密码学中随机数的用途非常大，其他密码学算法内部都会用到随机数。
1）效率
在软件或者密码学应用中需要大量的随机数，必须在很短的时间内生成随机数。
2）随机性
生成的随机数只要不存在统计学偏差，那么这个随机数就具备随机性（randomness）。
3）不可预测性
密码学中的随机数必须具备不可预测性，否则就会存在安全问题，当然非密码学应用使用具备随机性的随机数就足够了。
4）不可重现性
所谓不可重现性（unrepeat）就是不管经过多长时间，不会产生完全相同的随机数。
在软件层面不可能生成完全不一样的随机数，在一定周期内，密码学随机数算法最终会生成两个完全相同的随机数。
在密码学中应该尽量使用周期相对长的随机数。
【随机数的工作原理】
真正的随机数生成器TRNG（True Random Number Generator），伪随机数生成器PRNG（Preudo Random Number Generator），还是密码学伪随机数生成器CPRNG（Cryptography secure Preudo Random Number Generator），内部工作原理是一样的
随机数生成器内部会维护一个状态（internal state）：
（1）对于TRNG来说，内部状态的数值来自外部设备，称为熵（entrory），比如动态的时间、变化的温度、声音的变化、鼠标位置。
（2）对于PRNG来说，内部状态的数值来自于模拟的数值，称为种子（seed）。
一个优秀的随机数生成器就在于寻找尽可能多的熵和种子，一旦熵和种子不够，随机数生成器就会停止运行。