【正文】 step_3: 使用密鑰 K1 和 K2 對 Result_2 進行一次三重 DES 加密 (EDE),得到一個 64bit 的 Ri 和 Result_3。 13 if ( b = c ) 14 x ++ 。 8 9 return r。特別在隨機數的檢測這方面，雖然檢測的方法很多，但是都不夠完善，沒有一個很公用很全面的檢測方法誕生，所以在隨機數的研究中還有很深的東西需要我們去挖掘。 除非另有科研合同和其他法律文書的制約，本論文的科研成果屬于成都信息工程學院。 [2] (美 )克魯格林斯基 (Kruglinski,.).Visual C++ 技術內幕 [M].北京 :清華大學出版社 ， 1999。并且存放在 32 個數組中， 所以取其中高位數組的值就可以判斷是否滿足均勻性檢測。 i++) //取第 1~1024 位 { temp = (UINT)(i / 32)。 for (m = 0。 //產生密鑰并保存在 KK1,KK2 中 CDES MyDes。 FILETIME ft。 maxlen = sizeof(MEMORYSTATUS)。dwRes, sizeof(dwRes))。據稱，目前尚無人找到針對此方案的攻擊方法。 Confidential PagePage 6 of 51 6 12/31/2020 均勻性檢驗，又稱頻率檢驗，意在檢驗偽隨機數的經驗頻率與理論頻率的差異是否顯著。 2) 通過迭代，不斷生成 01 區(qū)間上的隨機數，當隨機數 Pxmax 時，則終止迭代，否則重復 (2) Confidential PagePage 5 of 51 5 12/31/2020 3) 記錄迭代過程的次數，即為所需要得到的符何泊松分布的隨機量。 而第二個式子則是將截尾后的數字再壓縮 2s 倍，顯然 :0=Rn+1=1. 迭代取中法有一個不良的性就是它比較容易退化成 0。 Even line of examination目 錄 論文總頁數： 19頁 1 引言 ............................................................................................................................. 1 隨機 數的概念 ....................................................................................................... 1 課題背景 .............................................................................................................. 1 國內外研究現狀 .................................................................................................. 1 本課題研究的意義 ............................................................................................... 1 本課題的研究方法 ............................................................................................... 1 2 常見隨機數生成方法簡析 .............................................................................................. 2 迭代取中法 ......................................................................................................... 2 乘同余法 ............................................................................................................. 2 混同于法 ............................................................................................................. 2 反變換法 ............................................................................................................. 3 平均分布 : ................................................................................................. 3 指數分布 : ................................................................................................. 4 正態(tài)分布隨機變量的生成 : ........................................................................ 4 離散型隨機變量 .................................................................................................. 4 3 隨機數的檢驗 ............................................................................................................ 5 4 大隨機數產生的機理 ..................................................................................................... 6 流程圖 ................................................................................................................ 6 DES算法簡介 ...................................................................................................... 7 5 算法實現 ...................................................................................................................... 8 6 檢驗隨機數 ................................................................................................................. 13 7 系統測試 .................................................................................................................... 14 結 論 ........................................................................................................................ 16 參考文獻 ........................................................................................................................ 17 致 謝 ........................................................................................................................ 18 聲 明 ........................................................................................................................ 19 1 引言 在現 今的計算機中所產生的隨機數，都是偽隨機數。即，可以通過一定手段和方法發(fā)現或破譯其中的規(guī)律。 乘同余法 乘同余法的迭代式如下 : Xn+1=Lamda*Xn(mod M) (Lamda 即參數 λ ) Rn+1=Xn/M 各參數意義及各步的作用可參 。 顯然，這種方法較為粗糙，在試驗的過程中發(fā)現：生成 的的隨機量只能算是近似的服從泊松分布，所以，更為有效的算法還有待嘗試。 獨立性檢驗，即檢驗所產生的偽隨機數的獨立性和統計相關是否異常，包括相關關系檢驗和聯列表檢驗等。 2）具有獨立子密鑰的 DES算法 每一輪迭代都使用一個不同的子密鑰，而不是由一個 56 位二進制的密鑰產生。 ni += sizeof(dwRes)。 } return ni。 GetSystemTimeAsFileTime(amp。 (DTi, KK1, KK2, Result_1)。 m 17。 if(i % 32 == 0) dwRndNum[temp] = dwRndNum[temp] | (DWORD)Ri[i]。 算法示意圖： 圖 4 檢驗隨機數足夠隨機 Int bb=0。 [3]云巔工作室 .Visual C 中文版全面剖析 [M].北京 ： 中國水利水電出版社 ， 2020。 特此聲明！ Confidential PagePage 20 of 51 20 12/31/2020 畢業(yè)設計 ( 論文 ) 大隨機數生成器算法的研究與實現 論文作者姓名： 申請學位 專業(yè)： 申請學位類別： 指導教師姓名（職稱）： 論文提交日期： 大隨機數 生成器算法的研究與實現 摘要 大隨機數已經在當今社會的各個領域中都頻繁使用，特別是在加密技術中已經成了不可缺少的一部分，像 RSA， MD5中隨機數成為加密技術的關鍵。 本課題研究的意義 保證我們能夠很快速的 得到需要的隨機數，而且隨機數能夠足夠大足夠隨機，盡量能夠實用在需要用到隨機數的任何地方，特別是在科研領域，比如第 3代移動通信系統（ 3G）中需要的 1024 隨機數，就能滿足它的要求，我們所要做的就是使產生的隨機數盡量的靠近真隨機數。 10 11 } 反變換法 它首先需要使用均勻分布獲得一個 (0,1) 間隨機數 , 這個隨機數相當于原概率分布的 Y 值 , 因為我們現在是反過來求 X. 哎 , 聽糊涂了也沒關系 , 只要知道算法怎么執(zhí)行的就行 . 采用概率積分變換原理 , 對于隨機變量 X 的分布函數 F(X) 可以求其反函數，得 : 原來我們一般面對的是概率公式 Y=f(X). 現在反過來 , 由已知的概率分布或通過其參數信息來反求 X. Xi=G(Ri) 其中 ,Ri 為一個 01 區(qū)間內的均勻分布的隨機變量 . F(X) 較簡單 時，求解較易，當 F(X) 較復雜時，需要用到較為復雜的變換技巧。 15 } while ( b = c )。 （公式 1） (說明 : EDE 表示兩個密鑰的三重 DES) step_4: 異或 Result_1 和 Result_3,得到 Result_4。 step_2: 任意設置一個值為 Vi 的初值 ,將 Vi 和 Result_1 進行異或 ,得到Result_2。 12 b *= u。 7 r = (a + ) / 。 國內外研究現狀 通過查閱質料 和在網上 了解 ， 國外對隨機數的研究領先 于國人對隨機數的研