Generador de números

Un generador de números aleatorios es una herramienta o sistema que permite obtener un número al azar cada vez que se necesita, sin seguir un patrón predecible basado en valores generados previamente. Estos números pueden ser producidos mediante sofisticados algoritmos de software o a través de dispositivos de hardware físico.

El uso de generadores de números aleatorios

La generación de números aleatorios es una función esencial para múltiples áreas tecnológicas, desde el desarrollo de videojuegos hasta el funcionamiento de aplicaciones web cotidianas. Por ejemplo, los sistemas informáticos utilizan un generador de números al azar para rotar banners publicitarios o mostrar bloques de anuncios dinámicos en una página web. En el ámbito de la ciberseguridad y la criptografía, los números aleatorios son fundamentales para crear cifrados inviolables y claves únicas.

A nivel general, la generación de números aleatorios se aplica en la creación de códigos de seguridad (como los CAPTCHA), protocolos de encriptación, técnicas de salting para el almacenamiento seguro de contraseñas, generadores de claves, barajado de cartas en casinos en línea, algoritmos de toma de decisiones, muestreo estadístico y simulaciones científicas.

El algoritmo generador de números aleatorios también juega un papel crucial en los videojuegos. Incluso si decides jugar el mismo nivel en repetidas ocasiones, la experiencia nunca será idéntica. Aunque la misión o el mapa principal no cambien, las diferencias se notarán en la cantidad de enemigos, sus puntos de aparición, las variaciones climáticas o los obstáculos aleatorios que encuentres en el camino. Este factor de imprevisibilidad es lo que hace que un juego sea emocionante y altamente rejugable.

La diferencia entre secuencias aleatorias y no aleatorias

Dada una secuencia de números: 1, 2, 3, 4, 5. ¿Es aleatoria?

En matemáticas, una variable aleatoria es aquella que toma diferentes valores como resultado de un experimento o ensayo. La clave de la aleatoriedad es que resulta humanamente y computacionalmente imposible predecir con exactitud qué valor particular aparecerá a continuación.

Si analizamos la secuencia de números anterior, podríamos deducir que se obtuvo tecleando de izquierda a derecha en la fila superior de un teclado numérico. En este caso, la combinación no es verdaderamente aleatoria porque, tras el número 5, cualquier observador podría predecir con un alto grado de probabilidad que el siguiente número será el 6.

Una secuencia solo se considera matemáticamente aleatoria si existe una independencia absoluta entre los símbolos o números que la componen.

La condición básica —y el pilar fundamental para que un generador de números aleatorios (RNG) sea justo y preciso— es garantizar que cualquier número dentro del rango tenga exactamente la misma probabilidad de salir. Esto implica una independencia total del factor de aleatoriedad: no importa qué números hayan salido antes o cuáles saldrán después, el resultado actual no se ve afectado.

Por ejemplo, al lanzar un dado tradicional de seis caras por primera vez, tienes la misma probabilidad estadística de obtener cualquier número del 1 al 6. Independientemente del resultado, si vuelves a lanzar el dado por segunda, centésima o milésima vez, la probabilidad de obtener un número específico seguirá siendo exactamente la misma en cada lanzamiento.

La infinita secuencia de dígitos del número Pi no es repetitiva y, para el ojo inexperto, podría parecer completamente aleatoria. Supongamos que construimos un generador hipotético basado en la representación binaria de Pi, comenzando desde un punto secreto y no revelado. Un generador de este tipo podría parecer impredecible en la mayoría de los contextos y hasta superar pruebas estadísticas de aleatoriedad. Sin embargo, utilizar a Pi para fines criptográficos representa un riesgo crítico de seguridad. Si un atacante cibernético logra determinar qué segmento específico de Pi se está utilizando, podría predecir de inmediato todos los números pasados y futuros, comprometiendo todo el sistema.

Para evitar esto, el Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST) creó el "Paquete de pruebas estadísticas para generadores de números aleatorios y pseudoaleatorios en aplicaciones criptográficas". Este estándar incluye 15 rigurosas pruebas estadísticas diseñadas para evaluar y certificar el nivel de aleatoriedad de los bits producidos por cualquier generador, ya sea de software o hardware.

