用振荡器采样随机数发生器保证网络SoC设计加密算法的安全性

　　在保障互联网安全的各种加密算法中，随机数产生至关重要。产生随机数的方法有多种，其中振荡器采样法最适于构建SoC设计所需的随机数发生器。本文介绍振荡器采样法的工作原理，并概述在具体使用这种振荡器时应注意的事项。

　　随着许多企业的网络应用从内部网扩展到公众互联网，对虚拟专用网络(VPN)设备的需求也开始逐渐上升。为了服务于这个市场，半导体厂商推出了一些专用产品，把所有必需安全功能都集成在一个器件里面。

　　专用于互联网协议安全(IPsec)的AES和3DES类加密/解密算法以及SHA1和MD5等散列算法已广为人知并得到普遍重视，然而，保证VPN系统安全的关键在于生成随机数的能力，但这点却常常被忽视。

　　随机数是许多加密应用的基础，其作用是生成Diffie-Hellman、Rivest-Shamir-Adelman和数字签名等算法所需的公共/专用密钥对，并为大批量加密算法和IPsec分别生成初始向量和即时随机数，此外，大量其它类型的安全协议也靠随机数发生器的不可预测性来防止系统被破解。常用一些复杂数学函数生成高质量伪随机数发生器(PRNG)位流，但事实证明有很多途径可以攻击用PRNG加密的系统，因此加密安全系统需要使用更高质量的随机数发生器。

　　在明确了这些需求之后，到底有没有一种真正的随机数发生器可以根据非确定噪声源产生随机数，并特别适用于系统级芯片(SoC)设计呢？大多数随机数发生器方案通常可以归为三大类，即直接放大、离散时间混沌和振荡器采样。前两种方法更适用于客户定制的单元设计，因为在这些场合设计人员可以控制实际电路的布局；而振荡器采样技术可以作为标准单元设计流程的一部分，因此在SoC设计中很流行。不过设计人员即使选用了振荡器技术，仍然有许多实施问题需要仔细考虑。

　　随机数生成技术

　　直接放大技术使用高增益高带宽放大器来处理由热噪声或散射噪声引起的电压变化。例如可采用N阱电阻对将其热噪声转换成一个电压变化信号，然后以抖动的形式输入随机数发生器模块微系统中(图1)。采用这种方法时设计人员必须要考虑其它一些因素，如系统热噪声通常与基底噪声及电源电压波动等局部特征耦合在一起，如果电路没有正确屏蔽，这些因素便会使热噪声源的随机性受到影响。克服这种现象的方法是对一对邻近的电阻进行采样，再对结果求差以减少其它噪声源的影响。

　　离散时间混沌法使用模拟信号处理技术产生随机位流。这种方式下，随机性不是从热噪声源获得，而是从非常稳定的动态变化中得到，其系统设计与模/数转换器性质类似。在传统的A/D转换器中，残余信号经过采样和保持，再馈送到A/D转换器的输入端(图2)。一般来说，单是这种技术本身尚不足以产生随机序列，因为电路的不准确性限制了A/D转换分辨率，也降低了系统产生随机序列的能力。因此，为获得非确定随机性，这种技术常常要与其它技术配合使用。

　　目前，随机数发生器(RNG)设计中最流行的方法是振荡器采样法(图3)，其基本设计思想是利用两个独立工作的高、低频振荡器之间的相对关系来得到非确定噪声源，用高抖动低频振荡器采样高频振荡器，从而产生随机数序列。在数字电路中，低频方波源可作为一个正沿触发D触发器的时钟，高频方波源则作为触发器的数据输入，并在时钟脉冲的上升沿对其进行采样。

　　在该系统中，产生随机数的关键元件是低频振荡器，因为它的设计具有频率不稳定性，即抖动，而且低频与高频之比经过仔细选择可以符合一定条件。设计中最重要的是低频振荡器的抖动量，这个抖动就是随机源。频率不稳定性可以是此类振荡器的一个功能，也可由另一个非确定噪声源直接“植入”，因此可以说，正是采样时钟相对于高频数据输入的相位变化保证了可以获得随机位流。

　　如果两个振荡器在工作过程中都不发生漂移，那么采样得到的位流便具有周期性而且可以预测，这种周期性和通常称为节拍频率的频率比有关。此外，两个振荡器的频率比对所产生的位流有着非常重要的影响。多项研究表明，为了保证高度随机性，低频振荡器周期变化标准差的两倍与高频振荡器周期之比应该大于3:2，否则位码之间便会存在明显的相关性，以致于后面的位将比其前面的位更容易预测。