ice 在密码学领域，人们常常关注算法本身的强度、密钥长度或协议设计，但一个容易被忽视的底层组件却可能成为整个加密系统的“阿喀琉斯之踵”——它就是随机数生成器（Random Number Generator, RNG）。
随机数生成器（RNG）的分类
RNG分为真随机数生成器（TRNG）和伪随机数生成器（PRNG）。TRNG依赖物理现象（如电路噪声、放射性衰变），而PRNG通过算法从初始“种子”生成看似随机的数列。
真随机数生成器（TRNG） ：利用物理现象，如电子元件的热噪声、大气噪声、放射性衰变等来生成随机数。其产生的随机数具有真正的随机性和不可预测性，因为这些物理过程本身是随机的，无法被精确地确定或重复。
伪随机数生成器（PRNG） ：通过确定性的算法来生成一系列看似随机的数字序列。它需要一个初始的种子值，然后根据一定的规则不断迭代产生后续的随机数。常见的 PRNG 算法有线性同余法、梅森旋转算法、Xorshift 等。
由于其基于算法和种子值，因此产生的随机数序列在一定程度上是可预测的，如果知道算法和种子，就可以重现整个随机数序列。
密码学安全伪随机数生成器（CSPRNG） ：是 PRNG 的一种特殊类型，专为密码学应用设计，需要满足更高的安全性要求。它生成的随机数序列在统计上与真随机数序列不可区分，并且具有不可预测性和不可还原性，即使部分输出被泄露，攻击者也很难推断出后续的随机数。
RNG 在加密安全中的关键作用
密钥生成 ：在对称加密和非对称加密算法中，密钥的生成需要高度随机和不可预测。如果使用可预测的随机数生成器来生成密钥，攻击者可能会通过分析随机数的规律来猜测或破解密钥，从而获取加密信息。例如，在 RSA 非对称加密算法中，大质数的选取如果基于低质量的随机数，可能会导致密钥被轻易分解，使加密体系变得脆弱。
初始化向量（IV）生成 ：在一些加密模式中，如 CBC 模式，需要使用初始化向量来确保相同明文在不同加密情况下产生不同的密文。如果 IV 不够随机或具有可预测性，可能会导致密文泄露信息，降低加密的安全性。
会话令牌生成 ：在许多网络认证和会话管理中，会话令牌用于标识和验证用户的身份。如果令牌的生成基于可预测的随机数，攻击者可能会伪造或猜测有效的令牌，从而非法获取访问权限。
数字签名 ：数字签名过程中需要使用随机数来生成签名值，以确保签名的独特性和不可伪造性。若随机数质量不高，可能会导致签名被篡改或伪造，威胁到数字签名的安全性和可信度。
不同 RNG 对加密安全的影响
TRNG ：由于其产生的随机数具有真正的随机性和不可预测性，因此在密码学中被认为是最安全的随机数来源之一。
它适用于对安全性要求极高的场景，如生成加密密钥、初始化向量、会话令牌等。然而，TRNG 的生成速度通常较慢，且实现成本较高，硬件复杂，需要对物理设备进行精确的校准和维护，以保证生成的随机数的质量。
PRNG ：其生成速度快、效率高，但在安全性方面相对较弱。如果 PRNG 的种子选取不当或算法存在漏洞，攻击者可能会预测出后续的随机数，从而对加密系统造成威胁。
因此，在密码学应用中，一般需要使用 CSPRNG 而不是普通的 PRNG，以确保随机数的安全性。
CSPRNG ：在满足密码学安全要求的前提下，结合了 PRNG 的高效性，能够快速生成高质量的随机数，适用于各种密码学应用场景。
它通过使用复杂的算法和不断引入新的随机因素来增强生成的随机数的安全性和不可预测性，即使部分输出被泄露，也能保证后续随机数的安全性。常见的 CSPRNG 算法包括 HMAC-DRBG、Hash-DRBG、CTR-DRBG 等。
密码学家Bruce Schneier曾言：“在加密系统中，随机性就是一切。”RNG的失效不仅会暴露单次通信，更可能摧毁整个信任体系。从芯片设计到协议实现，只有将RNG视为“战略资源”而非普通工具，才能在对抗中守住安全的底线。
免责声明：本文部分文字、图片、音视频来源于网络不代表本站观点，版权归版权所有人所有。本文无意侵犯媒体或个人知识产权，如有异议请与我们联系。
