Python代码实现NIST随机性测试

最近科研的需要，需要测试二进制序列的随机性

找遍所有内网都没有找到自己合适的代码，网上很多都是讲解自己怎么去下载和安装sts-2.1.2的开发包，于是我也是一开始就入坑了，之前也是写了一篇比较完整的工具包的下载和安装的教程，点击打开链接，但是如果你按照我的安装步骤的话，成功安装肯定是没有问题的，但是你的使用就会出现各种各样的问题：

比如我在使用的过程中遇到的问题有：首先，就是经常出现UNDERFLOW的情况，这种情况下，一般都是因为数据量不够大的情况下造成的，所以如果你用过，你就会发现，想要测试15项的内容，大约你需要1GBit,这对于我们正常的情况下，是非常难的，根本达不到这个数据量，没错，肯定有的人会说，你可以不测试那么多的数据量啊，你可以测试部分的测试项啊，我也想啊，但是网上根本没有发现怎么使用，单独测试，而不是使用15项

我按照他的步骤，每次单独测试的时候总是会出现下面的情况，（我不知道你们有没有遇到）

看这个提示：如果你不想测试所有的项，请输入0，否则输入1.

然后我就输入0

从这里开始，无论你输入0还是1，都是没有响应了。我一直也没有找到任何解决的办法，如果有人知道，请留言交流。

但是又因为迫于科研的压力，还是要解决这个事情，这个是NIST的官方文档

参考开发文档，和国外大牛写的代码：整理并编写python如下：

这里把15个测试项都单独的编写了一个可以运行的python代码：

先看一下我的结果图：有两项不pass，13项success、

第一个是：

cumulative_sums_test

import math
#from scipy.special import gamma, gammainc, gammaincc
from gamma_functions import *
#import scipy.statsdef normcdf(n):return 0.5 * math.erfc(-n * math.sqrt(0.5))def p_value(n,z):sum_a = 0.0startk = int(math.floor((((float(-n)/z)+1.0)/4.0)))endk   = int(math.floor((((float(n)/z)-1.0)/4.0)))for k in range(startk,endk+1):c = (((4.0*k)+1.0)*z)/math.sqrt(n)#d = scipy.stats.norm.cdf(c)d = normcdf(c)c = (((4.0*k)-1.0)*z)/math.sqrt(n)#e = scipy.stats.norm.cdf(c)e = normcdf(c)sum_a = sum_a + d - esum_b = 0.0startk = int(math.floor((((float(-n)/z)-3.0)/4.0)))endk   = int(math.floor((((float(n)/z)-1.0)/4.0)))for k in range(startk,endk+1):c = (((4.0*k)+3.0)*z)/math.sqrt(n)#d = scipy.stats.norm.cdf(c)d = normcdf(c)c = (((4.0*k)+1.0)*z)/math.sqrt(n)#e = scipy.stats.norm.cdf(c)e = normcdf(c)sum_b = sum_b + d - e p = 1.0 - sum_a + sum_breturn pdef cumulative_sums_test(bits):n = len(bits)# Step 1x = list()             # Convert to +1,-1for bit in bits:#if bit == 0:x.append((bit*2)-1)# Steps 2 and 3 Combined# Compute the partial sum and records the largest excursion.pos = 0forward_max = 0for e in x:pos = pos+eif abs(pos) > forward_max:forward_max = abs(pos)pos = 0backward_max = 0for e in reversed(x):pos = pos+eif abs(pos) > backward_max:backward_max = abs(pos)# Step 4p_forward  = p_value(n, forward_max)p_backward = p_value(n,backward_max)success = ((p_forward >= 0.01) and (p_backward >= 0.01))plist = [p_forward, p_backward]if success:print ("PASS")else:    print ("FAIL: Data not random")return (success, None, plist)bits=[1,1,0,1,0,0,1,1,0,1,0,1,0,1,0,1,1,0,0,1,0,1,1,1,1,1,0,1,1,1,1,1,0,0,1,1,1,0,1,1,1,1,1,0,1,1,1,1,1,0,0,0,0,0,0,0,0,0,1,0,0,0,1,0,0,0,0,1,1,0,0,1,0,0,0,0,1,0,1,0,0,1,1,0,0,0,1,1,1,0,1,0,0,0,0,1,0,0,1,0,1,0,1,0,0,1,1,0,0,0,1,1,0,1,0,1,1,1,0,0,1,1,1,1,1,0,0,0]
if __name__ == "__main__":#bits = [1,1,0,0,1,0,0,1,0,0,0,0,1,1,1,1,1,1,0,1,# 1,0,1,0,1,0,1,0,0,0,1,0,0,0,1,0,0,0,0,1,#0,1,1,0,1,0,0,0,1,1,0,0,0,0,1,0,0,0,1,1,#0,1,0,0,1,1,0,0,0,1,0,0,1,1,0,0,0,1,1,0,#0,1,1,0,0,0,1,0,1,0,0,0,1,0,1,1,1,0,0,0]success, _, plist = cumulative_sums_test(bits)print ("success =",success)print ("plist = ",plist)

