随机数概念及算法

1.随机数的概念

随机数 是指在某个数值范围内，每个数出现的概率均等且无法被事先预测的数。生成随机数的方法称为随机数生成算法，根据其真实随机性来源，分为两类：

---

1. 真随机数生成器（TRNG，True Random Number Generator）

• 原理：利用物理过程的不可预测性，例如：

  • 电子元件的热噪声（电阻噪声）

  • 放射性衰变的时间间隔

  • 量子效应（如光子偏振方向）

  • 大气噪声（无线电台干扰）

• 特点：

  • 完全不可重现（无法通过相同的输入得到相同序列）

  • 无周期性

  • 生成速度较慢，通常需要专用硬件

• 应用：密码学密钥生成、彩票开奖、安全令牌等对不可预测性要求极高的场景。

---

2. 伪随机数生成器（PRNG，Pseudo-Random Number Generator）

• 原理 ：采用确定性的数学公式或算法，从一个初始值（种子）开始迭代计算，产生一个长周期、统计上均匀的数列。

• 特点：

  • 种子相同 → 生成的随机数序列完全相同（可重现）

  • 周期有限（但可以设计得非常长，如 MT19937 周期为 219937−1219937−1）

  • 生成速度极快，无需硬件支持

• 常见算法：

  • 线性同余生成器（LCG） ：Xn+1=(a⋅Xn+c)mod  mXn+1​=(a⋅Xn​+c)modm（如 C 语言的 rand() 常基于此）

  • 梅森旋转算法（Mersenne Twister，MT19937）：周期长、分布均匀，广泛用于科学计算和游戏

  • Xorshift：基于异或和移位操作，速度极快

  • PCG（Permuted Congruential Generator）：LCG 的改进版，统计质量高

• 应用：蒙特卡洛模拟、游戏随机事件、程序测试、非加密场景。

---

3. 密码学安全伪随机数生成器（CSPRNG，Cryptographically Secure PRNG）

• 性质：在 PRNG 基础上增加安全要求：

  • 即使攻击者获得连续多个输出，也无法推算出之前或之后的状态（前向/后向不可预测性）

  • 种子足够大且不可猜测

• 常见实现：

  • ChaCha20（流密码结构）

  • 基于哈希的 DRBG （如 HMAC_DRBG，用于 Linux 内核的 /dev/urandom）

  • Yarrow（FreeBSD 等系统使用）

• 应用：生成会话密钥、随机数用于 TLS/SSL、身份验证挑战值等。

---

总结表

类型	随机性来源	是否可重现	典型算法	主要用途
真随机（TRNG）	物理现象	否	热噪声采样、量子RNG	高安全性、抽奖、密钥生成
伪随机（PRNG）	数学公式	是（种子相同）	LCG, MT19937, Xorshift	模拟、游戏、一般编程
密码学安全伪随机（CSPRNG）	数学公式+安全约束	是（种子保密）	ChaCha20, HMAC_DRBG	加密协议、安全令牌

注意 ：日常编程中用 srand(time(NULL)) + rand() 生成的是伪随机数，因速度快、可重现便于调试。而对安全性有要求的场景（如重置密码链接的 token）必须使用 CSPRNG。

2.伪随机的应用

1. 什么是"伪随机"？

伪随机数 是指通过确定性的数学算法生成的、看起来像随机数的数列。

• "伪" 的意思是"假的、模拟的"------它不是真正不可预测的随机数，而是由固定算法计算出来的。

• 但因为数列能通过常见的随机性统计检验（如分布均匀、前后无关联），所以在实际工程中把它当作随机数使用。

真正的随机数（如热噪声、放射性衰变）是无法通过公式重复生成的，而伪随机数本质上是一个周期很长、分布均匀的数列。

---

2. 只要种子相同，生成的随机数序列就相同吗？

是的，一定相同 。

伪随机数生成器（PRNG）是一个确定性的函数：

• 你给一个初始值（种子 ，比如 srand(seed) 中的 seed），它就会从该状态出发，按照固定公式产生第一个随机数，然后更新内部状态，再产生第二个，依次类推。

