我總是聽說量子計算機產(chǎn)生的隨機數(shù)被認為是“真正的隨機”，而經(jīng)典計算機產(chǎn)生的隨機數(shù)被認為是“偽隨機”。如果要使用量子整數(shù)作為種子生成隨機數(shù)，那么從該種子生成的數(shù)字會被視為“偽隨機”還是真正的隨機？在任何地方都找不到此說明，歡迎任何解釋。import randomrandom.seed(get_my_quantum_number()) #Some quantum integer generated from an API.random.random() #Is this "pseudo-random" or "truly random" ?
1 回答
12345678_0001
TA貢獻1802條經(jīng)驗 獲得超5個贊
random.random()使用偽隨機數(shù)生成器 (PRNG)，該生成器根據(jù)定義使用確定性算法并在數(shù)學上擴展其輸入。因此，它生成的數(shù)字是偽隨機的，即使它是由量子隨機數(shù)生成器或某些其他不確定源的輸出播種的。
種子是初始化 PRNG 的值，PRNG 可以生成的可能序列的數(shù)量取決于 PRNG 的狀態(tài)大小和種子的大小。例如，如果種子或狀態(tài)只有 32 位長，則該 PRNG 最多可能有 2?32 個不同的偽隨機數(shù)序列，無論種子來自何處。
無論如何，“偽隨機”和“真正隨機”數(shù)字之間的區(qū)別不是應用程序關心的（并且您沒有真正指定您想要的應用程序類型）。相反，一般來說：
安全應用程序關心這些數(shù)字是否難以猜測；在這種情況下，只有加密 RNG 可以實現(xiàn)這一要求（即使是依賴于偽隨機數(shù)生成器的 RNG）。Python 的示例是
secrets模塊或random.SystemRandom.科學模擬關心這些數(shù)字是否表現(xiàn)得像獨立的均勻隨機數(shù)，并且通常關心這些數(shù)字在以后是否可重現(xiàn)。一個 Python 示例是
numpy.random.Generator.
例如，random.random()Mersenne Twister 使用的偽隨機數(shù)生成器不適合密碼學或信息安全；它產(chǎn)生的數(shù)字并不是為了難以猜測而設計的，無論該生成器如何播種（無論是通過量子隨機數(shù)生成器還是其他方式），情況都是如此。
相比之下，為信息安全而設計的偽隨機生成器通常涉及加密哈希函數(shù)、分組密碼或流密碼，特別是因為目標之一是使未來的偽隨機數(shù)難以猜測，即使生成器的輸出已知。
添加回答
舉報
0/150
提交
取消