隨機數是騙人的,.Net、Java、C為我作證

楊中科發表於2014-05-18

幾乎所有程式語言中都提供了”生成一個隨機數”的方法,也就是呼叫這個方法會生成一個數,我們事先也不知道它生成什麼數。比如在.Net中編寫下面的程式碼:

執行後結果如下:

fdvfdbrg121103235932156

Next()方法用來返回一個隨機數。同樣的程式碼你執行和我的結果很可能不一樣,而且我多次執行的結果也很可能不一樣,這就是隨機數。

一、陷阱

看似很簡單的東西,使用的時候有陷阱。我編寫下面的程式碼想生成100個隨機數:

執行結果:

gvggrewreg121103258593814
太奇怪了,竟然生成的”隨機數”有好多連續一樣的,這算什麼”隨機數”呀。有人指點”把new Random()”放到for迴圈外面就可以了:

執行結果:

rgegerhgeth121103263591900

確實可以了!

二、這是為什麼呢?

這要從計算機中”隨機數”產生的原理說起了。我們知道,計算機是很嚴格的,在確定的輸入條件下,產生的結果是唯一確定的,不會每次執行的結果不一樣。那麼怎麼樣用軟體實現產生看似不確定的隨機數呢?

生成隨機數的演算法有很多種,最簡單也是最常用的就是 “線性同餘法”:  第n+1個數=(第n個數*29+37) % 1000,其中%是”求餘數”運算子。很多像我一樣的人見了公式都頭疼,我用程式碼解釋一下吧,MyRand是一個自定義的生成隨機數的類:

如下呼叫:

執行結果如下:

rhgerhget121103277182116

生成的資料是不是看起來”隨機”了。簡單解釋一下這個程式碼:我們建立MyRand的一個物件,然後建構函式傳遞一個數51,這個數被賦值給 seed,每次呼叫Next方法的時候根據(seed * 29 + 37) % 1000計算得到一個隨機數,把這個隨機數賦值給seed,然後把生成的隨機數返回。這樣下次再呼叫Next()的時候seed就不再是51,而是上次生 成的隨機數了,這樣就看起來好像每一次生成的內容都很”隨機”了。注意”%1000″取餘預算的目的是保證生成的隨機數不超過1000。

當然無論是你執行還是我每次執行,輸出結果都是一樣的隨機數,因為根據給定的初始資料51,我們就可以依次推斷下來下面生成的所有”隨機數”是什麼 都可以算出來了。這個初始的資料51就被稱為”隨機數種子”,這一系列的516、1、66、951、616……數字被稱為”隨機數序列”。我們把51改成 52,就會有這樣的結果:

egergeg121103284849515

三、樓主好人,跪求種子

那麼怎麼可以使得每次執行程式的時候都生成不同的”隨機數序列”呢?因為我們每次執行程式時候的時間很可能不一樣,因此我們可以用當前時間做”隨機數種子”

Environment.TickCount為”系統啟動後經過的微秒數”。這樣每次程式執行的時候Environment.TickCount都不大可能一樣(靠手動誰能一微秒內啟動兩次程式呢),所以每次生成的隨機數就不一樣了。

rgergtehgrget1211033081276601

當然如果我們把new MyRand(Environment.TickCount)放到for迴圈中:

ergergerrthrhg121103310465432

執行結果又變成”很多是連續”的了,原理很簡單:由於for迴圈體執行很快,所以每次迴圈的時候 Environment.TickCount很可能還和上次一樣(兩行簡單的程式碼執行用不了一毫秒那麼長事件),由於這次的”隨機數種子”和上次的”隨機 數種子”一樣,這樣Next()生成的第一個”隨機數”就一樣了。從”-320″變成”-856″是因為執行到”-856″的時候時間過了一毫秒。

四、各語言的實現

我們看到.Net的Random類有一個int型別引數的建構函式:

public Random(int Seed)

就是和我們寫的MyRand一樣接受一個”隨機數種子”。而我們之前呼叫的無參建構函式就是給Random(int Seed)傳遞Environment.TickCount類進行構造的,程式碼如下:

public Random() : this(Environment.TickCount)
{
}

這下我們終於明白最開始的疑惑了。

同樣道理,在C/C++中生成10個隨機數不應該如下呼叫:

而應該:

五、”奇葩”的Java

Java學習者可能會提出問題了,在Java低版本中,如下使用會像.Net、C/C++中一樣產生相同的隨機數:

因為低版本Java中Rand類的無參建構函式的實現同樣是用當前時間做種子:

public Random() { this(System.currentTimeMillis()); }

但是在高版本的Java中,比如Java1.8中,上面的”錯誤”程式碼執行卻是沒問題的:

regrehrthryjcnfg1211033135997603

為什麼呢?我們來看一下這個Random無參建構函式的實現程式碼:

這裡不再是使用當前時間來做”隨機數種子”,而是使用System.nanoTime()這個納秒級的時間量並且和採用原子量AtomicLong根據上次呼叫建構函式算出來的一個數做異或運算。關於這段程式碼的解釋詳細參考這篇文章《解密隨機數生成器(2)——從java原始碼看線性同餘演算法

