关于java：SecureRandom的行为

Behaviour of SecureRandom

尽管在EDOCX1的0篇文章后面有很多文章，但是在Java中使用EDCOX1和0的安全API遇到了一个疑问。在下面的示例中。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

public class SecureRandomNumber {
public static void main(String[] args) throws NoSuchAlgorithmException {

TreeSet<Integer> secure = new TreeSet<Integer>();
TreeSet<Integer> unSecure = new TreeSet<Integer>();
SecureRandom sr = new SecureRandom();
byte[] sbuf = sr.generateSeed(8);
ByteBuffer bb = ByteBuffer.wrap(sbuf);
long d = bb.getLong();
sr.setSeed(d);

Random r = new Random();
r.setSeed(System.nanoTime());
for (int k = 0; k < 99999; k++) {
int i = sr.nextInt();
if (!secure.add(i)) {
System.out.println("Repeated Secure Random Number");
} else {
// System.out.println("************Unique***********");
}
int j = r.nextInt();

if (!unSecure.add(j)) {
System.out.println("Repeated UnSecure Random Number");
}
}
}

}

当我运行这个程序时，我没有发现使用SecureRandom的任何额外好处，因为它几乎给出了相同的结果。

如果我在这里做得对，有人能告诉我吗？

一般来说，你是对随机数错误看法的受害者：随机序列并不意味着数字不能在该序列中重复。恰恰相反，它的可能性很大。这种错误的信念实际上被用来区分人类产生的"随机"序列和真实序列。人类生成的0和1的"随机"序列可能如下所示：

0，1，0，1，1，0，1，0，0，1，0，1，0，…。

虽然一个真正的随机序列并不回避重复同一个数字超过两次：)一个很好的例子是统计测试也会寻找重复。

两种发电机都具有良好的"统计特性"

人们普遍错误地认为密码安全随机数会以某种方式产生"更随机"的值。它们的统计概率可能非常相似，并且在那些标准的统计测试中都表现得很好。

在哪里使用

因此，这实际上取决于您想要做什么，您的选择应该是一个prng还是一个加密安全的prng(csprng)。"对于模拟目的，如蒙特卡罗方法等，普通的"prng"是完美的。csprng的额外好处是不可预测性。因为CSPRNG可以"做得更多"，所以它的性能也比普通PRNG差的可能性很高。

可以证明，"安全"PRNG的概念与预测其输出下一位的能力紧密耦合。对于CSPRNG来说，在任何时候预测其输出的下一位都是不可行的。当然，只有当你将它的种子价值视为秘密时，这一点才成立。一旦有人找到种子，整个事情就变得容易预测了——只需重新计算CSPRNG算法已经生成的值，然后计算下一个值。可以进一步证明，对"下一位预测"免疫实际上意味着没有任何统计检验可以区分CSPRNG的分布和真正的随机均匀分布。因此，prng和csprng之间还有另一个区别：虽然一个好的prng在许多统计测试中都能很好地执行，但是csprng在所有测试中都能很好地执行。

经验法则在哪里使用，那就是

您在"敌对"环境中使用CSPRNG，您不希望外部人员能够猜测敏感信息(会话ID、在线扑克，其中真正的钱是赢/输…)。
在一个仁慈的环境中，你只需要好的统计属性，但不关心可预测性(蒙特卡洛模拟，单人扑克对电脑，一般的电脑游戏)，也就是说，如果有人能够成功预测这些随机数，就不会有钱赢，也不会有生命损失。