随机数的生成
要求
- 随机性：在某种明确定义的统计意义下，数列是随机的。
分布均匀性：序列中的位分布应是均匀的 - 不可预测性：序列后续成员不可预测
策略
- 真随机数生成器（TRNG）
非确定性随即位生成器（NRBG） - 伪随机数生成器（PRNG）
确定性随即位生成器（DRBG）
真随机数生成器（TRNG）
- 使用某种不确定的物理源生成非确定的随机位
- RFC 4086中列出的一些随机源，比如： 物理噪声、键盘打击、鼠标移动、音频、视频输入等
- 这些物理过程本质上是不可预测的，因此TRNG生成的数字序列被认为是真正的随机数
伪随机数生成器（PRNG）
- 使用算法确定性地计算产生随机位
- PRNG取一个固定值（种子）作为输入，并用一个确定性算法生成输出位序列
种子必须是不可预测的，一般由TRNG生成
为什么可以使用TRNG，还要使用PRNG？
若应用为流密码，TRNG不实用
若只需要生成有限数量的伪随机数，通常也是希望使用TRNG做种子，使用PRF（伪随机函数）输出
PRNG算法分类
- 专用算法：为生成伪随机位流而专门设计
- 基于现有密码算法的算法：对称分组密码、哈希函数、消息认证
线性同余生成器（LCG）
但这个算法不经常使用
BBS生成器
本文根据以下链接进行学习
https://www.bilibili.com/video/BV19h4y1S7QG/?spm_id_from=333.999.0.0&vd_source=c2c3c616b3ad1faf44a9f6f30a4dbb03
原文地址：https://blog.csdn.net/m0_72827793/article/details/142986587
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！