解密随机数生成器（1）——真随机数生成器
从小就一直很好奇，MP3播放器的随机播放功能是如何实现的，今天读到一篇关于随机数的文章，又勾起了我的那时好奇心，索性上下求索，了解了随机数背后的很多知识，顿觉豁然开朗，特意写这篇文章和大家总结分享一下。
其实，随机数在我们身边无处不在。无论是玩扑克牌麻将骰子时的点数，玩LOL时的玩家匹配，还是高大上的量子物理，核聚变，都无一例外地随机数有关，在混沌理论中，这个世界本身就是一系列随机过程的产物——好吧，有点激动，扯得太远了——作为编程爱好者，应该会发现，每一门编程语言必然会有自己的随机数生成函数，常用的比如：C语言stdlib库中的rand()函数，java中Random类中的nextInt () 方法，Python中random模块的randint()方法等等。作为各种编程语言的“官方标配”，这小小的随机函数作用那也是大大的，不光而这看似简单的东西背后学问还真不少。
好了，废话不多讲，现在就让我们走近随机数，看看它的“庐山真面目”！
一、三种随机数生成器
你们有没有想过这个问题——计算机到底是怎么得到随机数的？作为人类，我们大可提笔随便在纸上写一大串数字，也许就算是随机数了，但是计算机可没有这本事，它必须有一个科学稳定的随机数来源，才能得到随机数，这个来源，我们称为随机数生成器。
常见的计算机随机数生成器有三种：一是使用物理方法，称为真随机数生成器（True Random Number Generator），生成的算是真正意义上的随机数，无法预测且无周期性；与真随机数对应的是伪随机数生成器（Pseudo Random Number Generator），它是由算法计算得来的，但这种方法生成的随机数是可预测、有周期的，并不能算真的随机数，因此得名伪随机数；还有第三种方法，叫随机数表法，就是用真随机数生成器事先生成好大量随机数，存到数据库中，使用时再从库中调用。记得高中数学书第三册后附有一个叫随机数表的东西，使用时直接查阅就行，这种方法简单，但缺点是内存占用大，因此不常采用，我也就不展开讲了，在此我只详细介绍一下前两种：真随机数生成器与伪随机数生成器。
二、真随机数生成器
程序员都是完美主义者，我们自然希望有一个能产生真正随机数的程序。遗憾的是，生成真随机数的程序，就像永动机一样无法实现，要得到真正的随机数目前来讲只能看老天的眼色，比如噪声（Noise），量子效应（Quantum effects），人品（RP）这些物理现象。
第一个真随机数发生器是1955年由Rand公司创造的，而在1999年，Intel发布Intel810芯片组时，就配备了硬件随机数发生器，原理利用的是电阻和振荡器生成的热噪声。目前，大部分芯片厂商都集成了硬件随机数发生器，使用十分方便，而一系列为科研和信息安全设计的真随机数发生器也层出不穷，发展到今天，真随机数生成器（以下简称TRNG）大体可分为以下三种：
1、基于电路的TRNG：
1 振荡器采样：如上文中提到的Intel810RNG芯片，利用热噪声(是由导体中电子的热震动引起的)放大后，影响一个由电压控制的振荡器，再通过另一个高频振荡器来收集数据，得到随机数。在Intel 815E芯片组的个人电脑上安装Intel Security Driver(ISD)后,就可以通过编程读取寄存器获取RNG中的随机数。
2 直接放大电路噪声：直接以热噪声等电路噪声为随机源，通过运算放大，统计一定时间内达到阈值的信号数以此来得到随机数。
3电路亚稳态: 2010年，德国的研究团队现在开发出一种真随机数发生器，它使用的计算机内存双态触发器作为随机的一个额外层，触发器可随机的在1或0状态中切换，在切换之前，触发器处于行为无法预测的“亚稳态”。在亚稳态结束时，内存中的内容为完全随机。研究人员对一个触发器单元阵列的实验显示，这种方法产生的随机数比传统方法“随机”约20倍。
4 混沌电路：混沌电路的输出的结果对初始条件很敏感，不可预测，且在IC芯片中易集成，可产生效果不错的真随机数。
5 根据。。。质量？：劣质内存芯片工作在高温下，其数据是不可预测的，读取这里面的数据，就会得到难以预测的随机数，人们采用这种技术，制作了随机数发生器板卡。。。（O(∩_∩)O呵呵 ~）
2、基于物理的TRNG：
如今的量子物理，从本质上讲就是真正随机的，是不可预测的——比较著名的就是薛定谔的猫啦——因此很适合用来做TRNG，当然，这并不是说基于经典宏观物理学的TRNG就不存在，比如http://random.org/这个网站，从1998年开始就在Internet上提供真随机数服务了，它用的是大气噪音来生成真随机数（很不可思议吧）。下面举几个近年来基于量子物理发明的TRNG：
1 http://random.irb.hr/这是一个与克罗地亚计算机科学家发明的TRNG，全名是Quantum Random Bit Generator Service (QRBGS)，它依赖于半导体光子发散量子物理过程中内在的随机性，通过光电效应检测光子得到随机数。
2 2010年，比利时物理学家S. Pironio和同事利用纠缠粒子的随机性和非局域性属性（别问我，我也不懂- -）创造出了真随机数。
3 2011年，加拿大渥太华的物理学家Ben Sussman利用激光脉冲和钻石创造了真随机数。Sussman的实验室使用持续几万亿分之一秒的激光脉冲照射钻石，激光进入和出来的方向发生了变化。Sussman称改变与量子真空涨落的相互作用有关，在量子法则中这种作用是不可知的，他认为这可以用于创造真正的随机数。
4 2012年，澳大利亚国立大学的科学家从真空中的亚原子噪音获取随机数，创造了世界上最快的随机数发生器。量子力学中，亚原子对会持续自发的产生和湮灭，通过监听真空内亚原子粒子量子涨落产生的噪音，可以得到真正的随机数。
3、基于其他因素的TRNG：
1 PuTTYgen：它的随机数是让用户移动鼠标达到一定的长度，之后把鼠标的运动轨迹转化为种子，由此产生随机数
2 Linux自1.3.30版就在内核提供了真随机数生成器（至少是理论上），它利用机器的噪音生成随机数，噪音源包括各种硬件运行时速，用户和计算机交互时速。比如击键的间隔时间、鼠标移动速度、特定中断的时间间隔和块IO请求的响应时间等。
３ 人可不可以生成随机数呢？嘿嘿，掷骰子斗地主啥的我就不说了，据说某些HR选简历的方式是，往天上一扔，掉在桌子上的简历就通过。。。这个可是真随机啊！
另外：
用Java可以使用java.security.SecureRandom 产生真随机数（待查）；
Linux系统有/dev/random,/dev/urandom向用户提供真随机数；
Windows系统有CryptGenRandom 函数生成真随机数（待查）
感兴趣的可以研究一下。
基于物理的随机数生成器，生成的随机数无周期，不可预测，分布均匀，然而，这种随机数生成器技术要求高，而且随机数生成效率不高，难以满足计算机高速计算的需要，因此为了提高数据产生效率，它们都常被用来生成伪随机数生成器的“种子”（seed），并以此生成伪随机的输出序列。
鉴于篇幅太长，关于伪随机数生成器的介绍放到下一篇博客了，请大家持续关注啊！