基于LFSR的前馈模型在量子随机数提取器中的应用

利用线性反馈移存器(LFSR)的前馈模型扩展随机种子,不仅解决了基于Trevisan结构的随机数提取器模型随机种子使用量较大、存在比特重用等问题,而且实现效率较输出反馈式随机数提取器更高。结合一比特提取器Xor-code,将提取器结构模块化,设计了一类量子边信息下强随机数提取器。最后,给出了实现的具体参数及与Trevisan结构、输出反馈式随机数提取器进行对比分析,结果表明,本文提出的提取器结构在缩小随机种子使用量上有良好的效果,且实现效率较高。

高效短种子量子密钥分配保密放大方案设计

针对目前保密放大方案存在的随机种子使用量大的问题,提出了一种基于模块化广义Trevisan随机提取器结构的量子密钥分配(QKD)保密放大的设计方案,并借助量子边信息分析理论,给出了该方案的安全性证明。结果表明,该方案不仅能够抵抗量子攻击,而且能有效节约随机种子,实现可扩展的高效保密放大。