随机数生成器详解：真随机与伪随机的区别

什么是随机性？

在日常语言中，“随机”意味着不可预测。在数学和计算机科学中，随机性有精确的含义：如果知道所有先前的值对预测下一个值毫无帮助，那么这个序列就是随机的。在确定性机器中实现真正的随机性从根本上来说是困难的——计算机遵循精确的指令，这与不可预测性恰恰相反。解决这一问题的方案分为两大类：伪随机数生成器（PRNG）和真随机数生成器（TRNG）。

伪随机数生成器（PRNG）

PRNG 是一种确定性算法，它生成一个看起来随机的数列，但实际上完全由一个称为种子的初始值决定。给定相同的种子，PRNG 总会产生相同的序列。这听起来像是一个缺陷，但在许多场景下实际上是一个有用的特性。

目前最广泛使用的现代 PRNG 是梅森旋转算法，其周期为 2^19937 − 1（即在重复之前能生成那么多个值）。它几乎能通过所有统计随机性测试。大多数编程语言中的通用随机函数——Python 的 random 模块、Java 的 java.util.Random、JavaScript 的 Math.random()——底层都使用 PRNG。

关键限制：PRNG 不具备密码学安全性。如果攻击者能够观察到足够多的输出，他们就能重建内部状态并预测所有未来的输出。对于任何安全敏感的场景，绝不能使用 PRNG。

密码学安全伪随机数生成器（CSPRNG）

CSPRNG 是专为计算上不可预测而设计的 PRNG，即使知道之前的输出也无法预测。它通过密码学单向函数实现这一点，并以真实熵源作为种子。操作系统通过 Linux/macOS 上的 /dev/urandom 和 Windows 上的 CryptGenRandom 等接口提供 CSPRNG。

在应用代码中：

• Python： secrets 模块（用于密码和令牌，而非 random）
• JavaScript（Node.js）： crypto.randomBytes() 和 crypto.randomUUID()
• 浏览器： window.crypto.getRandomValues()
• Java： java.security.SecureRandom

对于安全敏感的操作，始终使用密码学随机 API：生成密码、令牌、会话 ID、API 密钥、密码学密钥和随机数。

真随机数生成器（TRNG）

TRNG 从真正不可预测的物理过程中获取随机性：电子元件中的热噪声、放射性衰变、大气噪声或光子到达时间。银行和证书颁发机构使用的硬件安全模块（HSM）包含 TRNG。random.org 等服务从大气噪声中生成随机数，常被用作彩票和竞赛中可验证的公平随机源。

操作系统的 CSPRNG 通常从硬件熵源（键盘计时、磁盘 I/O、Intel RDRAND 等硬件 RNG 芯片）中自我播种，然后使用 CSPRNG 算法将该熵扩展成数据流。这种混合方式兼具硬件熵的不可预测性和软件生成的速度。

按类型划分的实际应用场景

• 游戏开发、模拟、程序化生成——PRNG 最为理想。可重现性（通过固定种子）往往是优点而非缺陷——它让开发者可以重放和调试特定场景。
• 统计采样和蒙特卡洛方法——使用经过充分测试的算法的 PRNG。梅森旋转算法是标准选择。
• 密码、令牌、密码学密钥、UUID——仅使用 CSPRNG。绝不要将 Math.random() 或同类函数用于这些场景。
• 赌博、彩票、可证明公平的系统——使用 TRNG 或 CSPRNG，并对来源保持透明。
• A/B 测试和随机化实验——以每个用户 ID 为种子的 PRNG 以保证可重现性；若存在作弊顾虑，则用 CSPRNG 生成种子本身。

播种与可重现性

当可重现性很重要时——重现特定测试场景、共享生成的结果、调试模拟——你可以用固定值作为 PRNG 的种子，每次都能获得相同的输出。许多游戏使用种子进行世界生成，让玩家可以分享有趣地图的种子。机器学习研究者通常在实验开始时设定随机库的种子，以确保跨运行的可重现性。

种子的质量同样重要。以毫秒级当前时间戳作为 PRNG 种子是可预测的，如果攻击者大致知道你的应用程序何时启动的话。对于非安全目的，时间戳种子通常没问题；但对于输出必须无法猜测的任何场景，请使用 CSPRNG 来生成种子。

在线生成随机数

打开免费随机数生成器——在浏览器中生成任意范围内的单个或多个随机数，支持有无重复两种模式。