芯片随机源风险：PUF会漂，TRNG也会卡住

PUF和真随机数发生器都利用物理不确定性，但一个追求同一器件可重复，另一个追求每次输出不可预测。芯片安全模块若混淆稳定性与熵，会把环境漂移当成身份变化，也可能让失效随机源继续输出看似均匀的数据。

环形振荡器PUF比较多个振荡器的频率差，以制造偏差形成响应位。电源、温度和负载同时改变传播延迟，当两个振荡器本来差距很小时，排序可能翻转；NBTI等老化还会不均匀改变路径速度。只在室温注册一次并把原始响应当作永久密钥，现场角落条件下会出现不可纠正比特。

提高判决间隔或只选择频差大的振荡器可以提升稳定度，却减少可用响应位并可能引入选择偏差。常见模糊提取器利用纠错码和辅助数据重构密钥，辅助数据不应直接泄露密钥，但会减少剩余熵。设计必须计算公开信息后的最小熵，并防止攻击者反复提交辅助数据、观察纠错成功与否来获取可靠性信息。

注册流程需要覆盖电压和温度范围，并为每个位记录稳定度，而非只保存一次多数结果。过多重复测量会增加测试时间，也可能让设备自热改变频率；测量次序和并发活动应固定。寿命验证还要施加代表性老化，再检查原有位的翻转分布。若某批次工艺偏差使大部分比较同向，唯一性也会下降。

TRNG则从振荡抖动、亚稳态或噪声中提取不可预测性。数字调理器可以把偏置明显的原始流变得统计均匀，却不能凭空创造熵；模拟噪声源被电源干扰锁定或振荡器耦合后，调理输出仍可能通过简单频数测试。健康监测必须观察尽可能靠近熵源的原始样本，而不是只检查最终加密摘要。

重复计数测试能发现长串相同比特，自适应比例测试能发现窗口内零一比例异常，但两者只覆盖特定故障。熵源可能陷入短周期模式，频数仍接近一半；也可能受外部时钟注入，输出具有可预测相关性而单比特分布正常。阈值太紧会在环境角落频繁误停，太松则延长故障暴露，必须依据原始源模型和最坏偏置设定。

启动阶段尤其敏感。振荡器尚未达到稳态、偏置环未稳定或采样时钟仍在切换时，最初样本可能相关。系统应在丢弃规定预热样本后执行启动健康测试，通过前不得向密钥生成器供数。运行中还要持续监测，并在失败时清除未使用随机池；简单重启模块若反复进入同一初态，可能重复产生相同前缀。

验证应主动改变电源、温度、外部电磁注入和相邻数字活动，分别测量PUF误码率与原始随机流的最小熵估计。通过统计套件不是充分证据，安全论证还要说明物理噪声来源、失效模式和监测覆盖。这样才能区分输出好看与来源真正不可预测。

故障响应同样要被验证。PUF重构失败不能回退到固定默认密钥，TRNG健康测试失败也不能继续复用旧随机池而不告警；安全模块应停止相关服务、清除中间秘密并提供受限诊断。测试需故意锁定振荡器、改变采样相关性和破坏辅助数据，确认不同失败都进入预定状态，且恢复后不会重复之前已经输出的随机序列。

因此，PUF要在公开辅助信息下稳定重构且保持唯一，TRNG要在源退化时及时停止供数。分别验证环境鲁棒性和健康测试盲区，芯片随机源才能承担身份与密钥材料的不同职责。