第二个是：maurers_universal_test

import mathdef pattern2int(pattern):l = len(pattern)n = 0for bit in (pattern):n = (n << 1) + bitreturn n          def maurers_universal_test(bits,patternlen=None, initblocks=None):n = len(bits)# Step 1. Choose the block sizeif patternlen != None:L = patternlen  else: ns = [904960,2068480,4654080,10342400,22753280,49643520,107560960,231669760,496435200,1059061760]L = 6if n < 387840:print ("Error. Need at least 387840 bits. Got %d." % n)exit()for threshold in ns:if n >= threshold:L += 1 # Step 2 Split the data into Q and K blocksnblocks = int(math.floor(n/L))if initblocks != None:Q = initblockselse:Q = 10*(2**L)K = nblocks - Q# Step 3 Construct Tablensymbols = (2**L)T=[0 for x in range(nsymbols)] # zero out the tablefor i in range(Q):             # Mark final position ofpattern = bits[i*L:(i+1)*L] # each patternidx = pattern2int(pattern)T[idx]=i+1      # +1 to number indexes 1..(2**L)+1# instead of 0..2**L# Step 4 Iteratesum = 0.0for i in range(Q,nblocks):pattern = bits[i*L:(i+1)*L]j = pattern2int(pattern)dist = i+1-T[j]T[j] = i+1sum = sum + math.log(dist,2)print ("  sum =", sum)# Step 5 Compute the test statisticfn = sum/Kprint ("  fn =",fn)# Step 6 Compute the P Value# Tables from https://static.aminer.org/pdf/PDF/000/120/333/# a_universal_statistical_test_for_random_bit_generators.pdfev_table =  [0,0.73264948,1.5374383,2.40160681,3.31122472,4.25342659,5.2177052,6.1962507,7.1836656,8.1764248,9.1723243,10.170032,11.168765,12.168070,13.167693,14.167488,15.167379]var_table = [0,0.690,1.338,1.901,2.358,2.705,2.954,3.125,3.238,3.311,3.356,3.384,3.401,3.410,3.416,3.419,3.421]# sigma = math.sqrt(var_table[L])mag = abs((fn - ev_table[L])/((math.sqrt(var_table[L]))*math.sqrt(2)))P = math.erfc(mag)success = (P >= 0.01)return (success, P, None)if __name__ == "__main__":#bits = [0,1,0,1,1,0,1,0,0,1,1,1,0,1,0,1,0,1,1,1]bits=[1,1,0,1,0,0,1,1,0,1,0,1,0,1,0,1,1,0,0,1,0,1,1,1,1,1,0,1,1,1,1,1,0,0,1,1,1,0,1,1,1,1,1,0,1,1,1,1,1,0,0,0,0,0,0,0,0,0,1,0,0,0,1,0,0,0,0,1,1,0,0,1,0,0,0,0,1,0,1,0,0,1,1,0,0,0,1,1,1,0,1,0,0,0,0,1,0,0,1,0,1,0,1,0,0,1,1,0,0,0,1,1,0,1,0,1,1,1,0,0,1,1,1,1,1,0,0,0] success, p, _ = maurers_universal_test(bits, patternlen=2, initblocks=4)print ("success =",success)print ("p       = ",p)

这个好没效率，15项的代码太多了，等我把资源上传到csdn吧，等审核通过，我再来附链接。

下载链接：点击打开链接

Python代码实现NIST随机性测试相关推荐

让 Python 代码更易维护的七种武器——代码风格（pylint、Flake8、Isort、Autopep8、Yapf、Black）测试覆盖率（Coverage）CI（JK）...
让 Python 代码更易维护的七种武器 2018/09/29 · 基础知识 · 武器原文出处: Jeff Triplett 译文出处:linux中国-Hank Chow 检查你的代码的质 ...
PCA计算流程详解与实现（Python详细编码，全部测试正确，与sklearn完全一致，只有7行代码）
如果无法理解一种算法的原理,那么就整理出它的流程,再在直接的计算过程中慢慢体会它的思想. – 我说的. 许多问题在一开始都很难理解其原理.像PCA这种经典的算法,其实从头至尾的每个步骤都非常严密,细节 ...
python编写代码_用 Python 编写干净、可测试、高质量的代码
用 Python 编写干净.可测试.高质量的代码 Noah Gift 2010 年 12 月 20 日发布简介编写软件是人所承担的最复杂的任务之一.AWK 编程语言和 "K and R ...
python代码测试 vim_用 Hypothesis 快速测试你的 Python 代码
点击上方"Python编程时光",选择"加为星标"第一时间关注Python技术干货! 介绍无论你使用哪种编程语言或框架,测试都非常重要.Hypothesis是 ...
python怎么测试c代码_如何正确测试python中的C-API，C-API返回错误代码
我的设置我正在使用Python中的pytest和ctypes测试C库中的函数.C库中的每个函数调用一个嵌入式linux PCI板上的函数,然后C库函数返回一个整数,该整数映射到一组返回代码.如果函数 ...
python测试代码与模块_测量Python代码运行时间
Python 社区有句俗语: "python自己带着电池" ,别自己写计时框架. Python 2.3 具备一个叫做 timeit 的完美计时工具可以测量python代码的运行时间 ...
python代码测试_Python入门学习系列——Python代码测试
Python代码测试对于编写的代码,可以使用unittest模块中的相关方法进行测试. 测试函数首先定义一个简单的函数,该函数用来合并名称并返回. name_function.py: def ge ...
Python代码—测试
测试分为黑盒测试和白盒测试. 最简单的测试方法:即时测试.也就是编写一点代码,就测试一点. 1. 测试的一些基础知识 2. 测试工具(doctest.unittest) 3. 检查代码(PyLint. ...
Python代码覆盖性测试入门
覆盖测试通过代码分析工具和跟踪钩子来判断哪些代码可执行以及哪些代码被执行了,是对单元测试的有效补充,可以用来判断测试的有效性. Python扩展库coverage可以实现对Python代码的覆盖测试, ...

Python代码实现NIST随机性测试

Python代码实现NIST随机性测试相关推荐

最新文章

热门文章