Very Low Cost Entropy Source Based on Chaotic Dynamics Retrofittable on Networked Devices to Prevent RNG Attacks
高质量的熵源在现代密码协议中是必不可少的。不幸的是，许多当前部署的联网设备不包括它们，并且可能容易受到随机数生成器（RNG）攻击。由于这些系统中的大多数允许固件升级并具有串行通信设施，因此存在用安全的基于硬件的熵源对其进行改造的可能性。为此，需要非常低成本、强大、易于部署的解决方案。这里，示出了基于混沌动力学的可改装的亚10熵源，其能够具有32 kbit/s或更高的速率，并且提供包括USB、I2C、SPI或USART的多个串行通信选项。操作基于围绕标准微控制器上托管的模数转换器（ADC）构建的环路。
2014-12-17 cs.AR cs.CR
ERHARD-RNG: A Random Number Generator Built from Repurposed Hardware in Embedded Systems
质量随机性是加密操作的基础，但在嵌入式系统上很难找到好的来源。我们的ERHARD-RNG伪随机数生成器（PRNG）利用了在一系列低成本嵌入式平台中已经很常见的熵源，而不是使用昂贵的定制硬件。我们凭经验评估的熵提供的三个来源-SRAM启动状态，振荡器抖动，和设备温度-并将这些来源集成到一个完整的伪随机数发生器的实现的基础上的TRONA。我们的系统解决了一些基本的挑战，影响随机数生成嵌入式系统。例如，我们建议SRAM启动状态作为一种有效地生成初始种子的方法-即使对于没有可写存储的系统也是如此。此外，系统对振荡器抖动的使用允许熵生成事件的连续收集-甚至对于不具有在用于熵的通用系统中通常使用的用户生成事件的系统，例如，按键或网络事件。
2019-11-11 cs.CR
Cryptographic Hardening of d-Sequences
本文展示了如何使用相邻比特上的多数信息的单向映射将改善d序列的随机性。支持的实验结果。结果表明，d-序列的行为是不同于其他的RNG序列。
2011-06-17 cs.CR
Random Number Generation from Pulsars
本文利用脉冲星信号计时的细微变化作为自然熵源，结合随机性提取器构建随机数生成器，并通过熵建模与NIST测试验证其接近理想均匀随机源。
2025-04-23 cs.CR cs.IT math.IT
5G-SRNG: 5G Spectrogram-based Random Number Generation for Devices with Low Entropy Sources
本文提出5G-SRNG，利用5G频谱信息作为熵源，为低熵源设备提供端到端随机数生成方案，实验表明其在随机性、相关性和功耗上均优于现有方法。
2023-04-19 cs.CR
Breaking Transferability of Adversarial Samples with Randomness
University of Texas at Dallas（德克萨斯大学达拉斯分校）；Purdue University（普渡大学）
我们研究了对抗攻击的可转移性在深度神经网络（DNN）所观察到的漏洞中的作用。我们证明，引入随机性的DNN模型足以击败对抗攻击，因为对手没有无限的攻击预算。不是让一个特定的DNN模型对完美的知识攻击（也就是白盒攻击）具有鲁棒性，而是在DNN大军中创建随机性，完全消除了完美的知识获取的可能性，从而导致DNN集成对最强形式的攻击具有更强的鲁棒性。我们还表明，当对手有一个无限的预算的数据扰动，所有的防御技术将最终打破预算的增加。因此，重要的是要了解对手不会进一步追求这一努力的博弈鞍点。此外，我们探讨了版本空间中攻击严重性与决策边界鲁棒性之间的关系。我们的经验表明，通过简单地向学习的权重添加一个小的高斯随机噪声，DNN模型可以将其对对抗攻击的弹性提高74.2%。更重要的是，我们表明，通过在每个查询请求中随机激活/揭示预训练DNN池中的模型，我们可以对对手的攻击策略施加巨大的压力。我们将我们的随机化技术与Encourage Adversarial Training技术进行了比较，并表明我们的随机化技术在不同的攻击预算约束下更优越。
2018-06-17 cs.CR cs.LG
