一、软件随机数发生器组成概述

密码产品应至少包含一个随机比特生成器。
软件随机数发生器应遵循GM/T 0105-2021《软件随机数发生器设计指南》要求，使用SM3或SM4算法作为生成随机比特算法。

本文以SM3算法为例描述软件随机数发生器的一个设计实例。需要注意的是，本实例仅为参考，实际熵源信息、熵估计方法和算法等都可根据需要变动。

软件随机数发生器采集当前运行环境的传感器信息作为熵源，包括当前时间、CPU信息、RAM信息、磁盘信息、网络信息。以上熵源信息经健康测试和熵评估后，作为熵数据输入到熵池。熵数据填满熵池后，可以经扩展函数处理后输入DRNG。扩展函数处理后的熵数据可以反馈到熵池。

DRNG根据熵输入数据和内部状态生成输出随机数，并维护自身种子信息和正确性。初始化函数获取扩展函数的输出和外部输入的nonce更新内部状态。当重播种计数器或时间间隔达到阈值时，产品会执行重播种函数更新内部状态。输出函数可以按照接口要求输出指定长度的随机数。DRNG实现已知答案自测试，在产品上电初始化或有自测试需求时执行。
软件随机数发生器框架

二、熵源

软件随机数发生器采用系统信息作为熵源，包括当前时间、CPU信息、RAM信息、磁盘信息、网络信息。熵源信息如下表所示。

在熵池存在空闲空间时，产品获取熵源信息，经连续健康测试后写入熵池。每次采集的熵源信息RAW_ENTROPY =时间信息|| CPU信息||RAM信息||磁盘信息||网络信息，熵值约29.84比特。熵池为512字节大小。

当前时间信息随时间自然增长，精确到纳秒，外界很难预测产品获取当前时间的精确时间节点，从而无法预测产品得到的该熵源信息，因此在某一时间节点，时间信息相当于独占熵源；CPU信息、RAM信息、磁盘信息和网络信息都在系统运行过程中随系统业务环境动态变化。例如，外界几乎无法预测CPU中断的到来时间和执行时间。因此，CPU信息、RAM信息、磁盘信息和网络信息在某一时间节点相当于独占熵源。

本软件随机数发生器未采用硬件随机数发生器和系统随机数发生器。

采集熵源信息的代码如下。


#generate raw entropy from system source - time
#return 4 bytes
def RNG_Generate_Raw_Entropy_Source1():return (int(time_ns()) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)#generate raw entropy from system source - cpu
# return 16 bytes
def RNG_Generate_Raw_Entropy_Source2():usercputime = (int(psutil.cpu_times().user*1000000) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)idlecputime = (int(psutil.cpu_times().idle*1000000) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)interruptcputime = (int(psutil.cpu_times().interrupt*1000000) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)dpccputime = (int(psutil.cpu_times().dpc*1000000) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)return usercputime + idlecputime + interruptcputime + dpccputime
#generate raw entropy from system source - ram
# return 8 bytes
def RNG_Generate_Raw_Entropy_Source3():usedvmmem = (int(psutil.virtual_memory().used) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)usedswapmem = (int(psutil.swap_memory().used) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)return usedvmmem + usedswapmem
#generate raw entropy from system source - disk
# return 8 bytes
def RNG_Generate_Raw_Entropy_Source4():read_bytes = (int(psutil.disk_io_counters().read_bytes) & 0xFFFF).to_bytes(2, byteorder = 'big', signed=False)write_bytes = (int(psutil.disk_io_counters().write_bytes) & 0xFFFF).to_bytes(2, byteorder = 'big', signed=False)read_time = (int(psutil.disk_io_counters().read_time) & 0xFFFF).to_bytes(2, byteorder = 'big', signed=False)write_time = (int(psutil.disk_io_counters().write_time) & 0xFFFF).to_bytes(2, byteorder = 'big', signed=False)return read_bytes + write_bytes + read_time + write_time
#generate raw entropy from system source - network
# return 8 bytes
def RNG_Generate_Raw_Entropy_Source5():# print(psutil.net_io_counters())bytes_sent = (int(psutil.net_io_counters().bytes_sent) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)bytes_recv = (int(psutil.net_io_counters().bytes_recv) & 0xFFFFFFFF).to_bytes(4, byteorder = 'big', signed=False)return bytes_sent + bytes_recv

