DEV Community
·
生成随机数（RNG）的不同方法
💡
原文英文，约400词，阅读约需2分钟。
📝
内容提要
随机数生成（RNG）在密码学、模拟、游戏和统计建模中至关重要。本文讨论了三种随机数生成方法：真随机数生成器（TRNG）依赖物理过程，适合密码应用；伪随机数生成器（PRNG）如梅森旋转器和Xorshift，适合快速生成；量子随机数生成器（QRNG）利用量子现象，提供高安全性。
🎯
关键要点
- 随机数生成（RNG）在密码学、模拟、游戏和统计建模中至关重要。
- 真随机数生成器（TRNG）依赖物理过程，适合密码应用，具有高不可预测性。
- 伪随机数生成器（PRNG）如线性同余生成器（LCG）、梅森旋转器和Xorshift，适合快速生成，但在密码学中不安全。
- 安全哈希基础生成器（CSPRNG）用于加密应用，抵抗预测，使用熵池和哈希算法生成高质量随机数。
- 量子随机数生成器（QRNG）利用量子现象，提供高安全性，是高安全应用的金标准。
❓
延伸问答
什么是真随机数生成器（TRNG）？
真随机数生成器（TRNG）依赖物理过程生成随机数，适合密码应用，具有高不可预测性。
伪随机数生成器（PRNG）有哪些常见类型？
常见的伪随机数生成器包括线性同余生成器（LCG）、梅森旋转器和Xorshift。
量子随机数生成器（QRNG）有什么优势？
量子随机数生成器（QRNG）利用量子现象，提供高安全性，是高安全应用的金标准。
CSPRNG与普通PRNG有什么区别？
CSPRNG（加密安全伪随机数生成器）抵抗预测，适用于加密应用，而普通PRNG在密码学中不安全。
如何生成高质量的随机数用于加密？
可以使用安全哈希基础生成器（CSPRNG）和现代加密算法如ChaCha20和AES-CTR来生成高质量随机数。
伪随机数生成器的性能如何？
伪随机数生成器如梅森旋转器和Xorshift在生成速度上较快，但在密码学中不够安全。
➡️
