随机数生成器：计算机如何创造随机性（2026）

随机性究竟是什么？

我们随意使用"随机"这个词。歌曲随机播放。骰子掷出六点。彩票球落入管道。在日常生活中，随机意味着不可预测——我们无法提前知道的事情。但这种直觉隐藏着一个令人惊讶的深刻问题：运行精确确定性逻辑的计算机，真的能产生真正不可预测的东西吗？

诚实的答案是：不容易，默认情况下不行。计算机是确定性机器。给定相同的输入和相同的状态，它们每次产生相同的输出。这是一个特性——它使软件可靠且易于调试。但这也是产生真正随机性的根本障碍。

计算机解决（或绕过）这个问题的方式是实用计算中更优雅的成就之一。它涉及数学、物理和密码学，影响从您玩的游戏到银行账户安全的现代软件的每个角落。

伪随机数生成器：计算的主力

产生看似随机数字的最常见方法是伪随机数生成器（PRNG）。尽管前缀略显不雅，PRNG确实有用，驱动了软件中绝大多数依赖随机性的操作。

PRNG从称为种子的初始值开始，通过数学公式运行产生一系列数字。公式被设计使结果序列看起来统计随机：数字均匀分布在一个范围内，难以检测模式，任何值出现的概率大致相等。

PRNG的定义特征是序列完全由种子决定。如果您用相同的种子运行相同的算法，您会得到完全相同的数字序列。这既是其优势也是其局限。

梅森旋转算法

世界上最广泛使用的PRNG可能是1997年引入的梅森旋转算法（Mersenne Twister）。它出现在Python的random模块、Ruby、PHP和许多其他语言和环境中。它产生2^19937 - 1的周期，意味着它会在序列重复之前生成超过10^6000个数字。

梅森旋转算法通过了几乎所有的随机性统计测试。对于物理模拟、蒙特卡洛计算、生成游戏关卡和洗牌播放列表，它非常出色。但它有一个严重缺陷：给定足够的输出值，可以重建生成器的内部状态。观察了足够数量输出的攻击者可以预测所有未来的输出。

这使得梅森旋转算法和类似的PRNG从根本上不适合密码学应用。

为什么种子很重要

初始种子对PRNG来说是一切。如果攻击者知道种子，他们就知道整个序列。软件通常用当前时间戳为PRNG播种，这听起来合理，但时间戳的熵（不可预测性的位数）有限。

真随机数生成器：利用物理不可预测性

如果您想要不由任何先前状态决定的数字，您需要从物理世界获取熵。

**真随机数生成器（TRNG）**正是这样做的。它们测量在量子或热力学层面真正不可预测的物理过程：放射性衰变的精确时序、电子电路中的热噪声、光束分裂器中的光子检测事件，或无线电接收器捕获的大气噪音。

random.org等网站收集大气无线电噪音来产生真随机数。称为HSM（硬件安全模块）的专用硬件模块包含用于高保证安全应用的专用熵源。

权衡是吞吐量。物理过程是慢的。在实践中，大多数系统使用混合方法：使用真随机性为高质量的CSPRNG播种，然后快速生成数字同时保持不可预测性。

密码学随机性：黄金标准

密码学需要特定的东西：一个输出在计算上与真正随机性无法区分的生成器，即使对观察了大量输出的对手也是如此。

这是**密码学安全伪随机数生成器（CSPRNG）**的领域。CSPRNG是具有额外数学保证的PRNG：

前向保密。如果内部状态以某种方式被揭示，过去的输出无法被重建。
不可预测性。给定任何数量的过去输出，未来输出无法比暴力猜测更快被预测。
良好播种。CSPRNG使用来自真实物理源的熵播种，而不仅仅是时间戳。

现代操作系统将CSPRNG作为核心服务提供。在Linux上，这是/dev/urandom和/dev/random。在macOS和iOS上，是SecRandomCopyBytes。在Windows上，是CryptGenRandom和较新的BCryptGenRandom。这些系统原语从许多来源收集熵：硬件中断、磁盘寻道时间、网络数据包时序、击键间隔，以及现代CPU内置的专用硬件熵生成器。

Web Crypto API

对于Web应用程序和基于浏览器的工具，W3C Web Crypto API通过crypto.getRandomValues()函数提供对浏览器CSPRNG的访问。

