确定的-所有序列中的比特分布彼此不同，这证实了真正的随机性。对于该实验，存在来自五种不同结构的五组128位，单H门、三个H门、五个H门、七个H门和九个H门。从图中可以明显实施的重启测试的结果确保了样本之间没有模式或依赖性。因此，观察者没有机会知道所获得的样本的知识来猜测下一个样本。6.2. 自相关检验自相关确定序列中数字之间的依赖性，也是一种统计检验。自相关性应接近零的任何，所有的移位滞后参数是随机的。得到的输出进行测试，其相关性分析。自相关函数是通过考虑数学公式计算的。验证完毕，用重启实验做了自相关分析。QTRNG的各种统计特性已通过NIST 800- 90 B和800A-DjNð7Þ6.1. 再启动实验重新启动实验是证明产生的比特是统计独立的最终分析。此外，它有助于区分TRNG和PRNG。该测试旨在记录连续的随机位序列并仔细检查其收获率。选择了5种不同序列的QRNG的128位，借助于1、3、5、7和9 H门结构来进行该分析。 图 四、显示了重新启动实验的结果NAD-S上图表明，正相关和负相关的元素是相互独立的结果分析表明，在从1到1024的不同延迟时间内没有重复模式。重启实验表明，诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6459图二. a）访问量子计算机的图形表示。b）IBM Quantum Compose图三. 5量子位真随机数表示的概率。诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6460见图4。24比特QTRNG的重启实验分析：a）1H门b）3H门c）5H门）7H门e）9H门。QTRNG的行为是真正的随机而不是伪随机。在原点上识别单个δ函数表明位是非周期性的。6.3. NIST 800- 90 B统计检验熵保证了随机性的概念。Shannon、Renyi和min-entropy是最有前途的熵类型。最小熵是估计熵源质量的标准化手段，也是与猜测难度有关的密码安全性的最相关度量。熵源需要是独立的噪声源或混合噪声源。独立的噪音源。它描述了如何验证物理硬件和非物理软件噪声源。使用24 个量子位和65，536次射击获得的随机数在一次执行中是24×65，536位。在将获得的文本文件转换为bin文件（bin文件的100MB数据）时，将其加载为128个不同的8位宽符号的14 crore样本，其中二进制符号的数量约为118 crore，并在Ubuntu上进行测试。该测试确保数据集是IID或非IID，并提供对所提供数据的最小熵的估计。在统计学上，最小熵被定义为：H¼min1≤i≤k-logg2pi8诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6461表1NIST 800- 90 B最小熵估计结果（每个量子位上应用不同数量的H门1测试类型单H门三H门五H门七H门九H门1熵统计估计：最常见的值估计0.8319/1位0.8308/1位0.8264/1位0.8275/1位0.8284/1 bit碰撞测试估计值1.0000/1 bit 1.0000/1 bit0.9214/1位1.0000/1位0.9128/1位马尔可夫测试估计0.8485/1位0.8516/1位0.8406/1位0.8449/1位0.8492/1 bit压缩测试估计0.5676/1 bit0.5695/1 bit0.5639/1位0.5723/1位0.5644/1位2元组估计值：T-Tuple测试估计值0.0001/1位0.0001/1位0.0001/1位0.0001/1位0.0001/1位LRS测试估计值0.0003/1位0.0003/1位0.0003/1位0.0003/1位0.0002/1位3预测器估计：窗口预测测试估计0.8319/1位0.8308/1位0.8264/1位0.8275/1位0.8284/1位滞后预测测试估计0.8213/1位0.8213/1位0.8227/1位0.8219/1位0.8251/1位带计数预测检验估计的0.0391/1位0.0710/1位0.0772/1位0.0859/1位0.0696/1位LZ 78 Y预测测试估算0.8319/1位0.8308/1位0.8264/1位0.8275/1位0.8284/1位4 H_original：0.0007 0.0008 0.0007 0.00060.00065 H-bitstring：0.0001 0.0005 0.0005 0.0005 0.00016 Min（H-original，8×H_bitstring）0.000749 0.000805 0.000734 0.000661 0.0006737最坏情况熵（2-m）0.999480 0.999442 0.999491 0.999541 0.999533表2NIST 800T14-随机偏移测试单H门三H门五H门七H门九H门结论S C PC PCPCPCP-4 3.60010.60825.4491 0.36354.54550.47384.78640.44246.57660.2540随机-3 6.72690.24179.10330.10501.83610.871311.8670.03662.97470.7038随机-2 