随机数生成器

此工具会在指定范围内生成真正的随机数字 。 数字使用Python的随机模块生成,该模块使用Mersenne Twister算法生成随机数字.

理解随机数生成

随机数生成是计算机科学中的一个基本概念,应用范围从密码学和安全到统计抽样、模拟和游戏。 随机数生成器主要有两种类型:

真随机数生成器(TRNG)

TRNG从本质上无法预测的物理过程得到随机性,例如:

• 大气噪音或无线电背景噪音
• 量子现象(如光子散射)
• 电子线路中的热噪声
• 硬件变化和时间差异

虽然TRNG是真正随机的,但对大多数需要大量随机数字的应用来说,TRNG通常比较慢,实用性较低.

Pseudo-Random 发电机(PRNG)

PRNGs使用定心算法生成出随机出现的数字序列. 主要特点包括:

• Initialize with a "seed" value that determines the entire sequence
• 快速高效地生成大量数字
• 产生可重复序列(可用于测试)
• 序列重复的有期限

常见 PRNG 算法

梅尔森·特维斯特

这是目前使用最广泛的PRNG之一 并给随机数生成器提供动力。 它的特点是:

• 极长时期 2¹⁹⁹³⁷-1 (约 4.3x10)⁶⁰⁰¹)
• 快速生成高质量随机数字
• 良好的统计属性 - 通过无数随机性测试
• 包括 Python 在内的许多编程语言的标准

线性连线式生成器

由重现关系定义的最古老最简单的PRNG之一: 页:1_n+1= aX) (单位:千美元)_n+ c) 调值米

这些发电机虽然简单而快,但有局限性,包括周期较短,相继值之间可能存在关联.

测试随机性

使用各种统计测试来验证随机数生成器的质量:

• 频率测试 - 核实值的统一分布
• 序列测试 - 检查对数或连续值组
• 差距测试 - 分析类似值之间的空格
• DIEHARD和NIST等综合测试套房是行业标准

随机数的应用

随机数字在许多领域至关重要:

• 加密 - 用于生成加密密钥和安全令牌
• 统计抽样和研究
• 计算机模拟和建模
• 赌博和赌博应用
• 随机算法
• 模拟自然现象