计算机应用

作者：邓伊琳, 余发江

单位：空天信息安全与可信计算教育部重点实验室，武汉大学国家网络安全学院，武汉 430072

关键词：伪随机数生成,生成对抗网络,长短时记忆网络,可分离自注意力机制,人工智能

基金：国家自然科学基金资助项目(61772384)

针对生成对抗网络（GAN）生成伪随机数的质量不高和生成速度较慢的问题，提出一种基于长短时记忆（LSTM）网络和可分离自注意力（SA）机制的模型LSA-WGAN-GP（Wasserstein GAN with Gradient Penalty based on LSTM and separable SA）。该模型通过将数据从一维扩展为二维，改进数据的表示方式，从而提取更深层次的特征。并且，创新性地提出LSA（LSTM and separable Self-Attention）模块，以融合LSTM和SA机制，从而显著提升伪随机数的不可回溯性和不可预测性。此外，通过精简网络结构有效减小模型参数量，并提高生成速度。实验结果表明，LSA-WGAN-GP生成的伪随机数可以100%通过NIST（National Institute of Standards and Technology）测试；与WGAN-GP（Wasserstein GAN with Gradient Penalty）和GAN相比，LSA-WGAN-GP在频率和全局通用测试项的P值和通过率上均有提升；在伪随机数生成速度上，LSA-WGAN-GP比WGAN-GP和GAN分别提升了164%和976%。可见，LSA-WGAN-GP在保证生成的伪随机数质量的同时，减少了模型的参数量，并提高了生成伪随机数的速度。

来源：2025年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第9期