7.47970.18733.1997 0.66922.36910.79606.95930.22360.90030.9701随机-1 5.05370.40933.3190 0.65095.65410.34134.49670.48038.43640.1337随机2019年12月19日星期一1.8220 0.87312.99680.70042.90460.71466.50510.2601随机电话：+2 4.35170.49994.0964 0.53563.36810.64340.42620.99455.73810.3325随机+3.72400.58971.5029 0.91271.68430.89081.36810.92775.27670.3830随机电话：+41 1.6312 0.8974T15-随机偏移方差检验4.5985 0.46681.75670.88163.61070.60661.53760.9086随机S CT PCT PCTPCTPCTP结论-9.0 16530.93314010.47627360.51047690.26284330.1534随机2019 - 06 - 280.83734170.35747160.57817390.33204300.1368随机-7.0 16860.95024500.17806880.70387520.25204330.1025随机-6.0 17580.65770.0588美元6470.94627780.14154500.0469随机-5.0 17250.76440.08486350.97027450.19034110.0973随机-4.0 16370.81404070.23056330.94946890.37993660.2399随机-3.0 15310.27223620.52835970.59926840.32973530.2504随机-2.0 15060.09553390.76885880.41016370.63113060.7196随机-1.0 15860.13253380.63836150.50205970.75243000.7091随机1753 - 1666 - 1753- 16663320.81426030.31395760.35872560.1468随机2019年12月29日星期一0.90996000.52875520.35382550.3889随机2019年12月28日星期一3050.71306900.52345290.31092700.6970随机电话：+4.0 17560.58752990.68947670.17594910.20472800.8631随机电话：+5.0 18200.39692880.61987430.33214780.21392730.8035随机电话：+6.0 18050.49142640.46417270.45794620.20682470.5823随机电话：+7.0 17650.65912570.45377380.44244350.16882390.5499随机电话：+8.0 17640.68462540.46657340.49264020.12712470.6376随机电话：+9.0 18200.53762430.43047590.41553350.05752690.8249随机S-对于连续的原始数据集，估计原始H，其是每个样本的最小熵。对于非二进制数据集的情况，还估计每比特H 比 特 串的附加估计。最后，最小熵估计被确定为：H½minHoriginal;Hbitstring9测试确认数据为非IID。在非IID数据的这项工作中，所有十个估计都被执行。从表1中，我们可以观察到大多数测试的熵如何超过0.8 ， 并 且 最 小 熵 被 视 为 所 有 可 用 的 五 组 值 的 平 均 值 ， 达 到0.0007244，最坏情况的熵也被计算为0.999507，其更接近1，指示随机。ness实现了。 在这10 种估计中 ，T-Tuple 检验估计 的熵值最低为0.0001/1 bit，最坏情况下的熵值为0.999930。6.4. NIST 800-22统计检验本节评估了所提出的用于密码学应用的随机数生成器，并研究了从19个序列中生成的随机数。所创建的序列是二进制的，适合于NIST测试，特别是对于二进制数据。NIST统计检验包括15种检验方法，其中13种检验结果见图6a）b），其余2种检验结果见表2。随机的片段是肛门-诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6462×图五. 24比特QTRNG的自相关分析：a）1H门b）3H门c）5H门d）7H门e）9H门。通过考虑224位数据，使用NIST测试套件进行分析请注意，随机数生成了很多次，但只讨论了五个结果。每个测试0.055和0.98;由于大于0.1，因此认为结果成功通过。所提出的结果表明，大多数比特流通过测试的显着性水平接近1的值使用以下测试名称简要描述了上述NIST 22测试结果（T1至T13-b）。T1T2T5T6 -T9 - MaurerT11-a -串行测试T12T13-a -累积和（T1-T13测试结果如图6所示。