• 如果两次运行的种子相同，整个数列就会完全一致。

例如：

c

srand(123);
printf("%d ", rand());  // 假设输出 41
printf("%d ", rand());  // 假设输出 18467

只要种子是 123，在任何机器、任何时间运行，前两个 rand() 输出总是 41, 18467（具体数值依赖标准库实现，但对同一实现是固定的）。

---

3. 为什么用时间戳作种子？

为了让每次程序运行时种子不同，从而得到不同的随机数序列。

• time(NULL) 返回当前秒数，每秒变化一次。

• 这样你在不同时刻运行程序，种子不同，序列也就不同，达到"每次运行结果不一样"的直观效果。

但注意：如果程序在同一秒内启动两次，种子相同，两次的随机数序列也会相同。

---

4. 伪随机 vs 真随机

特性	伪随机（PRNG）	真随机（硬件随机数）
确定性	是（种子决定全部）	否
可重复性	种子相同则序列可重现	不可重现
周期	有限长（但极长，如2^19937-1）	无周期
来源	数学公式	物理现象（热噪声、量子效应）
用途	模拟、游戏、非安全场景	密码学、抽奖等要求不可预测的场景

---

5. 补充：伪随机并不"假"

虽然它是确定的，但质量高的 PRNG（如梅森旋转算法）生成的数列在统计上与真随机几乎无法区分。

对于绝大多数应用（如游戏、蒙特卡洛模拟），伪随机数完全够用，并且可重现的优点是调试和复现实验结果的好帮手。

3.伪随机的算法（根据时间戳生成指定范围内的随机数）

在 C 语言中，根据时间戳生成指定范围内的随机数通常分两步：

1. 用 time(NULL) 获取当前时间戳作为种子，调用 srand() 初始化随机数生成器。

2. 用 rand() 生成随机数，并通过算术运算限制到 [min, max] 区间。

下面是完整示例代码：

c

#include <stdio.h>
#include <stdlib.h>
#include <time.h>

/**
 * 生成 [min, max] 范围内的随机整数
 * @param min 最小值
 * @param min 最大值
 * @return 随机整数
 */
int random_in_range(int min, int max) {
    if (min > max) {
        // 交换，保证参数合法
        int temp = min;
        min = max;
        max = temp;
    }
    // 方法1：取模运算（适用于范围不大时）
    // return rand() % (max - min + 1) + min;

    // 方法2：浮点数缩放（分布更均匀，推荐）
    return (int)((double)rand() / (RAND_MAX + 1.0) * (max - min + 1) + min);
}

int main() {
    // 用当前时间戳（秒）设置随机种子
    srand((unsigned int)time(NULL));

    // 示例：生成 10 个 [5, 20] 范围内的随机数
    int min = 5, max = 20;
    for (int i = 0; i < 10; i++) {
        int r = random_in_range(min, max);
        printf("%d ", r);
    }
    printf("\n");

    return 0;
}

关键点说明：

1. 时间戳 ：time(NULL) 返回从 1970‑01‑01 至今的秒数，每次运行程序通常不同，保证种子随机性。

2. 种子设置 ：srand() 只需调用一次，一般在程序开头。

3. 范围限制：

   • 取模法 rand() % (max - min + 1) + min 简单直接，但若 max-min+1 不能整除 RAND_MAX+1，会导致低值略高的偏差（一般可接受）。

   • 浮点缩放法更均匀，推荐使用。

4. 头文件 ：<stdlib.h> 提供 rand/srand，<time.h> 提供 time。

注意事项：

• 如果程序在 同一秒内多次运行 （例如循环中反复调用），time(NULL) 返回相同值，导致相同随机序列。此时可改用纳秒级时间（如 clock_gettime）或混合其他熵源。

• 多线程环境下，rand() 不是线程安全的，建议使用 rand_r 或 C11 的 rand_s。

如果需要更高质量的随机数（如加密场景），应使用 getrandom（Linux）或 rand_s（Windows）。但对于一般应用，上述方法足够。