数字生成器

随机数生成器（Random Number Generator, RNG）是一种每次运行都能提取一个不可预测数字的工具或过程。无论是通过数学算法还是物理硬件设备，其核心在于确保生成的数字序列毫无规律可循。

随机数生成器的应用场景

从日常的应用程序到复杂的电子游戏，生成随机数在各个领域都不可或缺。例如，网站系统利用在线随机数生成器来轮换展示广告横幅。而在密码学领域，高强度的随机数更是生成唯一安全密钥、保护数据隐私的基石。

具体而言，随机数生成技术被广泛应用于：生成验证码、数据加密、密码加盐（Salt）、强密码生成器、在线棋牌游戏的洗牌算法、数据抽样、蒙特卡洛模拟，甚至辅助日常的随机决策。

此外，随机数生成算法在电子游戏（视频游戏）中扮演着至关重要的角色。即使玩家反复挑战同一关卡，每次的体验也会截然不同。你或许不会注意到地形的微小变化，但在敌人的刷新数量、出现位置、天气变化以及掉落物品的爆率上，随机数让游戏充满了未知与刺激。

随机序列与非随机序列的区别

假设有一串数字：1，2，3，4，5。它是随机的吗？

在概率论中，随机变量是指其值由偶然因素决定的变量。在特定值实际发生之前，你绝对无法准确预测它。

如果上述数字是你依次敲击键盘顶排数字键得到的，那么这个组合就不是随机的——因为在数字5之后，我们有极高的概率预测下一个数字是6。

只有当序列中的符号之间不存在任何依赖关系时，该序列才能被称为真正的随机序列。

评估一个随机数生成器是否公正、准确的核心标准在于：系统中可能出现的每一个数字，其生成的概率必须绝对相等。这意味着随机事件是完全独立的，当前生成的数字绝不会受到其前后数字的影响。

例如，当你第一次掷出一枚标准的六面骰子时，从1到6的任何一个数字出现的概率都是均等的。无论当前掷出什么数字，当你进行第二次、第一百次甚至第一千次投掷时，掷出特定数字的概率始终保持不变。

圆周率（Pi）的无理数位序列永不重复，对大多数人而言，它看起来完全是随机的。假设我们构建一个生成器，从圆周率某个未公开的起始点开始提取数字，在很多日常场景下，这确实是不可预测的，甚至能通过一些常规的随机性测试。然而，将其用于密码学却充满风险。一旦攻击者找出了你正在使用的圆周率具体片段，他们就能轻易推断出前后的数字序列，从而彻底击溃系统的安全性。

为了规范安全性，美国国家标准与技术研究院（NIST）专门发布了“用于密码学应用的随机与伪随机数生成器的统计测试包”。该工具包包含15项严苛的统计测试，旨在精准检测由硬件或软件生成的随机比特流的随机程度。

随机数生成器的分类：真随机与伪随机

随机数生成器（RNG）主要分为两大阵营：真随机数生成器（TRNG）和伪随机数生成器（PRNG）。TRNG 依赖微观物理现象生成数字，而 PRNG 则依靠数学算法进行运算。

真随机数生成器通常内置于硬件设备中，利用自然界中不可预测的微小物理过程（即“熵”）来生成随机数。这里的“熵”可以理解为纯粹的、未经过滤的物理混沌状态。

真随机数生成器通常利用以下物理现象作为熵源：

• 放射性衰变
• 热噪声
• 电磁噪声
• 量子力学现象等

真随机数生成器被广泛应用于全球最高级别的安全导向系统及高级别数据加密中。

TRNG 持续使用物理熵源来积累熵，从而获得生成优质随机数所需的初始状态（种子）。

相比之下，伪随机数生成算法主要用于对安全性要求不高的常规领域。在这些场景中，引入随机性主要是为了避免重复，并让过程对最终用户更具吸引力。伪随机数生成器技术的实现成本更低、速度更快，因为它无需额外的物理硬件支持，只需几行代码即可轻松嵌入程序。虽然其生成过程并非绝对随机，而是基于特定算法确定的，但它完美契合了电子游戏和常规软件的性能需求。

