通过光子统计评估量子随机数生成器的量子性、效率与成本

本工作从量子随机数生成器（QRNG）制造商和用户两个角度提出两个重要贡献。对于制造商来说，传统方法通过比较单光子 QRNG 的光子计数均值和方差来评估其量子性，这由于有限样本大小而统计上不可靠。鉴于单光子具有亚泊松统计，确认其背后的分布对验证 QRNG 的量子性至关重要。我们提出一种更高效的双重统计方法，以确保光源在所需置信水平下的量子性。此外，我们展示了指数和均匀分布输出的 QRNG 在设备噪声下的相似性，推导相应的光子统计并给出 ε-随机性条件。从用户角度来看，QRNG 的基本参数包括量子性、效率（熵和随机数生成率）和成本。我们的分析揭示，这些参数取决于三个因素，即单位时间内的预期光子计数、外部参考周期持续时间和检测效率。预期光子计数越低可提升熵值，但会增加成本并降低生成率。外部参考周期越短可提升熵值，但必须超过最小阈值以最小化时序误差，对成本和速率影响较小。检测效率越低可提升熵值并降低成本，但会降低生成率。最后，为验证我们的结论，我们对不同参数下模拟的数据进行 NIST、Dieharder、AIS-31、ENT 等统计测试。我们的发现可帮助制造商有效地根据用户需求定制 QRNG。