摘要
本发明属于信息安全和随机数发生器技术领域,旨在解决传统的最小熵估计方法没有考虑环境因素等多源数据对物理熵源随机数质量影响的问题。提供了一种多源信息融合的物理熵源安全性评估方法,包括以下步骤:获取物理熵源数据并进行处理,得到多源融合数据集;通过变分自编码器网络对所述多源融合数据集进行特征提取,输出潜在表示作为特征提取后的数据;将划分为测试集的潜在表示输入已验证的混合深度学习神经网络模型,得到物理熵源的预测结果;基于预测结果计算全局预测概率和局部预测概率;基于全局预测概率和局部预测概率获得最小熵评估结果;基于最小熵评估结果判断物理熵源的安全性。本发明可以提高现有物理熵源评估准确性低的问题。
技术关键词
安全性评估方法
混合深度学习
多源信息融合
熵源
神经网络模型
注意力机制
多源融合
物理
编码器
序列
发生器技术
数据
训练集
输入端
估计方法
矩阵
时序
解码器
系统为您推荐了相关专利信息
空调器控制方法
空调运行参数
多层感知机
室内外环境参数
遗传算法
交通状态估计方法
交通流参数
深度学习模型
代表
车辆交通流
建筑桩基施工
预判系统
数据可视化展示
数据采集层
输入端