RNG

随机数生成器（Random Numeral Generator，即RNG）是用于生成随机数的程序或硬件。

真随机数生成器的生成方法有很多种。

PuTTYgen的随机数是让用户移动鼠标达到一定的长度，之后把鼠标的运动轨迹转化为种子；Intel通过电阻和振荡器来生成热噪声作为信息熵shāng资源；Unix/Linux的dev/random和/dev/urandom采用硬件噪音生成随机数。

在Intel 815E芯片组的个人电脑上安装Intel Security Driver(ISD)后，可以通过编程读取寄存器获取RNG中的随机数。

此外还有提供真随机数的网站，如：

Quantum Random Bit Generator Service (QRBGS)是一个免费为学术和科研机构提供真随机数字服务的网站，由克罗地亚的计算机科学家开发。其随机性依赖于半导体光子发散量子物理过程中内在的随机性。

Randomness and Integrity Services Ltd. ，从1998年开始在Internet上提供真随机数服务，它用大气噪音生成真随机数。

1.

其随机性依赖于半导体光子发散量子物理过程中内在的随机性，光子通过光电效应进行检测。这些随机检测到的光子都是相互独立的。它可以通过C/C++库、Web Service、Mathmatic/Matlab插件等多种方式访问。

2.

Randomness and Integrity Services Ltd. ，从1998年开始在Internet上提供真随机数服务，它用大气噪音生成真随机数。

生成伪随机数有很多种算法，其中常用的有平方取中法、线性同余法、马特赛特旋转演算法等。

平方取中法是由冯·诺依曼在1946年提出的，其基本思想为：将数列中的第a(i)项（假设其有m位）平方，取得到的2m位数（若不足2m位，在最高位前补0）中间部分的m位数字，作为a(i)的下一项a(i+1)，由此产生一个伪随机数数列。即：

（其中m为的位数）

平方取中法计算较快，但在实际应用时会发现该方法容易产生周期性明显的数列，而且在某些情况下计算到一定步骤后始终产生相同的数甚至是零，或者产生的数字位数越来越小直至始终产生零。所以用平方取中法产生伪随机数数列时不能单纯使用公式，应该在计算过程中认为加入更多变化因素，比如根据前一个数的奇偶性进行不同的运算，如果产生的数字位数减少时通过另一种运算使其恢复成m位。

线性同余方法是目前应用广泛的伪随机数生成算法，其基本思想是通过对前一个数进行线性运算并取模从而得到下一个数。即：

其中b称为乘数，c称为增量，m称为模数，它们均为常数。

乘数、增量和模数的选取可以多种多样，只要保证产生的随机数有较好的均匀性和随机性即可。

线性同余法的最大周期是m，但一般情况下会小于m。要使周期达到最大，应该满足以下条件：

(1)c和m互质；

(2)m的所有质因子的积能整除b-1；

(3)若m是4的倍数，则b-1也是；

(4)b，c，a(0)（初值，一般即种子）都比m小；

(5)b，c是正整数。