(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211314544.6 (22)申请日 2022.10.26 (71)申请人 北京惠朗时代科技有限公司 地址 102600 北京市大兴区经济开发区盛 坊路2号5号楼3层3 01室 (72)发明人 边聪聪　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 郭德霞 (51)Int.Cl. H04L 9/08(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 二进制密钥的随机性测试方法、 装置、 设备 及介质 (57)摘要 本发明涉及信息安全技术领域， 公开了一种 二进制密钥的随机性测试方法、 装置、 设备及介 质。 该方法包括： 获取待测试二进制密钥 序列， 并 基于预设数据长度对待测试二进制密钥序列进 行分割， 以获取多个数据块； 将各数据块输入至 预训练的目标反向传播神经网络模 型， 获取目标 反向传播神经网络模型输出的， 各数据块对应的 是否为随机二进制序列的分类结果； 根据各数据 块对应的是否为随机二进制序列的分类结果， 获 取待测试二进制密钥序列对应的随机性测试结 果。 本实施例的技术方案， 通过采用预先训练的 反向传播神经网络模型对二进制密钥序列进行 随机性检测， 可以提升二进制密钥的随机性测试 的准确度， 且 可以提升随机性测试的效率和鲁棒 性。 权利要求书3页 说明书13页 附图3页 CN 115378589 A 2022.11.22 CN 115378589 A 1.一种二进制密钥的随机性测试 方法， 其特 征在于， 包括： 获取待测试二进制密钥序列， 并基于预设数据长度对所述待测试二进制密钥序列进行 分割， 以获取至少一个数据块； 将各所述数据块输入至预训练 的目标反 向传播神经网络模型， 获取所述目标反 向传播 神经网络模型输出的， 各 所述数据块对应的是否为随机二进制序列的分类结果； 根据各所述数据块对应的是否为随机二进制序列的分类结果， 获取所述待测试二进制 密钥序列对应的随机性测试 结果。 2.根据权利要求1所述的方法， 其特征在于， 在将各所述数据块输入至预训练 的目标反 向传播神经网络模型之前， 还 包括： 建立初始反向传播神经网络模型， 并获取训练数据集和测试数据集； 所述测试数据集 包括至少一个测试二进制序列， 以及各 所述测试二进制序列对应的类别标签； 根据所述训练数据集对所述初始反向传播神经网络模型进行训练， 以获取中间反向传 播神经网络模型； 将所述测试数据集中各测试二进制序列输入至所述中间反 向传播神经网络模型， 获取 所述中间反向传播神经网络模型输出的， 各所述测试二进制序列对应的是否为随机二进制 序列的分类结果； 根据各所述测试二进制序列对应的是否为随机二进制序列的分类结果， 以及各所述测 试二进制序列对应的类别标签， 获取 所述中间反向传播神经网络模型对应的测试精度； 若检测到所述中间反向传播神经网络模型对应的测试精度 大于预设测试精度阈值， 则 将所述中间反向传播神经网络模型作为目标反向传播神经网络模型。 3.根据权利要求2所述的方法， 其特征在于， 在根据 各所述测试二进制序列对应的是否 为随机二进制序列的分类结果， 以及各所述测试二进制序列对应的类别标签， 获取所述中 间反向传播神经网络模型对应的测试精度之后， 还 包括： 若检测到所述中间反向传播神经网络模型对应的测试精度小于或者等于预设测试精 度阈值， 则在所述测试数据集中提取第一预设比例的测试二进制序列添加至所述训练数据 集中， 以获取 更新后的训练数据集； 根据更新后的所述训练数据集继续对所述中间反向传播神经网络模型进行训练， 直至 检测到所述中间反向传播神经网络模型对应的测试精度大于预设测试精度阈值， 将所述中 间反向传播神经网络模型作为目标反向传播神经网络模型。 4.根据权利要求2所述的方法， 其特 征在于， 获取训练数据集和 测试数据集， 包括： 获取二进制随机序列集合和二进制 非随机序列集合； 所述二进制随机序列集合， 包括 随机生成的预设数量的对应预设数据长度 的二进制随机序列， 所述二进制非随机序列集 合， 包括随机生成的预设数量的对应预设数据长度的二进制非随机序列； 获取各所述二进制随机序列对应的类别标签， 并根据各所述二进制随机序列对应的类 别标签， 获取正标签集 合； 获取各所述二进制非 随机序列对应的类别标签， 并根据 各所述二进制非 随机序列对应 的类别标签， 获取负标签集 合； 根据所述二进制随机序列集合和所述正标签集合， 获取二进制随机序列正样本集合， 并根据所述 二进制非随机序列集 合和所述负标签集 合， 获取二进制随机序列负 样本集合；权　利　要　求　书 1/3 页 2 CN 115378589 A 2根据所述二进制随机序列正样本集合和所述二进制随机序列负样本集合， 获取二进制 随机序列样本集合； 所述二进制随机序列样本集合包括预设数量的正样本和预设数量的负 样本， 所述正样本包括二进制随机序列和对应的正标签， 所述负样本包括二进制非随机序 列和对应的负标签； 在所述二进制随机序列样本集合中提取第二预设比例的样本， 以获取训练数据集， 并 根据所述 二进制随机序列样本集 合中剩余的样本， 获取测试 数据集。 5.根据权利要求2所述的方法， 其特征在于， 根据 所述训练数据集对所述初始反 向传播 神经网络模型进行训练， 以获取中间反向传播神经网络模型， 包括： 根据所述训练数据集对所述初始反向传播神经网络模型进行训练， 以获取所述初始反 向传播神经网络模型中各层之间的连接 权值矩阵； 根据所述初始反 向传播神经网络模型中各层 之间的连接权值矩阵， 获取中间反 向传播 神经网络模型； 其中， 所述初始反向传播神经网络模型包括输入层、 多个隐藏层和输出层， 所述输入层 包括N个神经元节点， N等于预设数据长度， 所述隐藏层包括M个神经元节点， 所述输出层包 括1个神经 元节点。 6.根据权利要求1所述的方法， 其特征在于， 根据 各所述数据块对应的是否为随机二进 制序列的分类结果， 获取 所述待测试二进制密钥序列对应的随机性测试 结果， 包括： 根据各所述数据块对应的是否为随机二进制序列的分类结果， 获取所述各数据块中属 于随机二进制序列的目标 数据块的比例； 判断所述各数据块中属于随机二进制序列的目标数据块的比例是否在预设置信区间 之内， 若是， 则确定所述待测试二进制密钥序列具有真随机性。 7.根据权利要求6所述的方法， 其特征在于， 在判断所述各数据块中属于随机二进制序 列的目标 数据块的比例是否在预设置信区间之内之前， 还 包括： 基于公式 ， 计算得到预设置信区间 ； 其中， ， 表示显著性水平， 为预设 常数， 表示数据块的数量。 8.一种二进制密钥的随机性测试装置， 其特 征在于， 包括： 数据块获取模块， 用于获取待测试二进制密钥序列， 并基于预设数据长度对所述待测 试二进制密钥序列进行分割， 以获取至少一个数据块； 分类结果获取模块， 用于将各所述数据块输入至预训练的目标反向传播神经网络模 型， 获取所述 目标反向传播神经网络模型输出 的， 各所述数据块对应的是否为随机二进制 序列的分类结果； 随机性测试结果获取模块， 用于根据 各所述数据块对应的是否为随机二进制序列的分 类结果， 获取 所述待测试二进制密钥序列对应的随机性测试 结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中，权　利　要　求　书 2/3 页 3 CN 115378589 A 3