最核心的地方就在於使用static變數AtomicLong來記錄每次呼叫Random建構函式時使用的種子,下次再呼叫Random建構函式的時候避免和上次一樣。

六、高併發系統中的問題

前面我們分析了,對於使用系統時間做”隨機數種子”的隨機數生成器,如果要產生多個隨機數,那麼一定要共享一個”隨機數種子”才會避免生成 的隨機數短時間之內生成重複的隨機數。但是在一些高併發的系統中一個不注意還會產生問題,比如一個網站在伺服器端通過下面的方法生成驗證碼:

Random rand = new Random();

Int code = rand.Next();

當網站併發量很大的時候,可能一個毫秒內會有很多個人請求驗證碼,這就會造成這幾個人請求到的驗證碼是重複的,會給系統帶來潛在的漏洞。

再比如我今天看到的一篇文章《當隨機不夠隨機:一個線上撲克遊戲的教訓》裡面就提到了”由於隨機數產生器的種子是基於伺服器時鐘的,黑客們只要將他們的程式與伺服器時鐘同步就能夠將可能出現的亂序減少到只有 200,000 種。到那個時候一旦黑客知道 5 張牌,他就可以實時的對 200,000 種可能的亂序進行快速搜尋,找到遊戲中的那種。所以一旦黑客知道手中的兩張牌和 3 張公用牌,就可以猜出轉牌和河牌時會來什麼牌,以及其他玩家的牌。”

這種情況有如下幾種解決方法:

  1. 把Random物件作為一個全域性例項(static)來使用。Java中 Random是執行緒安全的(內部進行了加鎖處理);.Net中Random不是執行緒安全的,需要加鎖處理。不過加鎖會存在會造成處理速度慢的問題。而且由 於初始的種子是確定的,所以攻擊者存在著根據得到的若干隨機數序列推測出”隨機數種子”的可能性。
  2. 因為每次生成Guid的值都不樣,網上有的文章說可以建立一個Guid計算它的 HashCode或者MD5值的方式來做種子: new Random(Guid.NewGuid().GetHashCode()) 。但是我認為Guid的生成演算法是確定的,在條件充足的情況下也是可以預測 的,這樣生成的隨機數也有可預測的可能性。當然只是我的猜測,沒經過理論的證明。
  3. 採用”真隨機數發生器”,快看下一節分解!

七、真隨機數發生器

根據我們之前的分析,我們知道這些所謂的隨機數不是真的”隨機”,只是看起來隨機,因此被稱為”偽隨機演算法”。在一些對隨機要求高的場合會使用一些物理硬體採集物理噪聲、宇宙射線、量子衰變等現實生活中的真正隨機的物理引數來產生真正的隨機數。

當然也有聰明的人想到了不借助增加”隨機數發生器”硬體的方法生成隨機數。我們操作計算機時候滑鼠的移動、敲擊鍵盤的行為都是不可預測的,外界命令 計算機什麼時候要執行什麼程式、處理什麼檔案、載入什麼資料等也是不可預測的,因此導致的CPU運算速度、硬碟讀寫行為、記憶體佔用情況的變化也是不可預測 的。因此如果採集這些資訊來作為隨機數種子,那麼生成的隨機數就是不可預測的了。

在Linux/Unix下可以使用”/dev/random”這個真隨機數發生器,它的資料主來來自於硬體中斷資訊,不過產生隨機數的速度比較慢。

Windows下可以呼叫系統的CryptGenRandom()函式,它主要依據當前程式Id、當前執行緒Id、系統啟動後的TickCount、 當前時間、QueryPerformanceCounter返回的高效能計數器值、使用者名稱、計算機名、CPU計數器的值等等來計算。和”/dev /random”一樣CryptGenRandom()的生成速度也比較慢,而且消耗比較大的系統資源。

當然.Net下也可以使用RNGCryptoServiceProvider 類(System.Security.Cryptography命名 空間下)來生成真隨機數,根據StackOverflow上一篇帖子介紹RNGCryptoServiceProvider 並不是對 CryptGenRandom()函式的封裝,但是和CryptGenRandom()原理類似。

八、總結

有人可能會問:既然有”/dev/random” 、CryptGenRandom()這樣的”真隨機數發生器”,為什麼還要提供、使用偽隨機數這樣的”假貨”?因為前面提到了”/dev/random” 、CryptGenRandom()生成速度慢而且比較消耗效能。在對隨機數的不可預測性要求低的場合,使用偽隨機數演算法即可,因為效能比較高。對於隨機 數的不可預測性要求高的場合就要使用真隨機數發生器,真隨機數發生器硬體裝置需要考慮成本問題,而”/dev/random”、 CryptGenRandom()則效能較差。

萬事萬物都沒有完美的,沒有絕對的好,也沒有絕對的壞,這才是多元世界美好的地方。

相關文章