PRNG 仅依赖一个单一的初始值（种子）开始运算，所有的“伪随机”序列皆由此推演而来。与之相对，真随机数生成器则在每次生成时，持续不断地从多种物理熵源中汲取高质量的随机值。

伪随机数生成有其天然的短板。它们之所以看起来有效，是因为对外行而言其输出结果显得毫无规律。但是，假设有人掌握了特定 PRNG 序列的初始种子值，就能完美预测后续将会生成的所有数字。

资深的游戏玩家（尤其是速通玩家）经常利用这一漏洞——他们称之为“操纵 RNG”。他们通过特定操作固定游戏的随机数种子，使游戏事件变得完全可预测，从而实现最快通关。幸运的是，在游戏里这并不会引发致命问题。

但在某些领域，预测随机数将引发灾难性后果。例如，在创建高强度的安全密钥时。

如果黑客破解了用于生成 TLS 安全证书中 RSA 密钥的初始种子值，他们就可能解密网络流量。这意味着攻击者可以轻易窃取用户通过互联网发送的密码及其他高度敏感的个人隐私信息。

在这些高安全门槛的场景下，必须采用更安全的方案来获取随机数，即使用真随机数生成器。

谷歌的在线随机数生成器

谷歌（Google）引擎内置了一个基于 JavaScript 的简易在线随机数生成工具。在与亲友玩桌面游戏或需要快速抽签时，这个小工具非常实用。只需在谷歌搜索框中输入“随机数生成器”，即可快速唤出并使用。

线性同余法（Linear Congruential Method）

在伪随机数生成器中，最经典的算法之一便是线性同余法。它适用于无需密码学强度的简单场景。该算法由德里克·亨利·莱默（D. H. Lehmer）于 1949 年首次提出。

要通过这种方法实现数字的生成，我们需要选择四个核心参数：

m > 0，模数（Modulus）

0 ≤ a ≤ m，乘数（Multiplier）

0 ≤ c ≤ m，增量（Increment）

0 ≤ X₀ ≤ m，初始数字（Seed / 种子值）

随机数序列本身是使用以下核心公式递归生成的：

Xₙ₊₁ = (aXₙ + c) mod m

必须强调的是，这种方法的随机效果极度依赖于参数的选取。

例如，对于以下参数组合：

X₀ = 3, a = 4, c = 5, m = 6

我们将得到一个极短的循环序列：

3, 5, 1, 3, 5, 1

显然，这看起来毫无随机性可言。

但如果将参数调整为其他值：

X₀ = 2, a = 85, c = 507, m = 1356

结果的分布就会变得不可预测得多。必须极其谨慎地挑选该算法的参数。

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...

尽管在参数选择得当的情况下，线性同余法能生成具有良好统计特性的伪随机数序列，但它的密码学强度远远不够。基于线性同余法的生成器是高度可预测的，因此绝对不能用于任何密码学加密场景。

线性同余生成器早在 1977 年就被吉姆·里德斯（Jim Reeds）成功破解，随后在 1982 年，琼·博伊尔（Joan Boyar）进一步攻破了该算法。她还成功破解了二次和三次同余生成器。这些研究彻底证明了同余生成器在密码学中是毫无用处的。然而，在非密码学应用（例如科学模拟和统计采样）中，基于线性同余法的生成器依然发光发热。它们计算效率极高，且在大多数常规实证测试中表现出了优异的统计性能。

现代硬件真随机数生成器（TRNG）

QRBG121

该设备的随机性源自半导体中光子发射的量子物理过程，并结合了对单个光子的精密检测。在此过程中，光子被独立且随机地探测到，系统利用探测到光子的微观时间间隔信息来生成绝对随机的数据比特。

