os.urandom() 和 random 有什么区别？

Question

在随机模块 python 页面（链接在这里） 上有这个警告：

警告： 出于安全目的，不应使用此模块的伪随机生成器。如果您需要加密安全的伪随机数生成器，请使用 os.urandom() 或 SystemRandom。

• 那么 os.urandom() 和 random 有什么区别呢？

• 一个比另一个更接近真正的随机数吗？

• 在非加密实例中，安全随机数是否会过大？

• python中还有其他随机模块吗？

原文由 SPYBUG96 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您可以 在 Crypto.SE 上的这个精彩回答中 了解加密安全 RNG 的区别。

random 和系统 RNG 之间的主要区别 urandom 是用例之一。 random 实现确定性 PRNG。有些场景正是您想要的。例如，当您有一个包含要测试的随机元素的算法时，您需要这些测试是可重复的。在这种情况下，您需要一个可以 播种 的确定性 PRNG。

urandom 另一方面不能播种并且从许多不可预测的来源中提取熵源，使其 _更加随机_。

真正 的随机性是另一回事，你需要一个随机性的物理来源，比如测量原子衰变的东西；这在物理意义上是真正随机的，但对于大多数应用程序来说通常是矫枉过正的。

原文由 deceze 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

那么 os.urandom() 和 random 有什么区别呢？

随机本身是可预测的。这意味着给定相同的种子，随机生成的数字序列是相同的。看看 这个问题 以获得更好的解释。 这个问题 也说明随机并不是真正随机的。

大多数编程语言通常都是这种情况——随机数的生成并不是真正随机的。当密码安全性不是问题或者您希望生成相同模式的数字时，您可以使用这些数字。

一个比另一个更接近真正的随机数吗？

不确定如何回答这个问题，因为无法生成真正的随机数。查看 这篇文章 或 这个问题 以获取更多信息。

由于随机生成可重复的模式，我会说 os.urandom() 肯定更“随机”

在非加密实例中，安全随机数是否会过大？

我写了以下功能，似乎没有很大的时间差异。但是，如果您不需要加密安全数字，那么使用 os.urandom() 就没有意义。再次归结为用例，你想要一个可重复的模式，你想要你的数字有多“随机”，等等？

 import time
import os
import random

def generate_random_numbers(x):
  start = time.time()
  random_numbers = []
  for _ in range(x):
    random_numbers.append(random.randrange(1,10,1))
  end = time.time()
  print(end - start)

def generate_secure_randoms(x):
  start = time.time()
  random_numbers = []
  for _ in range(x):
    random_numbers.append(os.urandom(1))
  end = time.time()
  print(end - start)

generate_random_numbers(10000)
generate_secure_randoms(10000)

结果：

 0.016040563583374023
0.013456106185913086

python中还有其他随机模块吗？

Python 3.6 引入了新的 秘密模块

原文由 DoesData 发布，翻译遵循 CC BY-SA 4.0 许可协议