Skip to content

添加Readme有关随机数的注解 #287

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Closed
love-code-yeyixiao wants to merge 2 commits into from
Closed

添加Readme有关随机数的注解 #287

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
de8ae20
Update README.md
love-code-yeyixiao Sep 30, 2026
fdd0a31
Update README.md
love-code-yeyixiao Sep 30, 2026
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
10 changes: 10 additions & 0 deletions README.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -112,4 +112,14 @@ SecRandom 是面向课堂、团队、活动、决策等场景的公平抽取应
</picture>
</a>

## 随机数机制解释

> 例如我们要产生0~9之间的随机整数，像彩票摇奖那样，把10个质地和大小相同的号码球放入摇奖器中，充分搅拌后摇出一个球，这个球上的号码就称为随机数。计算器或计算机产生的随机数是按照确定的算法产生的数，具有周期性（周期很长），它们具有类似随机数的性质。因此， **计算器或计算机产生的随机数不是真正的随机数** ，我们称它们为 **伪随机数** 。
>
> ——《普通高中教科书 人教版 数学 必修二》
>

> 注解
> 现代计算机一般采用特定的算法，其中一个经典代表是**梅森旋转**(Mersenne Twister)算法（因其安全性问题，在密码学一类的高安全性要求的场景下已基本换用为CSPRNG），基于种子生成一个无限长或在实际使用中近乎无限长（例如梅森旋转算法的算法呈周期性，但其算法周期极长）的伪随机序列,随后点名程序从其中选择参考值。这个序列通常表现为近随机分布，即在表观上无统计学规律。当熵源来自于真随机（例如由量子力学测量不确定性催生的量子随机数生成器；或来自于热噪声的硬件随机数发生器，其理论不确定性较量子随机数发生器稍弱）源时，根据此种子生成的随机序列中的元素在安全性层面（在随机数生成算法足够可靠时）可以近似视为真随机数的安全性（实际上是其衍生物，但理论上外界无法预测或操纵）。但仅应将直接真随机熵源视为真随机数。

**Copyright © 2025-2026 SECTL**