Los tipos de generadores de números aleatorios

Existen dos categorías principales de generadores de números aleatorios (RNG, por sus siglas en inglés): los generadores de números verdaderamente aleatorios (TRNG) y los generadores de números pseudoaleatorios (PRNG). Mientras que los TRNG aprovechan fenómenos físicos impredecibles para crear números, los PRNG se basan en fórmulas y algoritmos matemáticos.

Un algoritmo generador de números verdaderamente aleatorios (TRNG) requiere un dispositivo de hardware especial que mide procesos físicos a nivel microscópico para generar entropía. En este contexto informático, la entropía representa el caos puro, natural y sin filtrar.

Los generadores de números verdaderamente aleatorios aprovechan fenómenos físicos como:

• radioactividad,
• ruido térmico,
• ruido electromagnético,
• mecánica cuántica, entre otros.

Un generador verdaderamente aleatorio (TRNG) es el estándar de oro en todo el mundo para sistemas informáticos de alta seguridad, infraestructuras de servidores y protocolos de encriptación avanzados. Estos sistemas utilizan dichas fuentes del mundo real para "acumular entropía" y crear un valor inicial (conocido como "semilla" o seed) completamente impredecible, a partir del cual el generador operará.

Por otro lado, el algoritmo generador de números pseudoaleatorios (PRNG) se utiliza en entornos donde la seguridad no es un factor crítico. Aquí, la aleatoriedad busca evitar la monotonía y hacer que el software sea más dinámico para el usuario. Implementar tecnología PRNG es mucho más rápido y económico, ya que no requiere sensores de hardware físicos y se integra fácilmente mediante código de programación. Aunque la secuencia producida no es aleatoria en el sentido estricto (ya que depende de una fórmula matemática inicial), es perfecta para simulaciones, sorteos casuales y videojuegos.

Un generador PRNG parte de un único valor inicial (semilla), y a partir de él calcula matemáticamente su secuencia pseudoaleatoria. A diferencia de este método, un TRNG genera valores aleatorios continuos al inyectar constantemente nueva entropía física de alta calidad en el proceso.

No obstante, la generación de números pseudoaleatorios tiene sus puntos débiles. Funcionan muy bien porque parecen aleatorios para el ojo humano. Pero, si alguien lograra descubrir el valor inicial (semilla) exacto utilizado por un algoritmo PRNG, podría predecir con total precisión la secuencia entera de números posteriores.

Los speedrunners (jugadores que compiten por terminar videojuegos en tiempo récord) suelen explotar esta vulnerabilidad; a esta técnica la conocen como "manipulación del PRNG". Al deducir la semilla, logran que los eventos aleatorios del juego ocurran exactamente como ellos desean, optimizando su ruta. En el ámbito del entretenimiento, esto es inofensivo.

Sin embargo, predecir números aleatorios en otros contextos puede tener consecuencias catastróficas. Un ejemplo claro es la generación de claves de ciberseguridad.

Si un hacker logra deducir la semilla utilizada para crear claves de cifrado RSA en certificados TLS, podría interceptar y descifrar todo el tráfico de la red. Esto le permitiría robar contraseñas, datos bancarios y otra información confidencial transmitida por Internet.

Es precisamente en estas situaciones de alto riesgo donde se vuelve imprescindible usar la forma más segura de obtener números al azar: un generador de números verdaderamente aleatorios (TRNG).

Generador de Google

Google cuenta con su propia herramienta de generación de números aleatorios basada en JavaScript, la cual es muy práctica para sorteos, juegos de mesa con familiares o decisiones rápidas. Puedes acceder instantáneamente a esta función simplemente escribiendo "generador de números aleatorios" en la barra de búsqueda de Google.

El método congruencial lineal

Uno de los algoritmos históricos más populares para la generación de números pseudoaleatorios es el método congruencial lineal. Es ideal para tareas de programación simples, aunque carece por completo de robustez criptográfica. Este método fue propuesto originalmente por el matemático Derrick Henry Lehmer en 1949.

