正文

破解偽隨機(jī)數(shù)算法（怎么破解偽隨機(jī)數(shù)）

發(fā)布時(shí)間：2023-05-31 20:47:03 稿源：創(chuàng)意嶺閱讀： 129

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于綠色偽隨機(jī)數(shù)算法的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，有小程序、在線網(wǎng)頁版、PC客戶端和批量生成器

官網(wǎng)：https://ai.de1919.com。

本文目錄:

偽隨機(jī)置換的原理
隨機(jī)數(shù)算法是什么？
隨機(jī)數(shù)和偽隨機(jī)數(shù)的計(jì)算公式都是什么呀？
偽隨機(jī)數(shù)的介紹

綠色偽隨機(jī)數(shù)算法（怎么綠色偽隨機(jī)數(shù)）

偽隨機(jī)置換的原理

原理：在計(jì)算機(jī)中并沒有一個(gè)真正的隨機(jī)數(shù)發(fā)生器，但是可以做到使產(chǎn)生的數(shù)字重復(fù)率很低，這樣看起來好象是真正的隨機(jī)數(shù)，實(shí)現(xiàn)這一功能的程序叫偽隨機(jī)數(shù)發(fā)生器。

接受拒絕法：假設(shè)希望生成的隨機(jī)數(shù)的概率密度函數(shù)（PDF）為f，則首先找到一個(gè)PDF為g的隨機(jī)數(shù)發(fā)生器與常數(shù)c，使得f（x）≤cg（x），然后根據(jù)接收拒絕算法求解。由于算法平均運(yùn)算c次才能得到一個(gè)希望生成的隨機(jī)數(shù)，因此c的取值必須盡可能小。顯然，該算法的缺點(diǎn)是較難確定g與c。

含義

這個(gè)函數(shù)用來移動(dòng)內(nèi)存數(shù)據(jù)，其中FP_SEG（far pointer to segment）是取temp數(shù)組段地址的函數(shù)，F(xiàn)P_OFF（far pointer to offset）是取temp數(shù)組相對地址的函數(shù)，movedata函數(shù)的作用是把位于0040:006CH存儲(chǔ)單元中的雙字放到數(shù)組temp的聲明的兩個(gè)存儲(chǔ)單元中。這樣可以通過temp數(shù)組把0040:006CH處的一個(gè)16位的數(shù)送給RAND_SEED。

以上內(nèi)容參考：百度百科-偽隨機(jī)數(shù)

