O crescente uso de dispositivos de baixo custo e baixa segurança ligados à internet, associados ao conceito de Internet das coisas, tem aumentado a preocupação quanto à possibilidade de invasão de computadores conectados à internet por meio das brechas e vulnerabilidades apresentadas por estes dispositivos. A criptografia de dados é uma forma de aumentar a segurança e a confiabilidade dos dados que trafegam pela internet. As chaves criptográficas são geradas, direta ou indiretamente, por geradores de números aleatórios (RNG). Além desta aplicação, esses geradores também são usados em simulações, recreação e programação. Para avaliar o desempenho de um RNG, usualmente, aplica-se uma bateria de testes compostos por cálculos estatísticos nos bits gerados, como os testes propostos pelo National Institute of Technology (NIST). Há duas classes de RNG, o gerador de números aleatórios verdadeiros (TRNG), baseados em fenômenos físicos, como ruído térmico, e o gerador de números pseudoaleatórios (PRNG), baseados em sistemas determinísticos, como o mapa logístico. PRNGs baseados em mapa logístico podem gerar sequências com propriedades estatísticas fracas, entretanto, o k-mapa logístico melhora essas propriedades ao adicionar mais uma etapa à geração de valores do mapa logístico original. Esse mapa descarta k dígitos decimais mais significativos de uma órbita gerada a partir da equação do mapa logístico tradicional. Esse trabalho desenvolveu um PRNG, na Cyclone V SoC FPGA, baseado no conceito do k-mapa logístico utilizando representação em ponto-fixo não sinalizada com 32 bits e 0 ≤ k ≤ 10. A partir da síntese do PRNG projetado concluiu-se que possui um throughput maior e uso de hardware semelhante quando comparado a outros trabalhos. Através de um sistema gerenciado por uma máquina de estados finitos e pelo HPS (Hard Processor System) da Cyclone V SoC FPGA, foi possível gerar e armazenar sequências para cada valor de k, e posteriormente testá-las através do conjunto de testes do NIST. Verificou-se que todas as sequências com k ≥ 6 foram aprovadas em todos os testes. Portanto, o PRNG desenvolvido, com um alto valor de k, consegue gerar sequências com boas propriedades aleatórias.

The increasing use of low cost and low security devices connected to the internet, associated with the IoT (Internet of Things) concept, has raised concerns about the possibility of invasion of computers connected to the Internet through the bottlenecks and vulnerabilities presented by these devices. Data encryption is a way to increase the security and reliability of data that travels over the internet. Random number generators (RNG) generate cryptographic keys, directly or indirectly. In addition to this application, these generators are also used in simulations, recreation and programming. To evaluate the performance of a RNG, a set of tests composed of statistical calculations is usually applied to the generated bits, as the tests proposed by the National Institute of Technology (NIST). There are two classes of RNG, the true random number generator (TRNG), based on physical phenomena, such as thermal noise, and the pseudo random number generator (PRNG), based on deterministic systems, such as the logistic map. PRNGs based on logistic map can generate sequences with weak statistical properties; however, the k-logistic map improves these properties, by adding another step to the original logistic map generation of values. This map discards the most significant k decimal digits of an underlying orbit generated from the traditional logistic map equation. Thus, this map is a great option to implement a PRNG. This work developed a PRNG, in Cyclone V SoC FPGA, based on the concept of the k-logistic map using the 32-bit unsigned fixed-point representation and 0 ≤ k ≤ 10. The results from the synthesis of the designed PRNG showed that it has a higher throughput and similar use of hardware when compared to other works. Through a system managed by a finite state machine and the HPS (Hard Processor System) of the Cyclone V SoC FPGA, it was possible to generate and store sequences for each value of k, and then test them using the NIST test suite. All sequences generated with k ≥ 6 passed all tests. Therefore, the developed PRNG, with a high value of k, can generate sequences with good random properties.