三、熵池

随机数数发生器的熵池大小为512字节。在当前熵估计情况下，512字节大小的熵池具备的熵值可满足大于256比特的要求。
熵池采用SM3_df函数作为扩展函数，流程图如下。
SM3_df
1）根据输入的返回数据长度（实际为440比特）和输出数据长度256比特计算循环次数。计算循环次数时使用向上取整方式。
2）对计数器赋初值1，对临时数据赋初值空。
3）计算SM3（计数器值||返回数据长度||输入熵源数据）。
4）临时数据更新为临时数据||SM3结果。
5）计数器增1。
6）判断循环是否结果，若结束则跳转至第7步，否则跳转至第3步。
7）取临时数据左侧指定长度数据，返回

8）	def sm3Hash(hashbytes:bytes):
9）	    temp = sm3_hash([i for i in hashbytes])
10）	    return bytes.fromhex(temp)
11）	
12）	def SM3_df(input_string, no_of_bits_to_return):
13）	    temp = bytes([])
14）	    len = math.ceil(no_of_bits_to_return/outlen)
15）	    counter = 0x01
16）	    for i in range(len):
17）	        temp = temp + sm3Hash(bytes([counter]) + no_of_bits_to_return.to_bytes(4, 'big') + input_string)
18）	        counter = counter + 1
19）	    return temp[0:int(no_of_bits_to_return/8)]

熵池更新是采用GM/T 0105 附录A所示方式。

1）以熵池中第一个字（4字节）为当前字，开始执行遍历。
2）临时数据temp更新为输入字与当前字异或结果。
3）临时数据temp依次与某偏移字异或，异或结果更新至临时数据。偏移值分别设定为1、25、51、76、103。
4）临时数据取低3位作为索引，获取预置表值。。
5）临时数据右移3位与步骤4预置表值异或。
6）更新当前值为步骤5结果。
7）判断是否遍历熵池，若未完成，回到步骤2；否则结束熵池更新。

9）	#init entropy pool
10）	def RNG_Init_POOL():
11）	    global entropy_pool
12）	    entropy_pool = []
13）	    for i in range(128):
14）	        entropy_pool.append(bytes([0,0,0,0]))
15）	#four bytes xor function
16）	def RNG_Word_XOR(a:bytes, b:bytes):
17）	    return bytes([a[i] ^ b[i] for i in range(4)])
18）	#word shift function
19）	def RNG_Word_Shift_Right(a:bytes, len:int):
20）	    return bytes([a[i] >> len for i in range(4)])
21）	table = [0x0, 0x3b6e20c8, 0x76dc4190, 0x4db26158, 0xedb88320, 0xd6d6a3e8, 0x9b64c2b0, 0xa00ae278]
22）	#add 1 word entropy to entropy pool 
23）	def RNG_Add_Entropy(entropyWord:bytes):
24）	    global entropy_pool
25）	    global table
26）	    if len(entropy_pool) != 128:
27）	        RNG_Init_POOL()
28）	    for i in range(128):
29）	        temp = RNG_Word_XOR(entropyWord, entropy_pool[i])
30）	        temp = RNG_Word_XOR(temp, entropy_pool[(i+1)%128])
31）	        temp = RNG_Word_XOR(temp, entropy_pool[(i+25)%128])
32）	        temp = RNG_Word_XOR(temp, entropy_pool[(i+51)%128])
33）	        temp = RNG_Word_XOR(temp, entropy_pool[(i+76)%128])
34）	        temp = RNG_Word_XOR(temp, entropy_pool[(i+103)%128])
35）	        temp = RNG_Word_XOR(RNG_Word_Shift_Right(temp, 3), table[temp[3] & 7].to_bytes(4, 'big'))
36）	        entropy_pool[i] = temp