Detekovatelná nenáhodnost výstupu kryptografických funkcí značí
potenciální slabinu těchto funkcí. Tato slabina může
signalizovat hlubší bezpečnostní riziko dané funkce. Proto je
statistické testování jedním z automatizovaných nástrojů
kryptoanalýzy. Příkladem takové analýzy je ohodnocení
náhodnosti statistickými bateriemi. Výzkumný nástroj EACirc,
vyvinutý na Fakultě informatiky Masarykovy univerzity, má za
úkol nacházet testy náhodnosti, které reflektují aktuálně
testovaná data. Tento nástroj k tomu využívá jednoduchou
heuristiku na principu lokálního prohledávání. Cílem této práce
je prozkoumat další metaheuristiky a jejich vliv na schopnosti
EACircu. Navíc tato práce zkoumá koncept umělých neuronových
sítí pro testování náhodnosti.

Tato práce má tři hlavní přínosy. První je vývoj testovací
množiny 16 rozšířených a známých kryptografických funkcí pro
potřeby srovnání nástrojů na testování náhodnosti. Druhý je
rozšíření nástroje EACirc o tři metaheuristiky, z nihž jedna,
pojmenovaná guided local search, poráží všechny ostatní
metaheuristiky ve schopnostech hledání optima v nástroji
EACirc. Třetí přínos je analýza produkovaných testů náhodnosti.
Úspěšné testy obsahují klíč ke zdroji nenáhodnosti dat. Práce
srovnává vliv metaheuristik na složitost těchto testů. Ukázalo
se, že metaheuristika guided local search produkuje nejméně
komplikované testy, které snáze pomohou kryptografické analýze.