Para implementar la generación de números usando este método, es necesario definir cuatro parámetros fundamentales:

m > 0, el módulo

0 ≤ a ≤ m, el multiplicador

0 ≤ c ≤ m, el incremento

0 ≤ X₀ ≤ m, el número inicial

La secuencia de números aleatorios en sí se genera usando la fórmula:

Xₙ₊₁ = (aXₙ + c) mod m

Es importante destacar que el éxito y la "apariencia de aleatoriedad" de este método dependen completamente de los parámetros elegidos.

Por ejemplo, para el siguiente conjunto:

X₀ = 3, a = 4, c = 5, m = 6

obtenemos una breve secuencia repetitiva de

3, 5, 1, 3, 5, 1

que no parece aleatoria en absoluto.

Pero vale la pena cambiar los parámetros para obtener un resultado muy diferente:

X₀ = 2, a = 85, c = 507, m = 1356

Al hacer este ajuste, la dispersión de los resultados se vuelve mucho más difícil de predecir a simple vista. Los desarrolladores deben seleccionar los números para este algoritmo con extremo cuidado.

2, 677, 1100, 443, 194, 725, 1112, 107, 110, 365, 344, 1271, 62, 353, 680, 1355, 422, 1121, 872, 47, 434, 785, 788, 1043, 1022, 593, 740, 1031, 2, 677, 1100, 443, 194, 725, 1112, 107, 110, 365, 344, 1271, 62, 353, 680, 1355, 422, 1121, 872, 47, 434, 785, 788, 1043, 1022, 593, 740, 1031, 2, 677, 1100, 443, 194, 725, 1112, 107, 110, 365...

Aunque el método congruencial lineal es capaz de generar una secuencia pseudoaleatoria con propiedades estadísticas aceptables, no es criptográficamente seguro. Dado que los generadores basados en este método son matemáticamente predecibles, su uso está estrictamente prohibido en la ciberseguridad.

Las vulnerabilidades de los generadores congruenciales lineales fueron demostradas por primera vez por el criptógrafo Jim Reeds en 1977, y posteriormente por Joan Boyar en 1982 (quien también logró vulnerar variaciones cuadráticas y cúbicas del algoritmo). Estas investigaciones demostraron de forma concluyente la inutilidad de este método para la protección de datos. Sin embargo, el método congruencial lineal sigue siendo una herramienta muy valiosa y eficiente para aplicaciones no criptográficas, como las simulaciones por computadora, ya que requieren un bajo consumo de recursos y ofrecen un buen rendimiento estadístico empírico.

Generadores de números aleatorios de hardware moderno

QRBG121

En este dispositivo, la aleatoriedad se extrae directamente de un proceso físico cuántico: la emisión de fotones en semiconductores y su posterior detección individual. Durante este evento subatómico, los fotones son detectados de forma totalmente independiente unos de otros. La información basada en los intervalos de tiempo entre cada fotón detectado se utiliza para generar bits de pura entropía cuántica.

Lámparas de lava

La sede de Cloudflare en San Francisco alberga un famoso muro de generadores de números aleatorios compuesto por docenas de "lámparas de lava". Cada lámpara es un recipiente de vidrio sellado que contiene una mezcla de líquidos de diferentes densidades (típicamente aceite transparente y cera o parafina translúcida). Cuando la base de la lámpara se calienta, la cera se vuelve más liviana y flota hacia la parte superior en formas caóticas, volviendo a caer al enfriarse.

Varias cámaras de video monitorean constantemente este movimiento fluido e impredecible, tomando fotografías instantáneas. Estas imágenes, llenas de ruido visual y caos termodinámico, se convierten en flujos de datos numéricos que Cloudflare utiliza para generar robustas claves de cifrado en Internet.

Otras oficinas de la compañía también utilizan fuentes creativas de entropía. En Londres, una cámara captura el movimiento impredecible de tres péndulos caóticos. En Singapur, utilizan un contador Geiger que mide la desintegración radiactiva de una pequeña cápsula de uranio. Este último método es fascinante porque la radiación cuántica garantiza que el tiempo exacto de cada desintegración atómica sea universalmente imposible de predecir.

HotBits

HotBits es un servicio web que permite a cualquier usuario descargar secuencias de números verdaderamente aleatorios. Los datos de HotBits se generan midiendo la desintegración radiactiva (radiación ionizante) capturada por un contador Geiger conectado a una computadora. Para usarlo, simplemente completas un formulario indicando la cantidad de bytes aleatorios que necesitas y eliges tu formato de descarga preferido. Para garantizar la seguridad total, una vez que la secuencia aleatoria se entrega al usuario, los números se eliminan permanentemente de sus servidores.

