🔢 mathematics

Correlation Bounds and Markov Analysis for Ring-Oscillator TRNGs: A Joint Validation Framework

Diese Arbeit stellt ein neues Validierungsframework vor, das erstmals die theoretische Korrelationsmessung $C_k$ mit Maurers Universal Statistical Test und Markov-Ketten-Übergangswahrscheinlichkeiten verknüpft, um eine vereinfachte, einheitliche Metrik zur Bewertung der Qualität von Ring-Oszillator-TRNGs zu etablieren.

Ursprüngliche Autoren: Miguel Alcocer, Ana Isabel Gómez, Domingo Gomez-Perez

Veröffentlicht 2026-03-17

📖 4 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Miguel Alcocer, Ana Isabel Gómez, Domingo Gomez-Perez

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Sicherheitschef, der einen riesigen Tresor baut. Um diesen Tresor zu öffnen, brauchen Sie einen Schlüssel, der so zufällig ist, dass niemand ihn erraten kann. In der digitalen Welt sind diese Schlüssel aus „Zufallszahlen" (Nullen und Einsen) gemacht. Aber wie stellen Sie sicher, dass diese Zahlen wirklich zufällig sind und nicht nur ein verstecktes Muster haben, das ein Hacker ausnutzen könnte?

Genau hier kommt diese Forschungsarbeit ins Spiel. Die Autoren haben sich mit einer speziellen Art von Zufallsgenerator beschäftigt, die auf Ring-Oszillatoren basiert. Das klingt kompliziert, aber stellen Sie sich das so vor:

1. Der Zufallsgenerator: Ein tanzender Kreis

Stellen Sie sich einen Kreislauf aus drei Lichtschaltern vor, die sich gegenseitig umschalten (an-aus-an-aus). Wenn Sie diese Schalter in einer Schleife verbinden, beginnen sie zu „ticken" oder zu oszillieren. Das ist der Ring-Oszillator.
In der echten Welt ist dieser Takt nicht perfekt. Durch winzige thermische Schwankungen (wie ein leichtes Zittern der Hand beim Zeichnen) wird der Takt unregelmäßig. Diese Unregelmäßigkeit ist der „Zufall", den wir nutzen wollen.

2. Das Problem: Wie misst man den Zufall?

Bisher haben Forscher zwei verschiedene Werkzeuge benutzt, um zu prüfen, ob der Generator gut funktioniert:

Werkzeug A (Maurer-Test): Das ist wie ein Kompressions-Test. Wenn Sie einen Text haben, der sich gut komprimieren lässt (weil sich Muster wiederholen), ist er nicht zufällig. Wenn er sich nicht komprimieren lässt, ist er gut. Das Werkzeug gibt einen „Z-Score" aus. Je näher dieser Wert bei Null ist, desto besser.
Werkzeug B (Korrelations-Maß C2): Das prüft, ob das aktuelle Bit (0 oder 1) mit dem vorherigen Bit zusammenhängt. Wenn das Bit „1" immer nach einer „0" kommt, ist das kein Zufall. Ein guter Generator sollte keine solche Vorhersehbarkeit haben.

Das große Rätsel: Bisher wusste niemand, wie diese beiden Werkzeuge zusammenhängen. Man musste beide einzeln testen, was Zeit kostete und unsicher machte.

3. Die Entdeckung: Die unsichtbare Brücke

Die Autoren dieser Arbeit haben etwas Revolutionäres entdeckt: Diese beiden Werkzeuge hängen direkt miteinander zusammen.

Stellen Sie sich vor, Sie prüfen einen neuen Motor.

Der Maurer-Test misst, wie gleichmäßig der Motor läuft (keine Stotterer).
Das Korrelations-Maß misst, ob der Motor in einem bestimmten Rhythmus „hüpft".

Die Forscher haben bewiesen: Wenn der Motor gleichmäßig läuft (guter Maurer-Test), dann hüpft er auch nicht in einem vorhersehbaren Rhythmus (niedrige Korrelation).

Sie haben eine mathematische Brücke gebaut, die zeigt: Wenn Sie wissen, wie gut der Maurer-Test ist, können Sie fast genau vorhersagen, wie niedrig die Korrelation sein wird. Das ist wie ein „Ein-Test-für-alles"-Prinzip.

4. Der Trick: Zählen statt Abtasten

Ein wichtiger Teil ihrer Arbeit ist auch die Methode, wie sie die Daten holen.

