Random真随机数、假随机数

       数学领域，随机数是指一组完全没有规律的数列，也就是说要求要有一个无因果关系的随机事件。

       但在计算机中，​并没有真正意义的随机数。计算机中的随机数，都是由一个随机因子和一个复杂的随机函数产生​。

       在老版本的C++程序中，每次开始的随机因子都是相同的值，因此​重复执行程序，得到的随机数都是相同的。

#include<iostream>
#include<stdlib.h>
#include<time.h>
using namespace std;
​
​
int main()
{
    cout<< rand()<<endl;
}

​执行结果：

来源：（公众号：头发头发等等我）

       在后续版本的C++中，已经修正了这种操作​。在Python等其他语言中，每次在程序启动时执行random函数，结果也不相同​。

       但是无论是那种修复，都无法获得真正的随机函数​。只能是更加接近我们需求的“完全随机”​。

       因此，C++提供一个srand方法，用来重置随机因子​。一般情况下，我们使用时间戳来​填充随机因子。

       srand(unsigned(time(0)))

#include<iostream>
#include<stdlib.h>
#include<time.h>
using namespace std;
​
​
int main()
{
    srand(time(0));
    cout<< rand()<<endl;
}

​执行结果：

     来源：（公众号：头发头发等等我）

     在实际使用中，使用当时的时间戳已经可以得到较为接近的“随机数”​。已经基本可以满足大多数程序的使用。

      但是这种随机数的随机因子，是当时的时间戳​。但是当时的时间戳是很容易被捕获到的，这并不是一个非常优秀的方法​。历史上，计算机中随机数的发展，也确实​复杂坎坷。

伪随机数生成器（PRNG）

       伪随机数生成器是由冯诺依曼在 1946 年创造的。他的基本思想是从一个随机数种子开始，对其平方，然后取中间值。接下来重复对得到的数取平方并取中间值的过程，就会得到一个具有统计意义属性的随机数序列了。这也就是广为人知的平方取中法。

       然而，冯诺依曼的方法并没有经得住时间的考验，因为不论从什么随机种子开始，序列最终都会落入某个短循环序列，比如：8100,6100,4100，8100，6100,4100……。序列中的数字是依赖于前一个数字的这种生成函数，上面的重复循环问题是不可避免的。

       在 1999 年，随机数市场发生了一个巨大的变化，Intel 在其 i810 芯片组上集成了芯片级的随机数生成器。这样使得新的服务器都自带热噪声的本地源随机数生成能力——真正的随机数生成器（TRNG）。这很伟大，但是它始终没有软件 PRNG 快，所以加密软件依旧不得不依赖于伪随机数生成器（PRNG）。