Fluctuaciones cuánticas en el vacío

Aunque la palabra "vacío" sugiere la ausencia total de materia, la física moderna nos dice lo contrario. Según el principio de incertidumbre de Heisenberg de la mecánica cuántica, un vacío perfecto está en realidad hirviendo con partículas "virtuales" que nacen y desaparecen en fracciones de segundo.

Un equipo de físicos canadienses diseñó un generador de números aleatorios extremadamente rápido basado en estas fluctuaciones del vacío. El hardware consta de un láser pulsado de alta frecuencia, un medio óptico especializado (como un diamante) y un sensor avanzado. A medida que la luz atraviesa el diamante, los fotones interactúan con las fluctuaciones del campo cuántico del vacío.

Esta interacción provoca minúsculos cambios impredecibles en el espectro de la luz dispersa. Dado que las fluctuaciones cuánticas del vacío son la definición misma de imprevisibilidad en la física, las variaciones captadas por el sensor permiten extraer datos numéricos de una aleatoriedad perfecta.

Generador de nanotubos de carbono

Esta innovadora tecnología logra combinar la generación de entropía a partir del ruido térmico con una extrema miniaturización física.

Un grupo de investigadores logró construir un generador de números aleatorios utilizando una celda de memoria estática (SRAM) que fue impresa utilizando una tinta especial a base de nanotubos de carbono semiconductores. En lugar de almacenar datos convencionales, esta celda de memoria aprovecha las fluctuaciones microscópicas del ruido térmico natural del entorno para generar bits aleatorios puros.

La mayor ventaja del generador de nanotubos de carbono es que puede imprimirse como un circuito sobre superficies de plástico flexible. Esto abre la puerta a su integración en dispositivos electrónicos diminutos, sensores portátiles de salud, etiquetas de seguridad desechables y ropa inteligente (wearables).

Cubes y la Electronic Frontier Foundation (EFF)

La Electronic Frontier Foundation (EFF) ha propuesto un método analógico y sumamente sencillo para que cualquier persona pueda generar contraseñas ultraseguras utilizando un generador físico de números aleatorios: el lanzamiento de dados.

El proceso es simple: lanzas cinco dados tradicionales al mismo tiempo (o uno solo cinco veces) y anotas el resultado de izquierda a derecha, obteniendo por ejemplo el número 63131. Luego, consultas una lista especial de palabras curada por la EFF en su sitio web, y buscas la palabra correspondiente a ese número. Digamos que para el 63131 la palabra sea "turboventilador".

Repitiendo este procedimiento varias veces (por ejemplo, cinco veces), terminarás con una frase de acceso (passphrase) de cinco palabras desconectadas entre sí. Podrías obtener algo como "purga inapropiado turboventilador intentar podar". Gracias al uso de reglas mnemotécnicas, el cerebro humano puede memorizar este tipo de frases locas con mucha facilidad, creando contraseñas que son matemáticamente imposibles de descifrar para un programa informático.

Un generador cuántico de números aleatorios de un teléfono inteligente Nokia

En un experimento fascinante en el año 2014, científicos de la Universidad de Ginebra lograron crear un dispositivo generador de números aleatorios cuánticos (QRNG) utilizando nada más que la cámara de un teléfono inteligente comercial: el Nokia N9.

El sistema funcionaba configurando el sensor de la cámara del teléfono para que contara el número exacto de fotones de luz que impactaban contra cada uno de sus píxeles. Utilizaron la luz de un LED estándar como fuente. Al dispararse, cada píxel del sensor de 8 megapíxeles detectaba aproximadamente 400 fotones en un instante. Debido a que la emisión de fotones de una luz tiene propiedades cuánticas, el número exacto de fotones que llega a cada píxel varía de forma natural y caótica. Al procesar las minúsculas diferencias de iluminación captadas a través de los millones de píxeles, los científicos pudieron extraer una cadena masiva y constante de números cuánticos aleatorios puros usando tecnología de bolsillo.