电脑取随机数是啥原理，是真正的随机数吗？

Posted 2023-05-07

伪随机数这个概念是相对于“真”随机数而言。电脑通过发送种子数值，运用算法产生某个看起来像随机数的数字，但是实际上这个数字是可以预测的。因为电脑没有从环境中收集到任何随机信息。虽然是伪随机数，但是并不是所有领域都不需要伪随机数。比如，如果你在玩电子游戏，那么游戏过程中是靠伪随机数还是真随机数并不重要。另一方面，如果你的应用正在加密，情况就不同了，因为你不希望攻击者能够猜到你的随机数。举个例子，如果攻击者掌握了某随机数生成器使用的种子数值和加密算法，如果随机数生成器完全依靠种子数值和加密算法生成密文，这个过程中不添加任何额外随机性，如果攻击者掌握的情报足够多，他们可以逆推来确定加密算法一定会用到的伪随机数，也就能破译密文。

参考技术A

如果电脑是靠代码生成随机数，是不是意味着随机数可以被预测?根据随机数的生成原理，我们把电脑随机数分为两类：“真”随机数和伪随机数.要生成一个“真”随机数，电脑会检测电脑外部发生的某种物理现象。比如说，电脑可以测量某个原子的放射性衰变。根据量子理论，原子衰变是随机而不可测的，所以这就是宇宙中的“纯粹”随机性。攻击者永远无法预测原子衰变的发生时间，也就不可能猜出随机值。

举个更实际的例子，电脑会根据环境中的噪音或者采取你敲击键盘的精确时间作为随机数据或熵的生成依据。举个例子，你的电脑监测到你某天下午2点以后敲击键盘的精确时间是0.23423523秒，有足够的这些特定长数字你就能得到一个熵源，也就可以生成“真”随机数。由于人不是机器，所以攻击者无法掌握你的敲击时间。Linux中的/dev/随机设备生成随机数，“阻拦”访问直到熵积累量足够才返回一个真随机数。

参考技术B

「真随机」也有不同的含义，若想要「真正的真随机」目测只能靠量子力学了。一般的所谓真随机不是指这个，而是指统计意义上的随机，也就是具备不确定性，可以被安全的用于金融等领域，下面说的也是这种。答案是，计算机系统可以产生统计意义上的真随机数。大部分程序和语言中的随机数（比如 C 中的，MATLAB 中的），确实都只是伪随机。是由可确定的函数（常用线性同余），通过一个种子（常用时钟），产生的伪随机数。这意味着：如果知道了种子，或者已经产生的随机数，都可能获得接下来随机数序列的信息（可预测性）。直观来想，计算机是一种可确定，可预测的的设备，想通过一行一行的确定的代码自身产生真随机，显然不可能。但是，我们或许可以迂回一下……实现方法简单说就是软硬结合，或者说，引入系统外的变量（把软件，代码，算法想象成一个封闭的系统）。一个典型的例子就是 UNIX 内核中的随机数发生器（/dev/random），它在理论上能产生真随机。即这个随机数的生成，独立于生成函数，这时我们说这个产生器是非确定的。具体来讲，UNIX 维护了一个熵池，不断收集非确定性的设备事件，即机器运行环境中产生的硬件噪音来作为种子。比如说：时钟，IO 请求的响应时间，特定硬件中断的时间间隔，键盘敲击速度，鼠标位置变化，甚至周围的电磁波等等……直观地说，你每按一次键盘，动一下鼠标，邻居家 wifi 信号强度变化，磁盘写入速度，等等信号，都可能被用来生成随机数。

生成随机数的方式你选对了吗？

来源：公众号【编程珠玑】

作者：守望先生

ID：shouwangxiansheng

生成随机数的N种方式

首先需要说明的是，计算机中生成的随机数严格来说都是伪随机，即非真正的随机数，真正随机数的随机样本不可重现。那么我们来看看代码中有哪些方式可以生成随机数。

rand

rand函数声明如下：

#include <stdlib.h>
int rand(void);

rand函数返回[0,RAND_MAX）范围的随机整数，在我的机器上，RAND_MAX为2147483647。
使用示例：

/*来源：公众号【编程珠玑】
rand.c
*/
#include<stdlib.h>
#include<stdio.h>
int main(void)
{
    int i = 0;
    while(i < 5)
    {
        printf("%d ",rand());
        i++;
     }
    printf("\\n");
    return 0;
}

