量子科技中心_量科网

在许多电子和信号处理系统中，生成可靠的随机与伪随机序列至关重要，例如安全通信、雷达、扩频方法和自主平台。尽管真随机数生成器和量子随机数生成器提供了更强的不可预测性，但包括线性反馈移位寄存器（LFSR）和梅森旋转算法（MT）在内的经典伪随机数生成器，因其高效且易于实现而仍被广泛使用。该工作介绍了一个用户友好的软件平台，用于生成、分析和评估伪随机比特序列的可预测性。该软件支持两大功能：使用经典PRNG及其混合组合生成序列，以及通过统计量测和数据驱动方法分析输入序列。特别地，该团队研究了混合LFSR-MT结构，以考察它们如何影响序列复杂性和抗预测能力。该平台还集成了机器学习和深度学习工具，用于探究确定性PRNG在结构变得更加复杂时，是否仍可能保持部分可预测性。结果表明，算法随机序列生成器在不可预测性方面存在固有限制，这支持了在安全关键应用中使用量子随机序列。经典LFSR-MT序列与量子随机序列的比较研究表明，量子随机性因其非确定性的物理起源而具有更高的不可预测性。该研究还讨论了量子随机序列在干扰应用中的潜在用途，强调了它们对基于预测的攻击具有更强的鲁棒性。总体而言，所提出的软件为在现代电子、传感和量子赋能通信系统中分析、比较和基准测试随机序列生成器提供了一个实用工具。