版权声明
- 本文原创作者：谷哥的小弟
- 作者博客地址：http://blog.csdn.net/lfdfhl
伪随机数
在软件开发工程中经常使用Random实现随机数；常见的方式如下：
- 1、使用java.util.Random类：Random类提供了多种生成随机数的方法，比如nextInt()、nextDouble()等，可以生成指定范围内的随机整数、随机浮点数等。
- 2、使用java.lang.Math类的random()方法：Math.random()方法返回一个大于等于0.0且小于1.0的随机浮点数。如果需要其他类型的随机数，可以在此基础上进行转换。
- 3、使用java.security.SecureRandom类：SecureRandom是Random的一个子类，它提供了更强的随机数生成器。如果需要高安全性的随机数（例如加密密钥），则应该使用SecureRandom。
- 4、使用java.util.concurrent.ThreadLocalRandom类：ThreadLocalRandom是Java 7引入的，用于在多线程环境中生成随机数。它提供了更好的性能，并且减少了线程之间的竞争。
严格来说，这些随机数生成器产生的都是伪随机数，而不是真正的随机数。伪随机数是通过算法生成的，它们看起来是随机的，但实际上是通过确定的计算过程得到的。也就是说，如果提前知晓算法和种子（seed）值，就可以预测生成的随机数序列。
真随机数
真正的随机数生成器（True Random Number Generator, TRNG）是一种能够生成基于物理随机现象或过程的随机数的设备。这些物理现象或过程具有固有的随机性，使得生成的随机数不可预测且每次生成都是独立的。与伪随机数生成器（Pseudo-Random Number Generator, PRNG）不同，TRNG不依赖于算法和种子值，因此生成的随机数更加真实可靠。
TRNG的工作原理通常基于以下几种物理现象或过程：
- 1、电子噪声：通过测量半导体、电阻器或其他电子元件的热噪声或电子噪声来产生随机数。这种噪声是电子元件在正常工作过程中产生的随机波动，可以被捕获并转换为随机数。
- 2、放射衰变：基于放射性同位素衰变过程中粒子发射的随机性来生成随机数。放射性衰变是一种自然现象，其发生的时间和强度都是随机的，因此可以作为随机数的来源。
- 3、光子噪声：利用光子的量子特性，如光子在光学传感器上产生的随机分布来产生随机数。光子在传播和相互作用过程中表现出量子不确定性，这种不确定性可以被用来生成随机数。
- 4、混沌系统：基于混沌动力学系统的非线性和不可预测性来产生随机数。混沌系统对初始条件极其敏感，微小的变化会导致系统行为的巨大差异，因此可以生成看似随机的数字序列。
- 5、其他物理现象：还有一些TRNG利用其他物理现象来生成随机数，如量子隧穿效应、机械振动等。这些现象都具有内在的随机性，可以被用来产生高质量的随机数。
TRNG在密码学、加密通信、网络安全、赌博游戏和科学模拟等领域具有重要应用价值。因为它们提供的随机性能增强数据的安全性和可靠性，避免了伪随机数生成器可能存在的可预测性问题。然而，TRNG的实现通常比伪随机数生成器更复杂且成本更高，因此在一些对安全性要求不是特别高的应用场景中，仍然会使用伪随机数生成器。
小结
伪随机数与真随机数在本质和生成方式上存在显著差异。伪随机数是通过算法和种子值计算得出的，它们并不是真正的随机，而是具有一定的可预测性和重复性。只要算法和种子值相同，伪随机数生成器就能产生相同的随机数序列。相对而言，真随机数则是基于物理随机现象或过程生成的，这些现象或过程具有固有的随机性，使得生成的真随机数不可预测且每次生成都是独立的。真随机数生成器在密码学、加密通信等需要高安全性的领域中具有重要应用价值，因为它们提供的随机性能增强数据的安全性和可靠性。