GD32 MCU的真隨機數發生器（TRNG）

真隨機數（True Random Numbers）是指 完全基于物理世界中的不可預測過程生成的隨機數序列，具有 本質上的不可重復性、不可預測性和統計獨立性。其核心特征和應用原理如下：

---

一、定義與核心特征

1. 不可預測性
   • 真隨機數的生成依賴于物理系統的固有隨機性（內稟隨機性），例如量子疊加態的坍縮、熱噪聲或光子行為。即使完全知曉物理系統的初始狀態和生成機制，也無法預測下一個輸出結果。
   • 對比偽隨機數：偽隨機數由確定性算法（如線性同余法）生成，一旦知道種子值和算法，整個序列可完全復現。
2. 無周期性與不可重復性
   • 真隨機數序列沒有周期性，且無法重現相同的序列。例如，基于量子測量的隨機數，每次觀測結果都是獨立的隨機事件。
3. 統計獨立性
   • 序列中的每個數不僅服從均勻分布，且與其他數及外部變量（如環境溫度、設備狀態）完全無關，滿足密碼學安全的“獨立性”要求。

---

二、物理機制：量子與經典隨機性

1. 量子隨機性（內稟隨機性）
   • 量子過程：如單光子通過分束器時，透射或反射的概率各為50%，結果由量子力學的不確定性決定，與測量精度無關。
   • 設備無關隨機數擴展：通過量子糾纏和貝爾不等式檢驗（如CHSH值>2），確保生成的隨機數與設備缺陷或供應商惡意操作無關。
2. 經典物理過程的局限性
   • 拋硬幣、電子噪聲等宏觀過程看似隨機，但本質是表面隨機性。若精確控制初始條件（如拋擲角度、風速），結果可預測。
   • 此類方法生成的隨機數屬于偽隨機或弱隨機，僅適用于低安全場景（如游戲隨機化）。

---

三、生成方法

1. 硬件隨機數發生器（HRNG/TRNG）
   • 物理源：利用熱噪聲、放射性衰變、光量子效應等物理現象，通過傳感器和模數轉換器輸出隨機比特。
   • 改進技術：因原始物理信號可能存在偏差，常結合算法（如哈希函數）優化統計分布，通過國家密碼管理局的隨機性檢測。
2. 量子隨機數發生器（QRNG）
   • 基于量子態測量（如單光子路徑選擇），是目前唯一被嚴格證明具備真隨機性的方法。

---

四、應用場景

• 密碼學：會話密鑰生成、數字簽名、加密算法初始化，依賴真隨機數防止密鑰被推測。
• 安全認證：智能卡與讀卡器之間的雙向認證，需真隨機數抵御重放攻擊。
• 高精度模擬：蒙特卡羅仿真、金融風險評估，要求輸入完全獨立。

---

五、與偽隨機數的對比

特性	真隨機數	偽隨機數
來源	物理過程（量子噪聲、熱噪聲）	數學算法（如梅森旋轉器）
可預測性	完全不可預測	已知種子和算法即可預測
周期性	無周期	有長周期（如梅森旋轉器為2^19937-1）
生成速度	較慢（依賴物理過程）	極快（純計算）
適用場景	密碼學、安全密鑰	游戲、仿真、一般隨機抽樣

---

六、局限性

• 生成效率低：物理過程需采樣和轉換，速率低于偽隨機數生成器。
• 成本高：需專用硬件（如量子光學設備），難以集成到普通計算機。
• 需后處理：原始物理信號可能含偏差，需算法優化分布均勻性。

GD32 MCU的真隨機數發生器（TRNG）通過物理噪聲源生成不可預測的隨機數，其核心原理和實現流程如下：

---

?? 七、物理熵源原理

1. 模擬噪聲采集
   TRNG依賴硬件電路中的??連續模擬噪聲??（如半導體熱噪聲、時鐘抖動）作為隨機性來源。這些噪聲源于量子級別的物理現象（電子熱運動），具有天然不可預測性。
2. 熵源特性
   • 真隨機 vs 偽隨機：相同輸入條件下，真隨機數輸出必然不同；偽隨機數依賴算法和種子，輸入相同時輸出固定。
   • 不可重復性：噪聲的量子特性確保每次生成的隨機數獨立且無規律。

---

?? 八、硬件實現流程（以GD32F450 GD32L233為例）

GD MCU真隨機數發生器模塊（TRNG）能夠通過連續模擬噪聲生成一個32位的隨機數值。

8.1. 初始化與時鐘使能

• GD32F450：直接使能TRNG時鐘：

  rcu_periph_clock_enable(RCU_TRNG); // 開啟TRNG時鐘
  trng_enable();                     // 激活TRNG模塊
  

• GD32L233：需額外啟動高頻時鐘源（IRC48M）支持噪聲采樣：

  rcu_osci_on(RCU_IRC48M);              // 啟動IRC48M時鐘
  rcu_