熔岩灯 (Lava Lamps)

知名网络科技公司 Cloudflare 的旧金山办公室里，设有一面由“熔岩灯”打造的真随机数生成器。这种灯具是一个装满透明油和半透明石蜡的玻璃容器。石蜡的密度原本略大于油，但在底部轻微加热下，它会变轻并随机向上漂浮。

系统通过几台高清摄像头实时监控液体的混沌运动轨迹并拍摄快照。这些快照随后被转换为数字流，用于生成极高强度的加密密钥。

Cloudflare 的另外两个办公地点则采用了不同的物理熵源。在伦敦，摄像头负责捕捉三个混沌钟摆的无序运动；而在新加坡，则使用盖革计数器测量一小块铀的放射性衰变。在后一种情况中，铀被用作“绝佳的数据源”，因为放射性物质的每一次原子衰变在时间上都是纯粹随机的。

HotBits

HotBits 是一个提供真随机数下载的在线服务网站。其数据直接来源于记录电离辐射的盖革计数器。用户只需在网站上填写请求表单，指定所需的随机字节数量，并选择获取数据的首选格式。出于最高安全级别的考量，一旦随机数交付给客户，系统会立即将其从数据库中永久销毁。

真空量子涨落

与其名字（“vacuus”——意为虚无）相反，在量子物理学中，真空绝非空无一物。根据海森堡的不确定性原理，真空中不断发生着虚粒子的瞬间诞生与湮灭。

加拿大物理学家巧妙利用真空场涨落的原理，设计出一种结构紧凑且速度极快的真随机数生成器。该设备由高频脉冲激光器、高折射率介质（钻石）和高敏探测器组成。当激光脉冲穿过钻石时，由于光子在路径上遇到不可预测的真空场涨落，每次在传感器上都会呈现出截然不同的散射特性。

在散射辐射的光谱中会出现特殊的光谱线。由于真空涨落的绝对不可预测性，这些线条每次都会以无法预判的方式呈现差异，从而生成完美的随机数。

碳纳米管生成器

这种前沿技术完美结合了设备的微型化与热噪声产生的物理随机性。

科研人员利用含有半导体碳纳米管的特制墨水，打印出静态随机存取存储器（SRAM）单元，从而构建了物理随机数生成器。这些存储单元通过捕获微观层面的热噪声物理波动来生成随机比特流。

碳纳米管生成器最大的优势在于可以直接打印在柔性塑料基板上。这使其能够轻松集成到各种微型柔性电子设备、可穿戴智能传感器、一次性安全标签以及智能服装中。

骰子与电子前哨基金会（EFF）

著名数字权利倡导组织电子前哨基金会（EFF）提出了一种利用物理随机工具创建超强安全密码的简易方法。它的核心工具就是骰子。

例如，你一次性掷出五枚骰子，并按从左到右的顺序记录下结果数字：63131。接着，你打开 EFF 官方提供的长单词表，查找 63131 旁边对应的单词。假设那个词是“turbofan”（涡轮风扇）。

你可以重复这个过程几次。例如重复五次，你就能得到一个由五个不相关单词组成的密码短语。比如，“turbofan purge unfitting try pruning”（涡轮风扇 净化 不合适 尝试 修剪）。只要掌握简单的助记技巧，普通人也能轻松记住这种极难被破解的高强度密码短语。

诺基亚智能手机的量子随机数生成器

2014年，瑞士日内瓦大学的科研团队成功利用诺基亚 N9 智能手机的摄像头，打造出了一款量子随机数生成器（QRNG）设备。

智能手机摄像头的工作原理是计算击中每个像素点的光子数量。在使用标准 LED 作为光源的情况下，这颗800万像素摄像头内的每一个像素点，在极短时间内都能检测到大约400个光子。系统随后将所有像素点捕捉到的光子总数变化，通过算法转化为高质量的真随机数序列。