编译运行：

$ gcc -o rand rand.c
./rand
1804289383 846930886 1681692777 1714636915 1957747793

多运行几次，你就会惊喜地发现，每次运行的结果都是一样的！！！这还玩个毛线？

srand

别急，rand虽然每次运行的结果都是一样的，那是因为它的种子默认为1。每一个种子会有一串看似随机的序列，每次取下一个出来，整体都近乎是随机分布的。但是如果你的种子每次都是一样的，那么每次运行可能得到的结果也是一样的。我们需要利用srand给它一个种子。

#include <stdlib.h>
void srand(unsigned int seed);

为了保证我们每次的得到的随机数不一样，我们必须在每次调用时，都确保种子不一样，因此通常会选择使用时间作为种子，注意这只是通常的种子选择，你可以根据实际使用需求进行选择。

于是我们在使用之前设置好种子，使用示例：

/*来源：公众号【编程珠玑】
rand.c
*/
#include<stdlib.h>
#include<stdio.h>
#include<time.h>
int main(void)
{
    srand(time(NULL));//设置随机种子，注意只需要设置一次即可
    int i = 0;
    while(i < 5)//生成5个随机数
    {
        printf("%d ",rand());
        i++;
     }
    printf("\\n");
    return 0;
}

现在好了，每次运行生成的都不一样了。但是还有一个问题，如果这种方式在多线程下使用，也是不可取的，因为rand不是可重入函数。它的每次调用都会修改一些隐藏的属性，因此在多线程中使用它并不合适。

rand_r

为了在多线程下使用，我们使用rand_r，使用方式和rand是一样的：

#include <stdlib.h>
int rand_r(unsigned int *seedp);

使用示例：

//来源：公众号【编程珠玑】
#include<stdlib.h>
#include<stdio.h>
#include<time.h>
int main(void)
{
    unsigned int seed = time(NULL);
    int i = 0;
    while(i < 5)//生成5个随机数
    {
        printf("%d ",rand_r(&seed));
        i++;
    }
    printf("\\n");
    return 0;
}

多线程中，多个线程可能几乎同时调用，那它们的种子可能也一样，如果想不一样，还可以将种子设置成和线程id有关。

unsigned int seed  = time(NULL)^pthread_self(); 

random

通过前面的例子可以发现，rand生成的整数范围是有限的，为了生成更大范围，可以使用random：

#include <stdlib.h>
long int random(void);
void srandom(unsigned int seed);

random返回的类型为long int，因此在一定程度上，它生成的范围要大得多。另外与rand类似，需要使用srandom函数设置种子。具体的例子就不再放出了。

生成指定范围随机数

前面的例子都是生成[1,RAND_MAX]之间的数，如果要生成指定区间的随机数呢？假设a和b不超过int范围以及它们的差值不超过rand的生成范围。

[a,b)

左闭右开区间，即包含a，不包含：

 (rand() % (b - a)) + a;

[a,b]

左闭右闭，即包含a和b：

 (rand() % (b - a + 1)) + a;

(a,b]

左开右闭，即不包含a，包含b：

(rand() % (b-a)) + a + 1;

[0,b]

rand() % b ;

0到1之间的浮点数

rand()/(double)RAND_MAX;

举例

生成[2,10)之间的随机数5个：

//来源：公众号【编程珠玑】
#include<stdlib.h>
#include<stdio.h>
#include<time.h>
int main(void)
{
    srand(time(NULL));//设置随机种子，注意只需要设置一次即可
    int i = 0;
    int a = 2;
    int b = 10;
    while(i < 5)//生成5个随机数
    {
        printf("%d ",( rand() % ( b - a ) )+ a);
        i++;
     }
    printf("\\n");
    return 0;
}

总结

记住，通过这些方法生成的都是伪随机数。而一个好的随机算法，它的随机性很强，可能需要根据使用场景去设计具体的算法。本文所介绍的仅仅是库函数提供的随机数生成函数。