GMT-0005-2021

KO | EN

gitlite — search

#typescript #python #llm #react #machine-learning #ai #deep-learning #nextjs #kotlin #tailwindcss #api #postgresql

★ 30 Open GitHub ↗

支持《GMT 0005-2021 随机性检测规范》的高速国密随机数检测工具

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 《GMT 0005-2021 随机性检测规范》

参考依赖 github.com/Trisia/randomness

# RandomCheckTool.exe 随机数检测工具
支持《GMT 0005-2021 随机性检测规范》的快速 国密随机数检测工具

## 测试环境:
    Intel(R) Core(TM) i7-8750H CPU @ 2.20GHz   2.21 GHz
    耗时：10分钟左右

## 通过判定
    
    通过率阈值公式：
![通过率阈值](https://github.com/ai-wen/GMT-0005-2021/blob/main/4.png)
    
    选择样本后,自动计算出成功通过检测所需要的样本数量。

当显著性水平为0.01，样本个数s为1000时，通过率阈值下界计算为0.9805607。
    向上取整后,表示1000个样本需要>=981个样本符合显著性水平，则此检测项通过检测。
    15项检测中，必须每项都超过981组样本符合显著性水平,则检测数据通过随机性检测。

- [ 1] 单比特频数检测 MonoBitFrequencyTest
- [ 2] 块内频数检测 FrequencyWithinBlockTest
- [ 3] 扑克检测 PokerTest
- [ 4] 重叠子序列检测 OverlappingTemplateMatchingTest
- [ 5] 游程总数检测 RunsTest
- [ 6] 游程分布检测 RunsDistributionTest
- [ 7] 块内最大游程检测 LongestRunOfOnesInABlockTest
- [ 8] 二元推导检测 BinaryDerivativeTest
- [ 9] 自相关检测 AutocorrelationTest
- [10] 矩阵秩检测 MatrixRankTest
- [11] 累加和检测 CumulativeTest
- [12] 近似熵检测 ApproximateEntropyTest
- [13] 线型复杂度检测 LinearComplexityTest
- [14] Maurer通用统计检测 MaurerUniversalTest
- [15] 离散傅里叶检测 DiscreteFourierTransformTest

![测试成功](https://github.com/ai-wen/GMT-0005-2021/blob/main/5.png)
![测试时长](https://github.com/ai-wen/GMT-0005-2021/blob/main/3.png)
![工具界面](https://github.com/ai-wen/GMT-0005-2021/blob/main/1.png)
![CPU占用](https://github.com/ai-wen/GMT-0005-2021/blob/main/2.png)
![工具界面](https://github.com/ai-wen/GMT-0005-2021/blob/main/6.png)

# rdgen.exe 随机数生成工具
gen.bat

GMT-0005-2021

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README