利用并行磁性隧道结真随机性增强生成式人工智能的安全性：从硬件熵源到系统级防御策略

本文综述提出了一种基于自旋转移矩磁性隧道结（STT-MTJ）的真随机数生成器（TRNG）系统，通过硬件级随机性解决生成式人工智能（GAI）中伪随机数生成器（PRNG）的安全漏洞。该系统在FPGA辅助下实现兆比特/秒级真随机数生成，并通过NIST测试验证其统计可靠性。集成至生成对抗网络（GAN）后，系统将不安全输出降低高达18.6倍，展现出纳米级切换速度、高能效和强扩展性，为下一代GAI系统提供了实用的安全硬件方案。

　　

构建基于MTJ的计算系统

自旋转移矩磁性隧道结（STT-MTJ）由两个铁磁层和中间绝缘势垒层构成，其中自由层的磁化方向可通过电流脉冲调控，形成高阻（反平行，AP）和低阻（平行，P）两种状态，分别代表二进制0和1。通过精确调节电压脉冲幅度（V_dd）和持续时间，可使MTJ进入亚稳态，其最终状态由热波动随机决定，从而实现真随机数生成。实验采用16个MTJ单元组成的并行系统，通过16通道数模转换器（DAC）和模数转换器（ADC）分别控制输入和读取输出，由FPGA通过串行外设接口（SPI）协议协调操作。系统以100kHz主频运行，凭借16路并行实现每秒1.6兆比特的采样速率。实际应用中，ADC可由读感应放大器（RSA）替代，进一步降低能耗和尺寸。

RNG的统计特性分析

原始MTJ输出因环境波动和测量噪声存在分布偏差和比特间相关性。为此研究采用两种后处理方案：轻量级比特异或（XOR）操作和基于Toeplitz哈希的加密级随机提取。经处理后的随机序列通过NIST SP 800-22全部15项测试，均匀p值分布覆盖[0,1]范围，其中96%以上落在[0.1,0.9]区间，证明其统计可靠性。相比之下，原始MTJ数据和32位线性反馈移位寄存器（LFSR）因非均匀分布和线性复杂度缺陷未能通过测试。值得注意的是，尽管高级别PRNG（如Xoroshiro128+）可通过NIST测试，但其确定性本质仍面临黑盒攻击风险，而密码安全PRNG（CSPRNG）则因复杂结构和能量开销难以适用。MTJ-TRNG以亚皮焦耳/比特的能效实现安全性与实用性的平衡。

基于MTJ-TRNG的图像生成

研究将硬件RNG集成至生成对抗网络（GAN）的潜代码生成环节。GAN包含生成器和判别器两部分，其中生成器将随机潜代码转换为图像，判别器则执行图像真伪和类别判断。实验使用CIFAR-10数据集，每个图像对应110维潜代码向量（100个[-1,1]区间随机数加10维类别编码），单图生成消耗3200比特随机数。通过 inception score（IS）评估生成质量，系统最高得分达10.28，接近CIFAR-10训练集本身性能（11.24）。不同RNG在IS表现相近，但进一步分析揭示出深层差异。

RNG的系统级分析

低质量RNG（如LFSR和原始MTJ）生成图像出现视觉相似对，其特征映射在低阶（颜色、形状）和高阶（抽象模式）层面均显示强相关性。通过t-SNE降维可视化发现，LFSR生成图像在特征空间形成紧密簇群，而MTJ-XOR输出则呈现分散分布。采用学习感知图像块相似度（LPIPS）量化评估，定义相似度分数低于0.3的图像对为低质量输出。结果显示，经增强的MTJ RNG（XOR处理和Toeplitz提取）显著降低同类图像中的相似对数量，最高较原始MTJ提升18.6倍（类别6）。这种潜空间关联超越常规统计测试所探测的线性相关性，反映出GAN中“基因式”特征控制的复杂性，凸显高质量熵源对安全性的关键作用。

结论与展望

研究证实STT-MTJ TRNG在设备级和应用级均可提供安全保障。相较于能效低下的CSPRNG（每比特能耗达纳焦级），轻量级MTJ方案在 scaled to 10⁶并行单元时能耗仅约1pJ/比特，适用于物联网等受限场景。通过结合访问控制等策略，该技术有望为GAI安全提供更广泛保障。后处理方案亦可扩展至其他TRNG技术，推动安全硬件生态发展。

实验方法

样品采用磁控溅射技术制备，底层结构为[W(3)/Ru(10)]₂/W(3)/Pt(3)/Co(0.25)/Pt(0.2)/[Co(0.25)/Pt(0.5)]₅/Co(0.6)/Ru(0.85)/Co(0.6)/Pt(0.2)/Co(0.3)/Pt(0.2)/Co(0.5)/W(0.3)/CoFeB(0.9)/MgO(0.85)/CoFeB(1.2)/W(0.4)/CoFeB(0.8)/MgO(0.7)/Ta(3)/Ru(7)/Ta(5)（单位：nm）。MTJ柱状结构经电子束光刻和离子铣削成型，直径约80nm。电学测试采用复位-扰动双脉冲模式：负向V_dd实现确定性AP态重置，正向脉冲诱发随机切换，ADC采样后经阈值比较输出二进制序列。