как делает случайный (), на самом деле работают?

Оказывается, на удивление легко получить неполноценные псевдослучайные числа. В течение десятилетий золотым стандартом был удивительно простой алгоритм: сохранить состояние x , умножить на константу A (32x32 => 64 бита), затем добавить константу B , затем вернуть младшие 32 бита, которые также станут новыми x . Если тщательно выбрать A и B , это действительно работает довольно хорошо.

Псевдослучайные числа также должны быть повторяемыми, чтобы воспроизводить поведение во время отладки. Таким образом, заполнение генератора (инициализация x , скажем, временем дня) обычно избегается во время отладки.

В последние годы, и с большим количеством вычислительных циклов, доступных для записи, более сложные алгоритмы доступны, некоторые из них были изобретены после публикации весьма авторитетных получисленных алгоритмов . Операционные системы также начинают предоставлять аппаратные и сетевые биты энтропии для специализированных криптографических целей.

Страница Википедии - хороший справочник.

Фактический используемый алгоритм будет зависеть от языка и реализации языка.

Чтобы точно ответить на ваш ответ, случайная функция предоставляется операционной системой ( обычно).

Но то, как операционная система создает эти случайные числа, является специализированной областью компьютерных наук. См., Например, страницу вики, опубликованную в ответах выше.

random () - это так называемый генератор псевдослучайных чисел (PRNG). random () в основном реализован как линейный конгруэнтный генератор. Это функция вида X (n + 1) (aXn + c) по модулю m. Xn - это последовательность сгенерированных псевдослучайных чисел. Генаратированную последовательность чисел легко угадать. Этот алгоритм нельзя использовать в качестве криптографически безопасного ГПСЧ.

Википедия: Линейный конгруэнтный генератор

И взгляните на несгибаемые тесты для ГПСЧ Генаратированную последовательность чисел легко угадать. Этот алгоритм нельзя использовать в качестве криптографически безопасного ГПСЧ.

Википедия: Линейный конгруэнтный генератор

И взгляните на несгибаемые тесты для ГПСЧ Генаратированную последовательность чисел легко угадать. Этот алгоритм нельзя использовать в качестве криптографически безопасного ГПСЧ.

Википедия: Линейный конгруэнтный генератор

И взгляните на несгибаемые тесты для ГПСЧ PRNG Diehard Tests

Одна вещь, которую вы, возможно, захотите изучить, - это семейство случайных устройств, доступных в некоторых Unix-подобных ОС, таких как Linux и Mac OSX. Например, в Linux ядро ​​собирает энтропию из различных источников в пул, который затем использует для заполнения своего генератора псевдослучайных чисел. Энтропия может поступать из множества источников, наиболее заметным из которых является дрожание драйвера устройства из-за нажатия клавиш, сетевых событий, активности жесткого диска и (чаще всего) движений мыши. Помимо этого, существуют и другие методы сбора энтропии, некоторые из них даже полностью реализованы аппаратно. Есть два символьных устройства, с которых вы можете получать случайные байты из Linux и в Linux, они ведут себя следующим образом:

• / dev / urandom дает вам постоянный поток байтов, который является очень случайным, но не криптографически безопасным, потому что он повторно использует любую энтропию, доступную в пуле.
• / dev / random дает вам криптографически безопасные случайные числа, но он выиграл » t дает вам постоянный поток, поскольку он использует энтропию, доступную в пуле, а затем блокируется, пока собирается больше энтропии.

Обратите внимание, что хотя Mac OSX использует другой метод для своего PRNG и, следовательно, не блокирует, мои личные тесты (выполнено в колледже) показали, что оно чуть менее случайное, чем ядро ​​Linux. Хотя, конечно, достаточно хорошо.

Итак, в моих проектах, когда мне нужна случайность, я обычно использую чтение с одного из случайных устройств, по крайней мере, для начального числа для алгоритма в моей программе.

/ dev / random дает вам криптографически безопасные случайные числа, но не дает постоянного потока, так как использует энтропию, доступную в пуле, а затем блокирует, пока собирается больше энтропии.

Обратите внимание, что в то время как Mac OSX использует это другой метод для ГПСЧ и, следовательно, не блокирует, мои личные тесты (сделанные в колледже) показали, что он почти менее случайный, чем ядро ​​Linux. Хотя, конечно, достаточно хорошо.

Итак, в моих проектах, когда мне нужна случайность, я обычно использую чтение с одного из случайных устройств, по крайней мере, для начального числа для алгоритма в моей программе.

/ dev / random дает вам криптографически безопасные случайные числа, но не дает постоянного потока, так как использует энтропию, доступную в пуле, а затем блокирует, пока собирается больше энтропии.

Обратите внимание, что в то время как Mac OSX использует это другой метод для ГПСЧ и, следовательно, не блокирует, мои личные тесты (сделанные в колледже) показали, что он почти менее случайный, чем ядро ​​Linux. Хотя, конечно, достаточно хорошо.

Итак, в моих проектах, когда мне нужна случайность, я обычно использую чтение с одного из случайных устройств, по крайней мере, для начального числа для алгоритма в моей программе.

s PRNG и, следовательно, не блокируется, мои личные тесты (проведенные в колледже) показали, что он чуть менее случайный, чем ядро ​​Linux. Хотя, конечно, достаточно хорошо.

Итак, в моих проектах, когда мне нужна случайность, я обычно использую чтение с одного из случайных устройств, по крайней мере, для начального числа для алгоритма в моей программе.

s PRNG и, следовательно, не блокируется, мои личные тесты (проведенные в колледже) показали, что он чуть менее случайный, чем ядро ​​Linux. Хотя, конечно, достаточно хорошо.

Итак, в моих проектах, когда мне нужна случайность, я обычно использую чтение с одного из случайных устройств, по крайней мере, для начального числа для алгоритма в моей программе.