// 生成16个密码学安全的随机字节
const array = new Uint8Array(16);
crypto.getRandomValues(array);
console.log(array);

crypto.getRandomValues()返回的值来自操作系统的CSPRNG，而操作系统又从硬件熵源获取。它们适合生成加密密钥、会话令牌、随机数和任何其他安全敏感的值。

这是ToolPal用于其随机数生成工具的方法。当您在网站上生成数字时，值来自crypto.getRandomValues()——与安全软件使用的相同来源。它们不是用时间戳播种的，而是真正不可预测的。

随机数的实际用例

游戏和模拟

视频游戏中的每次骰子投掷、每次战利品掉落、每次洗牌和每个程序化生成的关卡都依赖于随机数。游戏广泛使用PRNG，因为速度和统计属性比密码学安全性更重要。

模拟软件——从天气建模到金融风险分析——使用蒙特卡洛方法的随机数，使用数千或数百万个随机样本来估算分析上太复杂的系统的结果。

一个微妙但重要的点：使用种子PRNG的游戏可以重现确切的游戏过程，如果您知道种子的话。这就是Minecraft等游戏中"speedrun种子"的工作原理——种子决定了世界的每个元素。

统计和采样

研究人员需要来自总体的代表性随机样本。调查设计、药物试验随机化、质量控制采样和A/B测试分配都依赖于良好的随机数生成。

统计采样还包括自举法——一种从现有数据随机重采样用于估计置信区间的技术。

密码学和安全

这是随机性变得至关重要的地方。现代密码学的每个方面都依赖不可预测的随机数：

加密密钥：AES-256密钥是256个随机位。如果这些位可预测，加密就被破解了。
会话令牌：Web应用生成验证用户的会话ID。可预测的会话ID可以被伪造，允许账户接管。
随机数（Nonces）：许多密码协议使用一次性值来防止重放攻击。这些必须是随机的。
密码盐值：密码哈希添加随机盐值以防止彩虹表等预计算攻击。
TLS握手：保护HTTPS连接的整个TLS协议依赖于连接设置期间生成的随机值。

历史上几个灾难性的安全失败是由于随机数生成不佳造成的。2008年的Debian OpenSSL漏洞意外削弱了熵源，将有效密钥空间减少到几千个值。

关于随机性的常见误解

"近期历史影响未来结果。" 这是赌徒谬误。如果硬币连续十次正面朝上，大多数人直觉上感到反面"应该来了"。并非如此。每次翻转都是独立的。

"人类擅长挑选随机数。" 我们并不擅长。当被要求写下一串"随机"数字时，人们会避免重复数字，避免同一数字的长串，并无意识地偏好某些值。

"看起来随机的输出意味着生成器是好的。" 视觉检查是评估随机性的糟糕方式。专业评估使用NIST SP 800-22、Diehard测试或TestU01等正式测试套件。

"随机性意味着均匀分布。" 随机性是关于不可预测性，而不是分布。您可以从正态分布、指数分布或任何其他形状中获取随机样本。"随机"意味着您无法预测下一个值，而不是所有值同样可能。

如何选择正确的随机性类型

用例	推荐来源
游戏机制、洗牌、模拟	PRNG（梅森旋转算法或类似）
统计采样、A/B测试	良好播种的PRNG
密码生成	CSPRNG（Web Crypto API或等效）
加密密钥、会话令牌	CSPRNG
彩票或高风险抽签	TRNG或经审计的CSPRNG
可重现的测试	带文档化种子的固定种子PRNG

结论

随机数生成位于理论和工程的有趣交叉点。随机性的数学属性——它意味着什么、如何衡量、如何生成——是真正深刻的。实际结果——加密连接、公平游戏、代表性样本、安全密码——是有形且即时的。

关键要点：

PRNG是确定性的且快速，适合模拟和游戏，但不适合安全。
真实RNG从物理过程获取熵，产生真正不可预测的值，但速度慢。
CSPRNG结合两者：使用物理熵为具有密码学保证的算法播种，同时提供速度和安全性。
Web Crypto API为基于浏览器的应用带来CSPRNG质量的随机性，无需服务器参与即可生成安全密码、令牌和数字。

下次您在ToolPal的密码生成器上生成密码或从我们的随机数生成器中选择随机数时，您可以确信这些值来自crypto.getRandomValues()——保护现代Web的相同密码学基础。没有时间戳，没有可预测的种子，没有赌徒谬误。只是真正的、不可预测的随机性，被正确处理。