Purify++: Improving Diffusion-Purification with Advanced Diffusion Models and Control of Randomness
Peking University（北京大学）
本文通过改进扩散模型、数值模拟和随机性控制提出Purify++，成为当前最优的对抗净化方法，并系统探索了扩散净化的极限。
2023-10-28 cs.CR cs.LG
Machine Learning needs Better Randomness Standards: Randomised Smoothing and PRNG-based attacks
University of Cambridge（剑桥大学）；University of Oxford（牛津大学）；University of Edinburgh（爱丁堡大学）
本文提出一种针对机器学习随机平滑方法的全新后门攻击，通过微调随机性导致鲁棒性认证偏差高达81倍且难以被NIST测试检测，主张更新随机性测试标准以保障ML安全。
2024-02-10 cs.AI cs.CR cs.LG
Machine Learning Cryptanalysis of a Quantum Random Number Generator
本文利用预测性机器学习分析光学连续变量量子随机数发生器中确定性经典噪声的影响，证明经滤波和随机性提取后QRNG可抵抗ML攻击，并表明ML可用于基准测试RNG设备质量。
2025-05-07 cs.CR cs.LG quant-ph
Using Randomness to Improve Robustness of Machine-Learning Models Against Evasion Attacks
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
机器学习模型已经广泛地用于安全应用中，诸如入侵检测、垃圾邮件过滤以及病毒或恶意软件检测。然而，众所周知，对手总是试图调整他们的攻击以逃避检测。例如，垃圾邮件发送者可能会猜测垃圾邮件检测模型使用哪些功能，并修改或删除这些功能以避免检测。已经有一些工作使机器学习模型对这种攻击更鲁棒。然而，一种简单但有前途的方法，称为{ \em随机化}，尚未得到充分研究。本文提出了一种新的基于随机化的方法来提高机器学习模型对规避攻击的鲁棒性。所提出的方法将随机化纳入模型训练时间和模型应用时间（即当模型用于检测攻击时）。我们还将这种方法应用于随机森林，这是一种现有的ML方法，已经具有一定程度的随机性。在入侵检测和垃圾邮件过滤数据上的实验表明，该方法进一步提高了随机森林方法的鲁棒性。我们还讨论了如何将这种方法应用于其他ML模型。
2018-08-10 cs.CR cs.LG stat.ML
Parametric Noise Injection: Trainable Randomness to Improve Deep Neural Network Robustness against Adversarial Attack
University of Central Florida（中佛罗里达大学）
深度学习领域的最新发展暴露了深度神经网络（DNN）在对抗性示例中的潜在脆弱性。在图像分类中，一个对抗性的例子是一个经过仔细修改的图像，它在视觉上与原始图像不可见，但可能导致DNN模型对其进行错误分类。使用高斯噪声训练网络是一种有效的技术来执行模型正则化，从而提高模型对输入变化的鲁棒性。受这一经典方法的启发，我们探索利用噪声注入的正则化特性来提高DNN对对抗攻击的鲁棒性。在这项工作中，我们提出了参数噪声注入（PNI），它涉及通过解决最小-最大优化问题在激活或权重的每一层注入可训练的高斯噪声，并嵌入对抗训练。这些参数被明确地训练以实现改进的鲁棒性。据我们所知，这是第一个使用可训练噪声注入来提高网络对对抗攻击的鲁棒性的工作，而不是通过交叉验证手动配置注入的噪声水平。大量的实验结果表明，我们提出的PNI技术有效地提高了对各种强大的白盒和黑盒攻击，如PGD，C & W，FGSM，可转移攻击和ZOO攻击的鲁棒性。最后但并非最不重要的是，与最先进的防御方法相比，PNI方法提高了清洁和扰动数据的准确性，使用Resnet-20架构，其在清洁测试数据和扰动测试数据上分别比当前未破坏的PGD防御高出1.1%和6.8%。
2018-11-22 cs.CR cs.CV cs.LG
From Regression to Prior-Aware Inference: Solving the ILWE Family in Randomness Leakage Attacks against ML-DSA
Nanjing University of Science and Technology（南京理工大学）
针对ML-DSA随机性泄漏攻击中求解器作用探索不足的问题，提出统一框架评估不同恢复求解器，涵盖多种ILWE实例及求解器类型，实验表明求解器对密钥恢复效率影响大，为相关攻击分析提供系统评估和新基准。
2026-07-15 cs.CR
Source-independent quantum random number generator against tailored detector blinding attacks
随机性，主要是以随机数的形式，是许多密码任务安全性的基本前提。即使对手完全知道协议，甚至控制随机性源，也可以提取量子随机性。然而，攻击者可以通过定制的检测器致盲攻击进一步操纵随机性，这是具有可信检测器的协议所遭受的黑客攻击。在这里，通过将无点击事件视为有效事件，我们提出了一个量子随机数生成协议，可以同时解决源漏洞和凶猛的定制检测器致盲攻击。该方法可以推广到高维随机数的产生。我们实验证明我们的协议生成随机数的二维测量的生成速度为0.1位每脉冲的能力。
2023-03-23 cs.CR quant-ph
Noise as a Double-Edged Sword: Reinforcement Learning Exploits Randomized Defenses in Neural Networks
Ontario Tech University（安大略理工大学）
该研究发现对抗机器学习中基于噪声的防御可能被RL自适应攻击者利用，提升规避成功率，挑战了随机性普适增强防御的假设，强调设计防御需考虑RL自适应攻击者。
2024-10-31 cs.CR cs.LG
A GAN-based Approach for Mitigating Inference Attacks in Smart Home Environment
Carleton University（卡尔顿大学）
智能的、连接的、始终监听的设备的激增给灵巧家庭环境中的用户带来了重大的隐私风险。除了窃听的显著风险外，入侵者还可以采用机器学习技术从这些设备上的音频记录中推断敏感信息，从而为灵巧家庭用户带来新的隐私问题和攻击变量。诸如声音掩蔽和麦克风干扰之类的技术已经被有效地用来防止窃听者监听私人谈话。在这项研究中，我们探讨了问题的对手间谍灵巧家庭用户推断敏感信息的帮助下，机器学习技术。然后，我们分析的作用，随机性的声音掩蔽的有效性，以减轻敏感信息泄漏。我们提出了一种基于生成对抗网络（GAN）的灵巧家庭隐私保护方法，该方法生成随机噪声来扭曲不需要的基于机器学习的推理。我们的实验结果表明，GANs可用于生成更有效的声音掩蔽噪声信号，这些信号表现出更大的随机性，并有效地减轻基于深度学习的推理攻击，同时保留音频样本的语义。
2020-11-13 cs.CR cs.LG cs.NI
Adv-BNN: Improved Adversarial Defense through Robust Bayesian Neural Network
UCLA（加州大学洛杉矶分校）；UC Davis（加州大学戴维斯分校）
我们提出了一种新的算法来训练一个强大的神经网络对抗对抗攻击。我们的算法是由以下两个想法的动机。首先，尽管最近的工作已经证明融合随机性可以提高神经网络的鲁棒性（Liu 2017），但我们注意到，盲目地向所有层添加噪声并不是引入随机性的最佳方式。相反，我们在贝叶斯神经网络（BNN）的框架下对随机性进行建模，以可扩展的方式正式学习模型的后验分布。其次，我们制定了BNN的最小-最大问题，学习最好的模型分布下对抗攻击，导致一个对抗训练贝叶斯神经网络。实验结果表明，该算法在强攻击下具有较好的性能。在具有VGG网络的CIFAR-10上，与对抗训练（Madry 2017）和随机自集成（Liu 2017）相比，在具有$0.035$失真的PGD攻击下，我们的模型的准确率提高了14%，并且在ImageNet的子集上差距变得更大。
2019-05-04 cs.AI cs.CR cs.LG
The Illusion of Randomness: An Empirical Analysis of Address Space Layout Randomization Implementations
本文对Linux、MacOS和Windows等主要桌面平台的ASLR实现进行了首次全面实证评估，发现部分系统关键区域随机化不足，并揭示了Linux 5.18后库熵显著降低及可被利用的关联路径，为OS供应商加强ASLR提供了依据。
2024-08-29 cs.CR
Fine with "1234"? An Analysis of SMS One-Time Password Randomness in Android Apps
SMS一次性密码（OTP）的基本前提是所使用的伪随机数（PRN）对于每个登录会话是唯一不可预测的。因此，生成PRN的过程是OTP认证中最关键的步骤。伪随机数发生器（PRNG）的不正确实现将导致可预测的甚至静态的OTP值，使它们容易受到潜在的攻击。在本文中，我们提出了一个针对Android应用程序实现的PRNG的漏洞研究。一个关键的挑战是PRNG通常在服务器端实现，因此源代码不可访问。为了解决这个问题，我们建立了一个分析工具，\sysname，以自动化的方式评估的PRNG的实现，而无需源代码的要求。通过逆向工程，\sysname使用SMS OTP识别应用程序，并触发每个应用程序的登录功能以检索OTP值。它进一步评估OTP值的随机性以识别易受攻击的PRNG。通过分析从\tool{Google Play}和\tool{Tencent Myapp}下载的6，431个商用Android应用程序，\sysname确定了399个易受攻击的应用程序，这些应用程序会生成可预测的OTP值。更糟糕的是，194个易受攻击的应用程序仅使用OTP身份验证，而没有任何额外的安全机制，导致针对猜测攻击和重放攻击的不安全身份验证。
2021-03-06 cs.CR cs.SE
Demystifying Random Number in Ethereum Smart Contract: Taxonomy, Vulnerability Identification, and Attack Detection
本文系统梳理以太坊智能合约伪随机数生成原理与四类攻击，提出基于污点分析的 RNVulDet，可自动识别不良随机性漏洞并检测攻击交易，实验显示其显著优于现有工具。
2023-04-25 cs.CR cs.SE
An Improved ChaCha Algorithm Based on Quantum Random Number
Hangzhou Dianzi University（杭州电子科技大学）；Pinghu Digital Technology Innovation Institute Co., Ltd.（平湖数字技术创新研究院有限公司）
本文提出基于量子随机数的改进型ChaCha算法，通过异或初始常量和周期性注入量子随机数增强扩散，提升对差分攻击的抗性并生成具有统计随机性的密钥流，满足经典和量子攻击的鲁棒性要求。
2025-07-24 cs.CR quant-ph
A cryptographic approach to black box adversarial machine learning
Columbia University（哥伦比亚大学）；Proof Trading（Proof Trading（交易证明））
我们提出了一种新的随机集成技术，具有可证明的安全保证，对黑箱传输攻击。我们的证明构造了一个新的安全问题，随机二进制分类器，这是更容易经验验证和减少从这个新模型的安全性的集成分类器的安全性。我们提供了我们的随机二进制分类器的安全性的实验证据，以及整体集成的对抗性准确性的经验结果，黑盒攻击。我们的构造关键地利用了多类到二进制的减少中隐藏的随机性。
2020-02-21 cs.CR cs.LG stat.ML
Economically Viable Randomness
