← 最新论文
⚡ electrical engineering

A random number generator using biological populations as entropy sources

本文提出并验证了一种利用生物体不可预测运动作为熵源的真随机数生成器,证明了所得序列通过了严格的统计测试,并为密码学应用提供了一种优于传统电子噪声的稳健替代方案。

原作者: Hiroshi Yoshida

发布于 2026-07-17
📖 1 分钟阅读☕ 轻松阅读

原作者: Hiroshi Yoshida

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你正在尝试破解一把锁,但你需要的钥匙是一个如此真正随机的数字,以至于没有任何人,甚至连超级计算机也永远无法猜中。这就是密码学的世界,在这里,“真随机数生成器”(TRNG)是数字秘密的守护者。通常,这些守护者依赖于电线中电子跳动、不可预测的舞步,或是无线电中的静电噪声来创造数字。但如果我们能从生命体中借用这种不可预测性呢?想象一个房间里挤满了人;如果你试图预测每个人下一秒会精确地迈出哪一步,那是无法实现的,因为每个人都在为了自己的理由而移动。科学家们长期以来一直在思考,我们是否可以利用这种混沌的、充满活力的运动,来生成比通常的电子噪声更难被破解的数字。

这正是久留大学(Kyushu University)的吉田浩(Hiroshi Yoshida)在 2026 年 7 月发表的一篇短篇报告中所探讨的内容。该论文提出了一种制造随机数的疯狂新方法:通过倾听昆虫幼虫蠕动、扭动的动作。研究人员不仅仅是测量电子噪声,而是将一群幼虫(如凤凰虫或面包虫)放入一个插有金属丝的容器中。当幼虫爬过金属丝时,它们会以一种杂乱、不可预测的方式改变电阻。研究人员将这些电阻变化转化为一种嗡嗡作响的信号,对其进行采样,并使用一种称为“XOR”(异或)的特殊数学技巧将这些信号混合在一起。结果如何?产生了一串通过了世界上最严格随机性测试的数字,这表明,一盒蠕动的虫子可能确实是一个出人意料且难以预测的安全来源。

虫子盒生成器

那么,一盒虫子是如何成为计算机的好伙伴的呢?想象你有一个罐子,里面装满了数百只细小、蠕动的幼虫。现在,将两根金属丝插入罐中,使其接触到这团蠕动的生物。在电子学领域,当这些虫子爬过金属丝时,它们就像是微小的、移动的桥梁。有时一只虫子同时接触到两根金属丝,降低了电阻;有时它移开,提高了电阻。因为这些虫子是活着的,其移动方式是无法预测或建模的,所以金属丝之间的电阻在不断地发生混沌波动。

研究人员采集了这种杂乱的电信号,并将其输入到一个称为“振荡器”的电路中。你可以把振荡器想象成一个保持节奏的节拍器。通常,节拍器会以稳定的速率滴答作响。但在这种情况下,“节拍器”正受到虫子的推动。随着电阻的变化,滴答的速度(频率)会剧烈地加速和减速。电路将这些速度变化转化为方波信号——一种数字化的开/关模式,就像这些虫子本身一样杂乱无章。

为了获得随机数,研究人员只需在特定的速度下对该信号进行“快照”。如果快照频率过快,他们可能会看到重复的模式。但如果采样的速度慢于信号最快的跳动频率(具体来说,小于振荡频率的 1/10),结果就会是一串看起来完全随机的 0 和 1。

混合(XOR)的魔力

这个设计的聪明之处在于,研究人员处理了“一个虫子罐可能并不完美”这一事实。也许一个罐子里的虫子有的在睡觉,或者金属丝有点粘。为了解决这个问题,他们并没有仅仅依赖一对金属丝。在他们的“扩展”设置中,他们在同一个罐子(甚至不同的罐子)中使用六根金属丝来创建六个不同的信号。

然后,他们使用一种称为“XOR”(异或)的逻辑门来混合这些信号。你可以把 XOR 想象成一场“找不同”的游戏,或者一个神奇的搅拌机。如果你有两个都有点偏差的信号(比如一个 0 太多,另一个 1 太多),通过 XOR 进行混合往往可以抵消这些偏差。这就像如果你有一杯水太咸,另一杯水太甜,将它们混合在一起可能会得到一杯味道平衡的饮料。论文指出,这种方法具有一种超能力:即使一个虫子源失效或变得可预测,只要其他来源仍然“健康”且混沌,最终的混合物依然是安全且随机的。这使得该系统比依赖单一熵源要可靠得多。

虫子通过测试了吗?

研究人员通过了一些非常严格的测试,包括 NIST SP 800-90B 和 SP 800-22,这些是检查随机数生成器是否真正随机的金标准,以此来考验他们的虫子驱动生成器。

以下是他们的发现:

  • 原始信号: 当他们测试直接来自虫子的、未经额外处理的原始数字时,结果褒贬不一。在较低的采样速度(如 3 kHz 或 5 kHz)下,这些数字通过了一些基础测试,但未能通过更严格的测试。例如,在 111 kHz 的采样频率下,原始数据完全未能通过测试。
  • 秘方(SHA-256): 论文建议,为了获得真正可用、高质量的随机数,需要通过一个使用名为 SHA-256 的密码学哈希函数的“后处理”步骤。你可以把这想象成最后的抛光,或者是一个洗掉任何残留模式或偏差的筛子。
  • 结果: 一旦应用了 SHA-256,这些数字变得强大得多。在测试中,一旦经过这种抛光处理,其“每字节最小熵”(衡量数据不可预测性的指标)在几种情况下都跃升至 7.5 或更高,远高于被认为适用于实际应用的 6.4 阈值。甚至连之前失败的棘手的 111 kHz 采样率,在经过这个抛光步骤后也通过了所有测试。

这为什么重要

这项研究的主要结论是,生物体的混沌、集体运动是一个出人意料且稳健的随机性来源。与有时可以通过物理方程进行建模或预测的电子噪声不同,一群幼虫的行为行为是极其难以预报的。论文指出,这种生物学方法可能比传统的电子方法更难被黑客预测或操纵。

然而,作者们非常谨慎,并未声称这是一个已经准备好用于智能手机的成品。他们指出,该系统在结合像 SHA-256 这样的密码学后处理时效果最好。他们还建议,未来的工作可以研究不同种类的虫子或不同的幼虫密度如何改变随机性的质量。目前,这项研究为我们提供了一个迷人的视角,让我们窥见这样一个未来:我们的数字安全可能由一罐蠕动的蠕虫来驱动,这证明了有时,宇宙中最不可预测的事物正是那些鲜活的生命。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →