近年来,以数字技术为主的可信计算、嵌入式系统、物联网等飞速发展,不断提高我国的经济软实力和国民生活水平,但其背后也伴随着诸多数据安全问题和风险。真随机数发生器（True Random Number Generator,TRNG）为密码学重要的组成部分,是密钥生成和随机数生成等应用场合常用的安全原语。物理不可克隆函数（Physical Unclonable Function,PUF）用于加密信息生成、数字化设备认证等场合,在现代信息加密系统中具有重要意义。此外,现场可编程门阵列（Field Programmable Gate Array,FPGA）作为集成密码学原语、算法和协议的载体,具有更快的设计周期和可重复编程的优点,为设计验证提供优异的灵活性。因此,FPGA也成为研究硬件安全原语的主要平台。可信平台和物联网设备中的加密协议使用物理不可克隆函数和真随机数发生器作为安全原语,为密钥生成和保护提供了轻量级的解决方案,但也提出了一个新的要求——芯片需要同时生成物理不可克隆函数和真随机数。目前,在FPGA同时实现的PUF结构和真随机数发生器结构在熵源提取原理上存在背道而驰的现象,从而无法生成稳定、可靠、随机性好的真随机数和PUF响应。本论文针对解决上述问题提出了解决方案。本项工作有如下三项创新点:1、提出了熵源分离模型:提出了一种从环形振荡器中提取真随机数的熵（抖动延时）和PUF熵（制造延迟）的数学模型,为真随机数发生器和PUF共存的电路设计提供了理论支撑。2、提出了可重构性设计结构:基于分离模型,实现了可重构的PUF结构。在不修改PUF电路的情况下,通过改变工作模式将结构重构为真随机数发生器。所提出的结构不仅实现了高面积利用率,也保证了PUF和真随机数发生器输出的独立性和稳定性。此外,所提出的结构还可以通过选择性关闭部分电路的方法来降低运行功耗,实现低功耗设计。3、所提结构在Xilinx Spartan-6 FPGA和Xilinx Virtex-6 FPGA上进行的实验表明,所提结构具有出色的性能。PUF具有优异的唯一性（平均分辨率为50.21%）和可靠性（平均重复率为96.98%）。所生成的真随机数序列具有很高的随机性,并通过了所有的NIST测试（平均通过率为99%）。