隨機(jī)數(shù)算法是什么？

在計(jì)算機(jī)中并沒有一個(gè)真正的隨機(jī)數(shù)發(fā)生器，但是可以做到使產(chǎn)生的數(shù)字重復(fù)率很低，這樣看起來好象是真正的隨機(jī)數(shù)，實(shí)現(xiàn)這一功能的程序叫偽隨機(jī)數(shù)發(fā)生器?！∮嘘P(guān)如何產(chǎn)生隨機(jī)數(shù)的理論有許多如果要詳細(xì)地討論，需要厚厚的一本書的篇幅。不管用什么方法實(shí)現(xiàn)隨機(jī)數(shù)發(fā)生器，都必須給它提供一個(gè)名為“種子”的初始值。而且這個(gè)值最好是隨機(jī)的，或者至少這個(gè)值是偽隨機(jī)的?！胺N子”的值通常是用快速計(jì)數(shù)寄存器或移位寄存器來生成的?！∠旅嬷v一講在C語言里所提供的隨機(jī)數(shù)發(fā)生器的用法?，F(xiàn)在的C編譯器都提供了一個(gè)基于ANSI標(biāo)準(zhǔn)的偽隨機(jī)數(shù)發(fā)生器函數(shù)，用來生成隨機(jī)數(shù)。它們就是rand（）和srand（）函數(shù)。這二個(gè)函數(shù)的工作過程如下：”）　首先給srand（）提供一個(gè)種子，它是一個(gè)unsigned　int類型，其取值范圍從0～65535；　2）　然后調(diào)用rand（），它會(huì)根據(jù)提供給srand（）的種子值返回一個(gè)隨機(jī)數(shù)（在0到32767之間）　3）　根據(jù)需要多次調(diào)用rand（），從而不間斷地得到新的隨機(jī)數(shù)；　4）　無論什么時(shí)候，都可以給srand（）提供一個(gè)新的種子，從而進(jìn)一步“隨機(jī)化”rand（）的輸出結(jié)果。　這個(gè)過程看起來很簡單，問題是如果你每次調(diào)用srand（）時(shí)都提供相同的種子值，那么，你將會(huì)得到相同的隨機(jī)數(shù)序列，這時(shí)看到的現(xiàn)象是沒有隨機(jī)數(shù)，而每一次的數(shù)都是一樣的了。例如，在以17為種子值調(diào)用srand（）之后，在首次調(diào)用rand（）時(shí)，得到隨機(jī)數(shù)94。在第二次和第三次調(diào)用rand（）時(shí)將分別得到26602和30017，這些數(shù)看上去是很隨機(jī)的（盡管這只是一個(gè)很小的數(shù)據(jù)點(diǎn)集合），但是，在你再次以17為種子值調(diào)用srand（）后，在對于rand（）的前三次調(diào)用中，所得的返回值仍然是在對94，26602，30017，并且此后得到的返回值仍然是在對rand（）的第一批調(diào)用中所得到的其余的返回值。因此只有再次給srand（）提供一個(gè)隨機(jī)的種子值，才能再次得到一個(gè)隨機(jī)數(shù)?！∠旅娴睦佑靡环N簡單而有效的方法來產(chǎn)生一個(gè)相當(dāng)隨機(jī)的“種子”值－－－－當(dāng)天的時(shí)間值：g＃椋睿悖歟酰洌澹Γ歟?；ｓｔｄｉｅP瑁Γ紓簦弧。＃椋睿悖歟酰洌澹Γ歟簦唬螅簦洌歟椋猓瑁Γ紓?；?。＃椋睿悖歟酰洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦穡澹螅瑁Γ紓?；?。＃椋睿悖歟酰洌澹Γ歟簦唬螅螅Γ＃矗罰唬簦椋恚澹猓瑁Γ紓?；?。觶錚椋洹。恚幔椋睿ǎ觶錚椋洌。。椋睿簟。?；?。酰睿螅椋紓睿澹洹。椋睿簟。螅澹澹洌鄭幔歟弧。螅簦潁酰悖簟。簦椋恚澹狻。簦椋恚澹攏酰媯弧。媯簦椋恚澹ǎΓ幔恚穡唬簦椋恚澹攏酰媯弧。螅澹澹洌鄭幔歟劍ǎǎǎǎ酰睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏酰媯簦椋恚澹Γ幔恚穡唬埃疲疲疲疲。ǎ酰睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏酰媯恚椋歟歟椋簦恚蕖。ǎ酰睿螅椋紓睿澹洹。椋睿簦簦椋恚澹攏酰媯恚椋歟歟椋簦恚弧。螅潁幔睿洌ǎǎ酰睿螅椋紓睿澹洹。椋睿簦螅澹澹洌鄭幔歟弧。媯錚潁ǎ椋劍埃唬椋Γ歟?；１０；?#57440;椋。穡潁椋睿簦媯ǎΓ瘢酰錚簦唬ィ叮洌Γ＃梗?；ｎ＆ｑｕｅP?；begjrand（））；　｝　上面的程序先是調(diào)用＿ftime（）來檢查當(dāng)前時(shí)間yc并把它的值存入結(jié)構(gòu)成員timeBuf．time中wae當(dāng)前時(shí)間的值從1970年1月1日開始以秒計(jì)算aeh在調(diào)用了＿ftime（）之后在結(jié)構(gòu)timeBuf的成員millitm中還存入了當(dāng)前那一秒已經(jīng)度過的毫秒數(shù)，但在DOS中這個(gè)數(shù)字實(shí)際上是以百分之一秒來計(jì)算的。然后，把毫秒數(shù)和秒數(shù)相加，再和毫秒數(shù)進(jìn)行異或運(yùn)算。當(dāng)然也可以對這兩個(gè)結(jié)構(gòu)成員進(jìn)行更多的計(jì)算，以控制se．．．．．．余下全文＞＞

