Implémentation du TRNG

Implémentation du TRNG

Nous avions vu dans le chapitre 2 les différentes solutions de réalisation d’un TRNG (amplification directe du bruit, échantillonnage d’oscillateurs, utilisation de fonc- tions physiquement non-clonables, échantillonnage de signaux chaotiques) avant de conclure sur l’intérêt de la solution d’échantillonnage de signaux chaotiques.Ainsi, étant donné l’importance de la génération de signaux chaotiques, une étude des différentes architectures possibles répondant à nos contraintes de basse consom- mation a été proposée au chapitre 4. De cette étude, une solution optimale versus le cahier des charge a été testée et validée par simulation. Celle-ci est donc intégrée dans la structure TRNG proposée dans ce chapitre à laquelle viendront se rajouter quelques blocs dont la description sera proposée.

Architecture du TRNG Proposé.

Enfin la nature chaotique, non prédictif de la sortie de l’oscillateur chaotique, permet une utilisation comme une source qui ressemble au bruit amplifié qui sera transformé postérieurement vers des variations binaires erratiques.Le convertisseur à 1 bit est réalisé à partir d’un comparateur de tension. Ainsi, les signaux provenant de la sortie du bloc oscillateur chaotique, versus la sortie OUT sont discriminées à l’aide du convertisseur via une comparaison avec la tension de seuil Vfournie par une référence de tension. Ainsi, les signaux générés sont binaires et peuvent être ensuite exploités par des routines numériques de quantifi- cation.

Modélisation comportementale du convertisseur 1 bit.

Afin d’appréhender la modélisation comportementale d’un convertisseur 1 bit, un certain nombre d’hypothèses doivent être définies en amont. Ainsi, nous allons consi- dérer un comparateur possédant des caractéristiques idéales en bande passante- vitesse, soit un temps de propagation négligeable. En revanche, nous allons considé- rer la caractéristique d’hystérésis comme faisant partie du comparateur.En effet, le fait de modéliser l’hystérésis nous permettra de prévoir le comportement du comparateur dans un statut de pire cas (« worstcase » ). Cela est particulièrement identifiable lorsque le comparateur doit gérer les pics de surtension (« overshoots » ) lors de la commutation du signal mais également lorsqu’il fait face à des variations instantanées pouvant modifier l’état de sortieLe phénomène d’hystérésis se manifeste comme une dépendance du signal de sortie sur l’état actuel de l’entrée, ainsi que de l’antérieur à celui-ci. Dans le cas du com- parateur de tension, ceci signifie le fait d’avoir deux seuils de comparaison : un seuil haut (VA fin d’économiser de la mémoire dans l’analyse de donnés, nous prenons des va- leurs stables de tension à la sortie de l’oscillateur chaotique, à intervalles réguliers fixés par la fréquence de l’oscillateur de référence. L’inconvénient de ce modèle est l’absence des transitions dûs à la commutation des interrupteurs.

La présence de telles variations de durée instantanée peuvent avoir deux effets pos- sibles sur la sortie du comparateur. Dans un cas idéal, des transitions instantanées instables se présentent dans ces instants. Dans une autre possibilité, l’hystérésis peut provoquer un état de mémorisation par rapport à l’évolution montée ou descente des variations de commutation.Afin d’évaluer et de valider le comportement du modèle, nous avons considéré de telles variations. La figure 5.3 illustre le signal provenant de l’oscillateur chaotique vu dans le chapitre 4, avec des sur-sous tensions instantanées, aussi que la version plus optimiste du modèle.= 1,75V (où les surtensions transitoires apparaissent le plus souvent). Nous pouvons observer la différence entre les deux modes qui se traduit par un effet mémoire sur les transitions consécutives, qui représente un incrément sur la quantité de zéros (ou de uns) sur la suite binaire de sortie.

Nous obtenons alors bien le comportement classique d’un comparateur comme le montre la figure 5.5 , ceci étant justifié par une gamme de variation assez grande de la sortie de l’oscillateur chaotique. Pour une valeur basse, de la tension de seuil, les résultats sont identiques.Nous pouvons constater que la distribution binaire suit l’évolution de la tension de seuil. Nous avons donc une région près de la moitié de la dynamique possédant une distribution uniforme mais de variations très peu fréquentes, donc ayant plus de possibilités d’avoir des séquences proches du périodique. Nous allons donc favoriser la plage supérieure de la dynamique avec des variations abruptes et erratiques, qui permettront de favoriser une sortie plus équilibrée en utilisant la compensation numérique après.