Classification of pseudo-random number generators by complex networks and computational geometry analysis (2019)
- Authors:
- Autor USP: ALVES, MARCELA LOPES - ICMC
- Unidade: ICMC
- Sigla do Departamento: FCM
- DOI: 10.11606/D.55.2020.tde-06012020-171245
- Subjects: REDES COMPLEXAS; GEOMETRIA COMPUTACIONAL; TEORIA DOS GRAFOS
- Keywords: Aleatoriedade; Complex networks; Complex systems; Computational geometry; Randomness; Sistemas complexos
- Agências de fomento:
- Language: Inglês
- Abstract: A aleatoriedade tem estimulado a atenção e a imaginação da humanidade desde que começamos a observar o comportamento da natureza. Foi entendendo a aleatoriedades e padrões, que os humanos aprenderam a controlar colheitas, por exemplo, o que levou a criação das primeiras comunidades. No mundo moderno, com o objetivo de imitar a aleatoriedade dos fenômenos naturais, os computadores são usados para gerar sequências que sejam as mais aleatórias possível executando os geradores de números pseudoaleatórios (PRNGs). A pseudoaleatoriedade possui diversas aplicações em segurança da informação, jogos digitais, simulações, modelagem, jogos de azar, artes, entre outros. Apesar disso, os métodos existentes de medida de aleatoriedade não oferecem uma solução definitiva para a necessidade de classificar PRNGs. Os principais métodos de medida de aleatoriedade consistem em testes estatísticos através dos quais as sequências geradas pelos algoritmos são analisadas. Uma vez que PRNGs são analisados por estes testes, eles são considerados ou não satisfatoriamente aleatórios. Este trabalho explora um aspecto que tem sido negligenciado nos testes estatísticos: a distribuição espacial das sequências pseudoaleatórias. É conjecturado que essa distribuição seja fonte de padrões não revelados nas suítes de teste. Uma maneira de estudar esse arranjo com mais profundidade é usando modelos que exploram a relação de valores e as iterações. A relação dos elementos no espaço deve ser a base do paradigma.Este trabalho aplica teoria de grafos e métodos de geometria computacional para encontrar padrões em sequências pseudoaleatórias. As sequências analisadas são plotadas em um plano Cartesiano gerando um conjunto de pontos que são convertidos em grafos considerando a distância euclidiana entre os pontos dentro de um raio. A melhor combinação de descritores formados pelas medidas de grafos e propriedades geométricas é selecionada. Quando os padrões emergirem, pode-se apontar falhas nos métodos amplamente utilizados para classificação de PRNGs. Pretende-se sugerir uma abordagem complementar para a avaliação de PRNGs, contribuindo para uma melhor classificação dos PRNGs e, consequentemente, causar melhorias nos estudos sobre segurança da informação. Isso inclui identificar padrões em sequências geradas por algoritmos que são considerados pseudoaleatórios pelos testes estatísticos atuais e, assim, identificar as limitações dessas avaliações.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2019
- Data da defesa: 12.08.2019
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
ALVES, Marcela Lopes. Classification of pseudo-random number generators by complex networks and computational geometry analysis. 2019. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2019. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-171245/. Acesso em: 21 fev. 2026. -
APA
Alves, M. L. (2019). Classification of pseudo-random number generators by complex networks and computational geometry analysis (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-171245/ -
NLM
Alves ML. Classification of pseudo-random number generators by complex networks and computational geometry analysis [Internet]. 2019 ;[citado 2026 fev. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-171245/ -
Vancouver
Alves ML. Classification of pseudo-random number generators by complex networks and computational geometry analysis [Internet]. 2019 ;[citado 2026 fev. 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-06012020-171245/
Informações sobre o DOI: 10.11606/D.55.2020.tde-06012020-171245 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
