SecureRandom 的行为

尽管在关注了很多文章之后SecureRandom，我在使用时遇到了疑问SecureRandomJava 中的安全 API。在下面的例子中。

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因为它几乎给出相同的结果。

谁能告诉我我在这里做的事情是否正确？

一般来说，您是对随机数的常见误解的受害者：随机序列并不意味着数字不能在该序列中重复。恰恰相反，它的概率很高。这种错误信念实际上被用来区分人类生成的“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, ....

而真正的随机序列并不羞于重复相同的数字两次以上:) 一个很好的例子是统计检验 http://en.wikipedia.org/wiki/Statistical_randomness#Tests还要寻找重复。

两种生成器都具有良好的“统计特性”

人们普遍错误地认为，加密安全的随机数会以某种方式产生“更加随机”的值。他们的统计概率可能非常相似，并且在这些标准统计测试中都会表现得非常好。

哪里用哪个

因此，这实际上取决于您想要做什么，您的选择是 PRNG 还是加密安全 PRNG (CSPRNG)。 “普通”PRNG 非常适合模拟目的，例如蒙特卡罗方法等。CSPRNG 的额外好处是不可预测性。因为 CSPRNG 可以“做得更多”，所以它的性能也很可能会比普通 PRNG 差。

可以看出，“安全”PRNG 的概念与预测其输出的下一位的能力紧密结合。对于 CSPRNG，随时预测其输出的下一位在计算上是不可行的。当然，只有当你将其种子价值视为秘密时，这才成立。一旦有人找到了种子，整个事情就变得很容易预测——只需重新计算 CSPRNG 算法已经生成的值，然后计算下一个值。还可以进一步证明，不受“下一位预测”影响实际上意味着没有任何统计测试可以区分 CSPRNG 的分布与真实随机均匀分布的分布。因此，PRNG 和 CSPRNG 之间还有另一个区别：虽然好的 PRNG 在许多统计测试中表现良好，但 CSPRNG 保证在以下方面表现良好：all tests.

经验法则是在哪里使用哪个

• 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、赢/输真钱的在线扑克，......）
• 而 PRNG 在一个仁慈的环境中，你只需要良好的统计特性，但不关心可预测性（蒙特卡洛模拟、单人扑克与计算机、一般的计算机游戏）——即，无法赢得金钱或失去生命。如果有人能够成功预测这些随机数，就会失败。