Rijndael分组密码的伪随机数发生器

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (6): 96-98.

Rijndael分组密码的伪随机数发生器

蒋文明，盛利元，李锋

中南大学物理科学与技术学院，长沙 410083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-21 发布日期:2012-02-21

Pseudo random number generator based on block cipher of rijndael

JIANG Wenming, SHENG Liyuan, LI Feng

School of Physics Science and Technology, Central South University, Changsha 410083, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-21 Published:2012-02-21

摘要/Abstract

摘要： 提出了一种基于Rijndael分组密码的伪随机数发生器，称为Rijndael PRNG。安全性分析、伪随机特性测试以及相空间重构分析表明，Rijndael PRNG具有方法简单、安全性高、伪随机性能良好、硬件实现容易等特点，为实际应用提供了一种新的伪随机数发生器方案。

关键词: 伪随机数发生器, 高级加密算法, 安全性分析, 随机特性分析, 相空间重构

Abstract: This paper proposes a Pseudo Random Number Generator（PRNG） based on block cipher of Rijndael, which is called Rijndael PRNG. The results of the security analysis, tests of pseudo random performance and the analysis of phase space reconstruction show that Rijndael PRNG takes on some excellent characters, such as simple method of construction, high security, good performance of pseudo random and easy to be implemented in hardware. Thus, Rijndael PRNG will provide a new choice of PRNG for practical application.

Key words: Pseudo Random Number Generator（PRNG）, Advanced Encryption Standard（AES）, analysis of security, performance of random, phase space reconstruction

蒋文明，盛利元，李锋. Rijndael分组密码的伪随机数发生器[J]. 计算机工程与应用, 2012, 48(6): 96-98.

JIANG Wenming, SHENG Liyuan, LI Feng. Pseudo random number generator based on block cipher of rijndael[J]. Computer Engineering and Applications, 2012, 48(6): 96-98.

[1]	谭莉娟，郑巍，刘友林，樊鑫，杨丰玉. 面向适航标准的机载软件测试验证方法综述[J]. 计算机工程与应用, 2021, 57(15): 9-22.
[2]	张玉鹏1，温蜜2. 针对Modbus协议的双重认证算法设计[J]. 计算机工程与应用, 2018, 54(20): 93-98.
[3]	孙颖，马江河，张雪英. 结合非线性全局特征和谱特征的脑电情感识别[J]. 计算机工程与应用, 2018, 54(17): 116-121.
[4]	王永1，2，马键滨1，陈燕1，何波2. 一种新的基于时空混沌的伪随机数发生器[J]. 计算机工程与应用, 2018, 54(11): 97-102.
[5]	宋春晓，孙颖. 面向情感语音识别的非线性几何特征提取算法[J]. 计算机工程与应用, 2017, 53(20): 128-133.
[6]	钱伟，杨慧慧，孙玉娟. 相空间重构的卡尔曼滤波交通流预测研究[J]. 计算机工程与应用, 2016, 52(14): 37-41.
[7]	陈鸿星. 基于ELM-LSSVM的网络流量预测[J]. 计算机工程与应用, 2015, 51(24): 73-77.
[8]	尹向东，杨杰，屈长青. CPSO算法优化神经网络重构的网络流量预测[J]. 计算机工程与应用, 2014, 50(9): 65-68.
[9]	高俊杰，王豪. 基于改进的G-P算法的相空间嵌入维数选择[J]. 计算机工程与应用, 2014, 50(9): 107-110.
[10]	张显江1，刘小强2. 一种参数联合优化的网络流量非线性预测模型[J]. 计算机工程与应用, 2014, 50(6): 64-67.
[11]	张萌1，2，张沪寅1，叶刚1. 延迟时间和嵌入维数联合优化的网络流量预测[J]. 计算机工程与应用, 2014, 50(4): 103-109.
[12]	刘建华. 相空间重构和SVR联合优化的短时交通流预测[J]. 计算机工程与应用, 2014, 50(3): 13-17.
[13]	叶吉祥，陈鑫. 相空间重构在语音情感识别中的研究[J]. 计算机工程与应用, 2014, 50(24): 218-221.
[14]	安葳鹏，孙贝. 基于分态的煤矿瓦斯浓度预测模型的研究[J]. 计算机工程与应用, 2014, 50(20): 233-238.
[15]	李融. 基于CS-HRVM的网络流量预测[J]. 计算机工程与应用, 2014, 50(17): 90-94.