Der alte Weg (Abtasten): Man schaut sich den Takt an einem festen Moment an. Das ist wie ein Foto, das man macht, während jemand schnell winkt. Das Ergebnis ist oft unscharf und voller Fehler (wie ein verwackeltes Foto).
Der neue Weg (Zählen): Statt nur ein Foto zu machen, zählt man, wie oft der Takt in einer bestimmten Zeit schwingt. Das ist wie ein Video, das die Bewegung genau erfasst.

Die Autoren haben gezeigt, dass das Zählen (Counter-Methode) viel bessere Zufallszahlen liefert als das einfache Abtasten. Es ist, als würde man von einem unscharfen Foto auf ein hochauflösendes Video umsteigen. Die Ergebnisse waren dramatisch: Die Fehlerquote sank um das 40-fache!

5. Was bedeutet das für die Zukunft?

Die Forscher haben ihre Theorie mit echten Computer-Simulationen getestet (unter Verwendung einer offenen Software namens OpenTRNG). Das Ergebnis ist ermutigend:

Es gibt eine starke Verbindung zwischen den beiden Tests.
Wenn ein Generator den Maurer-Test besteht, besteht er wahrscheinlich auch den Korrelations-Test.
Man kann nun einen einzigen, vereinfachten Prüfplan erstellen: Wenn beide Werte in einem bestimmten grünen Bereich liegen, ist der Generator sicher für Verschlüsselungen (z. B. für Banktransaktionen oder sichere Chats).

Zusammenfassung in einem Satz

Die Autoren haben bewiesen, dass man zwei verschiedene Prüfmethoden für Zufallsgeneratoren nicht mehr getrennt betrachten muss, sondern dass sie zwei Seiten derselben Medaille sind, und sie haben gezeigt, dass das „Zählen" von Schwingungen eine viel bessere Methode ist als das einfache „Abtasten", um echte Zufälligkeit zu erzeugen.

Das ist ein großer Schritt, um sicherzustellen, dass unsere digitalen Schlösser wirklich unknackbar sind.

Titel: Korrelationsgrenzen und Markov-Analyse für Ring-Oszillator-TRNGs: Ein gemeinsames Validierungsframework

Autoren: Miguel Alcocer, Ana Isabel Gómez, Domingo Gómez-Pérez (Universidad Rey Juan Carlos & Universidad de Cantabria, Spanien)

1. Problemstellung

True Random Number Generators (TRNGs), die auf Ringoszillatoren (RO) basieren, sind für kryptografische Anwendungen unverzichtbar, da sie echte Zufälligkeit aus physikalischen Prozessen (wie thermischem Rauschen/Jitter) gewinnen.

Herausforderung: Die Ausgabe dieser Generatoren muss rigoros statistisch validiert werden, um kryptografische Qualität zu gewährleisten.
Lücken im aktuellen Stand: Bisherige Arbeiten haben theoretische Grenzen (wie die Mauduit-Sárközy-Korrelationsmaße $C_k$ ) und empirische Entropie-Tests (wie den Maurer-Universal-Test) oft isoliert betrachtet. Es fehlte eine Verbindung zwischen diesen Metriken.
Ziel: Es besteht kein Konsens darüber, wie verschiedene Validierungsmetriken zusammenhängen, und es fehlt an einer gemeinsamen Methode, um neue Designs effizient zu bewerten.

2. Methodik

Die Autoren entwickeln ein gemeinsames Validierungsframework, das drei Hauptkomponenten verbindet:

Mauduit-Sárközy-Korrelationsmaß ( $C_k$ ): Ein theoretisches Maß für die $k$ -te Ordnung der Korrelation in binären Sequenzen. Für $k=2$ entspricht dies der maximalen Pearson-Korrelation über alle Nicht-Null-Verzögerungen.
Maurer-Universal-Test: Ein empirischer Test, der die Komprimierbarkeit einer Sequenz misst und durch einen Z-Score ( $Z$ ) bewertet wird. Ein $|Z| < 2$ deutet auf eine zufällige Sequenz hin.
Markov-Ketten-Analyse: Die Modellierung der TRNG-Ausgabe als Markov-Kette höherer Ordnung, um Übergangswahrscheinlichkeiten zu berechnen.

Experimentelles Setup:

Framework: Nutzung von OpenTRNG (Open-Source-Framework) zur Simulation und Evaluierung.
Architektur: Differentialer zählerbasierter Ansatz (Counter-based), bei dem die Perioden von zwei Ringoszillatoren gezählt und deren LSBs per XOR verknüpft werden (statt direkter Bit-Abtastung).
Parameter: Variation von Oszillatorfrequenzen ( $f_1, f_2$ ), Referenzfrequenz ( $f_{ref}$ ) und XOR-Akkumulationstiefe ( $n$ ).
Datenmenge: Generierung von $N = 10^5$ Bits pro Konfiguration.