我们研究了为区块链应用程序提供\emph{economically viable randomness}（EVR）的问题，即具有重大经济后果的随机性。EVR的应用包括基于区块链的彩票和赌博。EVR源保证（i）保密性，确保随机比特被保密，直到某个预定义的条件指示它们可以安全地公开（例如，彩票销售结束），以及（ii）鲁棒性，保证一旦条件成立就公布随机位。我们将EVR问题形式化，并在类似以太坊的区块链抽象之上解决它，该抽象支持智能合约和可转让的原生币。随机性是通过一个分布式的开放提交-揭示方案由博弈论代理人产生的，他们努力最大化他们的硬币持有量。请注意，在经济环境中，这些代理可能会从打破保密性或鲁棒性中获利，并可能为此参与附带协议（通过智能合约）。我们的解决方案创建了一个对抗此类攻击的激励结构。我们证明，以下协议产生一个稳态，称为联盟证明纳什均衡，从没有联盟组成的一个子集的球员可以同意偏离。在这种稳态下，满足鲁棒性和保密性。最后，我们在以太坊上实现我们的EVR源。
2020-07-07 cs.CR cs.GT
Design and Implementation of a Secure RISC-V Microprocessor
密钥可以从未受保护设备的功耗或电磁辐射中提取。传统的反措施保护范围有限，并对如何操纵敏感数据施加了一些限制。我们展示了一个位串行RISC-V微处理器实现没有明文数据。所有值都使用布尔掩码进行保护。软件可以在几乎没有反措施的情况下运行，从而减少代码大小和性能开销。与以前的文献不同，我们的方法是完全自动化的，可以应用于任意大小或复杂性的设计。我们还提供了其他关键组件，如时钟随机发生器，内存保护和随机数发生器的细节。该微处理器采用65 nm CMOS工艺实现。它的实现使用NIST测试以及侧信道攻击进行了评估。我们的RNG生成的随机数通过了所有NIST测试。对基线实现的侧通道分析仅使用375个跟踪提取AES密钥，而我们的安全微处理器能够承受使用20 M跟踪的攻击。
2022-10-03 cs.AR cs.CR cs.SY
A Probabilistic Analysis on a Lattice Attack against DSA
分析密码系统在恶意修改存储寄存器攻击下的安全性是一个重要的研究课题。这种类型的攻击可以通过将有限数量的比特强制为攻击者未知的特定值来影响秘密参数的随机性。在这种情况下，我们重新访问的攻击DSA提出的Faugère，Goyet和雷诺在SAC 2012年会议期间：我们简化了他们的方法，我们提供了一个概率的方法，反对在前者提出的启发式来衡量的限制的攻击。更确切地说，主要的问题是制定为寻找一个最接近的向量的一个格，然后我们研究了有界范数的向量在这个家庭的格的分布，我们应用的结果来预测的行为的攻击。通过计算实验验证了该方法的有效性。
2017-12-28 cs.CR math.NT
A New cryptanalysis model based on random and quantum walks
本文提出一种基于随机游走与量子游走的概率密码分析模型，以密钥、明文或密文子空间为状态空间来揭示秘密，为密码系统攻击设计提供新方法。
2023-09-21 cs.CR quant-ph
Robust and Reusable Fuzzy Extractors for Low-entropy Rate Randomness Sources
本文针对低熵率噪声源提出强鲁棒可重用模糊提取器（srrFE），定义强可重用性概念，并给出两种基于先采样后锁定方法的信息论安全构造，其中构造2首次在不依赖随机预言机条件下同时实现鲁棒性与可重用性。
2024-05-07 cs.CR
Enhancing Stateful Detection of Adversarial Attacks with Soft-labels' Temporality and Robust Similarity Approximations
National University of Singapore（新加坡国立大学）
提出两阶段方法，利用软标签时间相关性降低误报率，并设计鲁棒相似性近似防御针对近似函数的对抗攻击，在多种攻击下TPR达1.00，FPR≤0.06。
2026-06-23 cs.CR
Understanding Byzantine Robustness in Federated Learning with A Black-box Server
Alibaba Group（阿里巴巴集团）
本研究针对联邦学习中已知聚合规则易遭针对性拜占庭攻击的问题，分析带黑盒服务器的系统的鲁棒性，通过实证与理论证明其动态防御可将最坏攻击影响从最大降至期望程度，并开源代码。
2024-08-12 cs.AI cs.CR