綠色偽隨機(jī)數(shù)算法（怎么綠色偽隨機(jī)數(shù)）

隨機(jī)數(shù)和偽隨機(jī)數(shù)的計(jì)算公式都是什么呀？

　　為追求真正的隨機(jī)序列，人們曾采用很多種原始的物理方法用于生成一定范圍內(nèi)滿足精度（位數(shù)）的均勻分布序列，其缺點(diǎn)在于：速度慢、效率低、需占用大量存儲(chǔ)空間且不可重現(xiàn)等。為滿足計(jì)算機(jī)模擬研究的需求，人們轉(zhuǎn)而研究用算法生成模擬各種概率分布的偽隨機(jī)序列。偽隨機(jī)數(shù)是指用數(shù)學(xué)遞推公式所產(chǎn)生的隨機(jī)數(shù)。從實(shí)用的角度看，獲取這種數(shù)的最簡單和最自然的方法是利用計(jì)算機(jī)語言的函數(shù)庫提供的隨機(jī)數(shù)發(fā)生器。典型情況下，它會(huì)輸出一個(gè)均勻分布在0和1區(qū)間內(nèi)的偽隨機(jī)變量的值。其中應(yīng)用的最為廣泛、研究最徹底的一個(gè)算法即線性同余法。
　　線性同余法LCG（Linear Congruence Generator）
　　選取足夠大的正整數(shù)M和任意自然數(shù)n0，a，b，由遞推公式：
　　ni+1=（af（ni）+b）mod M i=0，1，…，M-1
　　生成的數(shù)值序列稱為是同余序列。當(dāng)函數(shù)f（n）為線性函數(shù)時(shí)，即得到線性同余序列：
　　ni+1=（a*ni+b）mod M i=0，1，…，M-1
　　以下是線性同余法生成偽隨機(jī)數(shù)的偽代碼：
　　Random（n，m，seed，a，b）
　　{
　　r0 = seed；
　　for （i = 1；i<=n；i++）
　　ri = （a*ri-1 + b） mod m
　　}
　　其中種子參數(shù)seed可以任意選擇，常常將它設(shè)為計(jì)算機(jī)當(dāng)前的日期或者時(shí)間；m是一個(gè)較大數(shù)，可以把它取為2w，w是計(jì)算機(jī)的字長；a可以是0.01w和0.99w之間的任何整數(shù)。
　　應(yīng)用遞推公式產(chǎn)生均勻分布隨機(jī)數(shù)時(shí)，式中參數(shù)n0，a，b，M的選取十分重要。
　　例如，選取M=10，a=b =n0=7，生成的隨機(jī)序列為{6，9，0，7，6，9，……}，周期為4。
　　取M=16，a=5，b =3，n0=7，生成的隨機(jī)序列為{6，1，8，11，10，5，12，15，14，9，0，3，2，13，4，7，6，1……}，周期為16。
　　取M=8，a=5，b =1，n0=1，生成的隨機(jī)序列為{6，7，4，5，2，3，0，1，6，7……}，周期為8。
　　Visual C++中偽隨機(jī)數(shù)生成機(jī)制
　　用VC產(chǎn)生隨機(jī)數(shù)有兩個(gè)函數(shù)，分別為rand（void）和srand（seed）。rand()產(chǎn)生的隨機(jī)整數(shù)是在0~RAND_MAX之間平均分布的，RAND_MAX是一個(gè)常量（定義為：#define RAND_MAX 0x7fff）。它是short型數(shù)據(jù)的最大值，如果要產(chǎn)生一個(gè)浮點(diǎn)型的隨機(jī)數(shù)，可以將rand()/1000.0，這樣就得到一個(gè)0~32.767之間平均分布的隨機(jī)浮點(diǎn)數(shù)。如果要使得范圍大一點(diǎn)，那么可以通過產(chǎn)生幾個(gè)隨機(jī)數(shù)的線性組合來實(shí)現(xiàn)任意范圍內(nèi)的平均分布的隨機(jī)數(shù)。
　　其用法是先調(diào)用srand函數(shù)，如
　　srand( (unsigned)time( NULL ) )
　　這樣可以使得每次產(chǎn)生的隨機(jī)數(shù)序列不同。如果計(jì)算偽隨機(jī)序列的初始數(shù)值（稱為種子）相同，則計(jì)算出來的偽隨機(jī)序列就是完全相同的。要解決這個(gè)問題，需要在每次產(chǎn)生隨機(jī)序列前，先指定不同的種子，這樣計(jì)算出來的隨機(jī)序列就不會(huì)完全相同了。以time函數(shù)值（即當(dāng)前時(shí)間）作為種子數(shù)，因?yàn)閮纱握{(diào)用rand函數(shù)的時(shí)間通常是不同的，這樣就可以保證隨機(jī)性了。也可以使用srand函數(shù)來人為指定種子數(shù)分析以下兩個(gè)程序段，
　　程序段1：
　　//包含頭文件
　　void main() {
　　int count=0;
　　for (int i=0;i<10;i++){
　　srand((unsigned)time(NULL));
　　count++;
　　cout<<"No"<
　　//包含頭文件
　　void main() {
　　int count=0;
　　srand((unsigned)time(NULL));
　　for (int i=0;i<10;i++){
　　count++;
　　cout<<"No"<
　　No1=9694 No2=9694 No3=9694 No4=9694 No5=9694
　　No6=9694 No7=9694 No8=9694 No9=9694 No10=9694
　　程序段2的運(yùn)行結(jié)果為：
　　No1=10351 No2=444 No3=11351 No4=3074 No5=21497
　　No6=30426 No7=6246 No8=24614 No9=22089 No10=21498
　　可以發(fā)現(xiàn)，以上兩個(gè)程序段由于隨機(jī)數(shù)生成時(shí)選擇的種子的不同，運(yùn)行的結(jié)果也不一樣。rand()函數(shù)返回隨機(jī)數(shù)序列中的下一個(gè)數(shù)(實(shí)際上是一個(gè)偽隨機(jī)數(shù)序列，序列中的每一個(gè)數(shù)是由對其前面的數(shù)字進(jìn)行復(fù)雜變換得到的)。為了模仿真正的隨機(jī)性，首先要調(diào)用srand()函數(shù)給序列設(shè)置一個(gè)種子。為了更好地滿足隨機(jī)性，使用了時(shí)間函數(shù)time()，以便取到一個(gè)隨時(shí)間變化的值，使每次運(yùn)行rand()函數(shù)時(shí)從srand()函數(shù)所得到的種子值不相同。偽隨機(jī)數(shù)生成器將作為"種子"的數(shù)當(dāng)作初始整數(shù)傳給函數(shù)。這粒種子會(huì)使這個(gè)球（生成偽隨機(jī)數(shù)）一直滾下去。
　　程序段1中由于將srand（）函數(shù)放在循環(huán)體內(nèi)，而程序執(zhí)行的CPU時(shí)間較快，調(diào)用time函數(shù)獲取的時(shí)間精度卻較低（55ms），這樣循環(huán)體內(nèi)每次產(chǎn)生隨機(jī)數(shù)用到的種子數(shù)都是一樣的，因此產(chǎn)生的隨機(jī)數(shù)也是一樣的。而程序段2中第1次產(chǎn)生的隨機(jī)數(shù)要用到隨機(jī)種子，以后的每次產(chǎn)生隨機(jī)數(shù)都是利用遞推關(guān)系得到的。基于MFC的隨機(jī)校驗(yàn)碼生成
　　Web應(yīng)用程序中經(jīng)常要利用到隨機(jī)校驗(yàn)碼，校驗(yàn)碼的主要作用是防止黑客利用工具軟件在線破譯用戶登錄密碼，校驗(yàn)碼、用戶名、密碼三者配合組成了進(jìn)入Web應(yīng)用系統(tǒng)的鑰匙。在利用VC開發(fā)的基于客戶機(jī)/瀏覽器（Client/Server）模式的應(yīng)用軟件系統(tǒng)中，為了防止非法用戶入侵系統(tǒng)，通常也要運(yùn)用隨機(jī)校驗(yàn)碼生成技術(shù)。

