golang 内置能实现伪随机(math/rand)和真随机(crypto/rand)的库。

真随机和伪随机概念

先大概了解一下伪随机和真随机的概念。根据密码学原理，要想对一个“随机数”进行随机性检验有以下几个标准：

  • 统计学伪随机性 - 在给定的随机比特流样本中，1 的数量大致等于 0 的数量，也就是说，“10”“01”“00”“11” 四者数量大致相等。说人话就是：“一眼看上去是随机的”。
  • 密码学安全伪随机性 - 就是给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。
  • 真随机性 - 其定义为随机样本不可重现。

根据以上几个标准，其对应的随机数也就分为以下几类：

  • 伪随机数 - 满足第一个条件的随机数。
  • 密码学安全的伪随机数 - 同时满足前两个条件的随机数。可以通过密码学安全伪随机数生成器计算得出。
  • 真随机数 -同时满足三个条件的随机数。

golang 实现伪随机

golang 取某值范围的伪随机数实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
package main

import (
	"fmt"
	"math/rand"
	"time"
)

func main() {
	// 随机种子
	rand.Seed(time.Now().Unix())

	// 生成 20 个 [0, 100) 范围的伪随机数。
	for i := 0; i < 20; i++ {
		result := rand.Intn(100)
		fmt.Println(result)
	}
}

golang 真随机实现

golang 取某值范围的真随机数实现

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
package main

import (
	"crypto/rand"
	"fmt"
	"math/big"
)

func main() {
	// 生成 20 个 [0, 100) 范围的真随机数。
	for i := 0; i < 20; i++ {
		result, _ := rand.Int(rand.Reader, big.NewInt(100))
		fmt.Println(result)
	}
}

本文网址: https://golangnote.com/topic/235.html 转摘请注明来源