81、FROPUF与TRNGs：熵提取技术的创新突破

FROPUF与TRNGs：熵提取技术的创新突破

在当今的信息安全领域，随机数生成器和物理不可克隆函数（PUF）的重要性日益凸显。随机数生成器为加密系统提供随机数，而PUF则利用芯片制造过程中的固有差异来实现设备的唯一标识和安全认证。今天，我们将深入探讨两种前沿的技术：FROPUF（进一步环形振荡器物理不可克隆函数）和基于相干采样的真随机数生成器（TRNGs），了解它们如何在熵提取方面取得显著进展。

FROPUF：挖掘更多熵的潜力

FROPUF是一种新颖的PUF架构，旨在利用查找表（LUT）的精细控制，实现更多随机的制造变化。通过二阶差分计算，FROPUF不仅能够从环形振荡器（RO）对中提取更细微的特征，还能有效减少系统变化和环境波动的影响，从而增强可靠性。

1. RO熵提取对比

为了更好地理解FROPUF的优势，我们来看一下与其他方法在两个RO中提取熵的对比：
| 方法 | 环形振荡器数量 | 平均独立响应位 | 每个环形振荡器的位数 |
| — | — | — | — |
| 本文工作（FROPUF） | 2 | 31 | 16.5 |
| 通用RO PUF | 2 | 1 | 0.5 |
| Habib等人的方法 | 130 | 318 | 2.44 |
| Maiti等人的方法 | 512 | 511 | ≈1 |

从这个表格中可以明显看出，FROPUF仅使用两个RO就能提取至少31位熵，展现出了极高的效率。而传统的通用RO PUF在相同数量的RO下，只能提取1位独立响应位，效率远低于FROPUF。

2. FPGA上的评估结果