伪随机是用算法生成一个看似随机的数列

时间：2022-02-17 17:16:17

伪随机是用算法生成一个看似随机的数列。为什么说是“看似随机”？因为如果算法是确定的，那这个数列本身就是固定的，如果我们知道了随机数发生器的当前状态，那就可以推断出后面的数字是多少。一般的伪随机序列的周期会有几十亿的规模，可以用在对安全性要求不高的领域中。而在安全性更高的加密领域里，一般不会使用伪随机，需要的仍是真随机数。

我们平常说的真随机和伪随机在不同的语境下往往有不同的意义。比如我们经常说的一句话是“电脑里没有真正的随机数”，这就是从随机生成原理来说的。由于电脑都是确定性的运算，无法生成真正的随机数。如果要获得一个真随机数，需要引入外部的随机性来源，如真随机数发生器，利用电路中的噪音或量子原理产生真的随机数。如果没有外部硬件，就只能生成伪随机。

随机数生成器是一种从真正的随机源生成随机数的系统。通常是物理的东西，比如盖革计数器，结果会变成随机数。我们在机器学习中不需要真正的随机性。相反，我们可以使用伪随机性。伪随机性是一个看起来接近随机的数字样本，但它是使用确定性过程生成的。

伪随机数是根据特定的复杂算法产生的，从本质上讲仍然具有周期性；基于经典物理过程的随机数发生器，由于经典物理是决定性理论，在获知所有条件的情况下，产生的数据序列是可以预测的。只有量子随机数才是真随机数。目前Braket用户可以直接在AWS的量子云服务中尝试随机数生成。

三星的量子加密5G手机的解决方案，是利用CMOS图像传感器捕获的光源散粒噪声产生随机序列，还是经典RNG的思路。RNG是依靠计算机模拟，基于算法生成伪随机数，或是从经典物理噪声（如热噪声，电噪声等）中提取随机数。然后利用生成的随机数，来加密需要保护的数据。

计算机产生的大多数随机数在严格意义上并不是随机的。计算机使用一种算法来生成基于初始起始位置的随机数，即种子数。但由于用于生成数字的算法是确定的，所以这些数字并不是真正的随机。如果有足够的关于算法或其输出的信息，有人就有可能在算法产生的数字中找到模式。虽然伪随机数在许多情况下是足够的，但像数据安全这样的应用--使用不能被外界猜到的数字--需要真正的随机数。

标签：算法