偽隨機(jī)數(shù)的介紹

偽隨機(jī)數(shù)是用確定性的算法計(jì)算出來自[0.1]均勻分布的隨機(jī)數(shù)序列。并不真正的隨機(jī)，但具有類似于隨機(jī)數(shù)的統(tǒng)計(jì)特征，如均勻性、獨(dú)立性等。在計(jì)算偽隨機(jī)數(shù)時(shí)，若使用的初值不變，那么偽隨機(jī)數(shù)的數(shù)序也不變。偽隨機(jī)數(shù)可以用計(jì)算機(jī)大量生成，在模擬研究中為了提高模擬效率，一般采用偽隨機(jī)數(shù)代替真正的隨機(jī)數(shù)。模擬中使用的一般是循環(huán)周期極長并能通過隨機(jī)數(shù)檢驗(yàn)的偽隨機(jī)數(shù)，以保證計(jì)算結(jié)果的隨機(jī)性。

偽隨機(jī)數(shù)生成方法

1、直接法，根據(jù)分布函數(shù)的物理意義生成。缺點(diǎn)是僅適用于某些具有特殊分布的隨機(jī)數(shù)，如二項(xiàng)式分布、泊松分布。

2、逆轉(zhuǎn)法，假設(shè)U服從[0.1]區(qū)間上的均勻分布，令X=F-1(U)，則X的累計(jì)分布函數(shù)(CDF)為F。該方法原理簡單、編程方便、適用性廣。

3、接受拒絕法，假設(shè)希望生成的隨機(jī)數(shù)的概率密度函數(shù)為f，則首先找到一個(gè)PDF為g的隨機(jī)數(shù)發(fā)生器與常數(shù)c，使得f(x)≤cg(x)，然后根據(jù)接收拒絕算法求解。由于算法平均運(yùn)算c次才能得到一個(gè)希望生成的隨機(jī)數(shù)，因此c的取值必須盡可能小。顯然，該算法的缺點(diǎn)是較難確定g與c。

因此，偽隨機(jī)數(shù)生成器一般采用逆轉(zhuǎn)法，其基礎(chǔ)是均勻分布，均勻分布PRNG的優(yōu)劣決定了整個(gè)隨機(jī)數(shù)體系的優(yōu)劣。

以上就是關(guān)于綠色偽隨機(jī)數(shù)算法相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。