其余两个测试简要描述，其P值见表2以上表中给出了统计检验结果，一个明显的趋势是，随着每个量子比特上的Hadamard门的数量增加，p值略有增加。每次运行都使用不同日期收集的数据进行。参考作品的文献没有提到他们完整的NIST测试结果（Marangon等人，2017; Yang，2020; Xu等人，2021），并且仅处理熵值。如图5和表2所述，所有15个随机性测试均通过（见表3）。该协议在IBM云的量子计算机上执行，因此证明了我们的协议的可操作性。根据NIST统计检验、重启检验和自相关检验的结果，最终的随机数可以反映真实的随机数利用我们的量子真随机数发生器，可以相当有效地产生兆比特速率.通过在量子寄存器线上使用9H门，所提出的新型QTRNG的观测结果得到了改善QTRNG的结果遵循其量子门的性质，并产生通过所获得的值可见的随机性给出了IBM量子实验室中4阶内积的2 2 Hadamard门的实际证明哈达玛门在量子寄存器上被接纳了一次，三次，九次。当在一个寄存器中多次应用H门时，结果变得更好在NIST 800- 22的一些测试中（块内频率测试、块内最长游程测试、二进制矩阵秩测试、离散傅立叶变换谱测试、非重叠模板匹配测试、重叠模板匹配测试、线性复杂度测试、近似熵测试），诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6463图六、NIST 800诉作者声明：John Bosco Balaguru Rayappan，R.Amirtharajan等人沙特国王大学学报6464表3与现有文献的性能比较。测试（Huang等人， 2021年）（Bisadi等人，）（Ferreira等人， 2021年）（Smith等人，君 2019年度）（Smith等人， 2019年度）该方法T10.2740.15200.28610.52610.1560.7293*T20.8710.00250.28680.45970.5670.4580T30.9900.82720.32980.30700.5120.8478T40.2480.51810.48170.84460.6680.2101T50.7200.99400.36110.55030.6600.3308T60.9720.02970.04010.82010.4450.1925T70.5010.00630.56660.01080.4830.7209*T80.6790.88310.40640.00000.7770.4053T90.7560.13880.14040.04740.1010.8617*T100.0870.72120.25500.40110.7140.1408T110.7220.82370.33760.06360.7470.7206T120.2650.32520.28540.92160.1450.2301T130.2100.04900.16570.16810.4770.9453*T140.1000.30000.53100.03960.3840.5465*T150.5320.01960.31270.04140.3350.5518*NIST 800- 90 B（马尔可夫检验估计、压缩检验估计、多马尔可夫模型计数预测检验估计）。6.5. 性能比较分析所提出的量子真随机数生成与相关的量子随机数论文（Huangetal.，2021; Bisadi等人，2018; Ferreira等人，2021; Smith等人，2019年）的报告。将上述文献与图5（a）（b）中所示的拟议方法第1列结果进行比较。所得结果与对比的文献结果基本一致，有些文献的结果相对较好。参考文献仅提供了NIST 22结果，而提出的方法提供了NIST 90B 22的结果7. 结论在这项工作中，设计并测试了通过真实的IBM量子平台产生的真实随机数在所提出的工作中，假设相同的门结果是采取上述安排;不相同的门将被认为是随机数生成未来的工作。据我们所知，这是IBM平台上首次在云上产生超过2000万个随机位。探索原始数据通过所有NIST 800- 90 B和22测试套件物质，无需任何后处理应用程序。从我们的实验结果可以看出，该系统的输出比特串具有很好的随机性。我们的实时生成系统目前可供公众使用。通过NIST-800 90 BMin（H-original，8× H_bitstring）获得的最小熵值为0.0007244。我们的系统比物理设备无关的RNG更实用，更容易QTRNG可用于端到端的安全通信，通过量子密钥分配。这种新的安全方式可以通过产生随机数来提供，并可以与IBM公司联合提供服务对于未来的工作，我们打算将QTRNG系统标准化为熵即服务（EaaS）。它可以提供给云服务提供商，提供给可以作为授权用户访问IBM的第三方由于所提出的QTRNG是设备无关的，它可以按需产生会话密钥一次性密码（OTP）。它产生只使用一次的（Nonce）数字，以确保真实性和机密性。利益冲突作者声明不存在利益冲突确认这项工作是由印度科学技术部（DST）科学与工程研究委员会（SERB）资助的赠款的一部分（EEQ/2019/000565）。我们要感谢印度SASTRA Deemed大学的