3. Theoretische Beiträge und Herleitungen

Das Paper leitet mathematische Beziehungen zwischen den Metriken ab:

Theorem 1 (Korrelation zu Markov-Übergängen): Es wird gezeigt, dass ein niedriges $C_k(S)$ $C_{k} (S)$ garantiert, dass die Übergangswahrscheinlichkeiten der $k$ $k$ -ten Ordnung Markov-Kette nahe bei $1/2$ $1/2$ liegen.
- Formel: $|P(\text{Übergang}) - 1/2| \leq \frac{2^{k-2} C_k(S)}{1 - 2^{k-2} C_k(S)}$ .
- Dies bedeutet, dass niedrige Korrelationen notwendige Bedingungen für hohe Entropie sind.
Theorem 2 (Maurer-Test zu Korrelation): Es werden explizite Schranken für den Maurer-Test ( $f_{TU}$ ) in Abhängigkeit von $C_k(S)$ hergeleitet. Dies verbindet die Kompressibilität direkt mit der Korrelationsstärke.
Schmidt'sche Grenze: Die Autoren nutzen die verbesserte Grenze von Schmidt ( $C_k(S) \leq \sqrt{\frac{2k \ln N}{N}}$ ) als Zielwert für praktische Implementierungen, die deutlich strenger ist als frühere Alon-Grenzen.

4. Ergebnisse

Die computergestützte Validierung ergab folgende Schlüsselerkenntnisse:

Starke positive Korrelation: Es wurde eine starke positive Korrelation ( $r = 0,95$ ) zwischen dem Maurer Z-Score und dem off-peak 2. Ordnungs-Korrelationsmaß $C_2$ festgestellt.
Validierung von Designs:
- Konfigurationen mit einem guten Maurer-Score ( $|Z| < 0,1$ ) erreichten konsistent sehr niedrige Korrelationen ( $C_2 < 0,01$ ).
- Hohe $C_2$ -Werte korrelierten mit schlechten Z-Scores ( $Z > 1$ ), was auf Abweichungen von der Zufälligkeit hindeutet.
Einfluss der XOR-Akkumulation: Durch die Akkumulation von $n \geq 4$ unabhängigen Quellen (XOR) nähern sich die Ergebnisse dem idealen Bereich an ( $|Z| \approx 0, C_2 < 0,01$ ).
Vergleich Zählen vs. Abtastung: Der zählerbasierte Ansatz (Periodenzählung) zeigte im Vergleich zur direkten Bit-Abtastung eine ca. 40-fache Verbesserung bei $C_2$ (von 0,34 auf 0,009) und bestand die Tests, während die direkte Abtastung scheiterte.
Schmidt-Grenze: Praktische Implementierungen erreichten Werte für $C_2$ , die 2- bis 3-mal unter der verbesserten Schmidt-Grenze lagen.

5. Bedeutung und Schlussfolgerungen

Das Paper leistet einen wesentlichen Beitrag zur TRNG-Forschung:

Einheitliches Framework: Es stellt erstmals einen empirischen und theoretischen Link zwischen dem Maurer-Test und Mauduit-Sárközy-Korrelationsgrenzen her.
Praktische Validierungsprotokolle: Die Autoren schlagen vor, TRNG-Designer sollten sowohl $C_2$ $C_{2}$ (via FFT-Autokorrelation) als auch den Maurer Z-Score berechnen.
- Kriterium: Designs, die $C_2 < 0,01$ und $|Z| < 2$ erfüllen, haben eine hohe Wahrscheinlichkeit, umfassende Test-Suiten (wie NIST oder AIS31) zu bestehen.
Effizienzsteigerung: Diese kombinierte Metrik reduziert die Evaluierungszeit und ermöglicht eine frühe Erkennung von Designfehlern, ohne aufwendige, vollständige Testbatterien sofort durchführen zu müssen.
Zukunftsausblick: Die Arbeit legt den Grundstein für weitere Untersuchungen zu architekturspezifischen Korrelationsgrenzen und der Erweiterung auf höhere Ordnungen und Multi-Source-Akkumulation.

Zusammenfassend demonstriert das Paper, dass eine Kombination aus theoretischen Korrelationsgrenzen und empirischen Entropietests ein robustes Werkzeug zur Qualitätssicherung von Ring-Oszillator-TRNGs ist.