机器学习模型可以用于预测 TRNG 输出吗?
Posted
技术标签:
【中文标题】机器学习模型可以用于预测 TRNG 输出吗?【英文标题】:Can machine learning models be used to predict TRNG output? 【发布时间】:2019-02-19 18:50:51 【问题描述】:据我所知,为了训练机器学习 (ML) 模型,应该知道训练集的输入和输出。然后,给定一个新的输入,ML 模型会尝试预测输出。 使用 TRNG,只有输出是已知的(没有输入)。我们还能使用 ML 模型来预测下一个 TRNG 输出吗?
【问题讨论】:
【参考方案1】:真正的 RNG 本质上是不可预测的,任何输入(内部状态)本质上都是不可观察的。 TRNG 的输出应该是一个马尔科夫过程:意味着当前输出与所有过去的输出完全无关。
您可以将过去的输出视为“输入”,因为它可能会提供有关生成器内部状态的一些线索。
然后,您可以使用 ML 尝试在当前输出和过去输出之间找到某种联系,如果这样做,以下一项或多项可能是正确的:
你的 TRNG 不是真正随机的 您的机器学习发现了一个不存在的模式。与人类大脑一样,ML 将适应模式,即使它们不存在。这就是验证数据集的用武之地。所以基本上,如果你对 TRNG 有信心,答案是否定的。
【讨论】:
是的,我明白你的意思。您知道可用于此类任务(使用部分输出作为输入)的 ML 模型吗? 检查“时间序列预测”。这可能用于这个问题。【参考方案2】:使用 TRNG,只有输出是已知的(没有输入)。我们还能使用 ML 模型来预测下一个 TRNG 输出吗?
为了进行预测,您首先需要训练一个机器学习模型。对于训练,您需要输入数据。
但是对于TRNG的用例(假设为真随机数生成器)请查看这篇文章:link
【讨论】:
以上是关于机器学习模型可以用于预测 TRNG 输出吗?的主要内容,如果未能解决你的问题,请参考以下文章