Algorithm 从一系列随机数预测非随机数

我得到了以下有趣的任务：

给出一个包含100万个16位数字的数字（比如信用卡号码）的列表，其中包括99万个由计算机系统生成的纯随机数字，以及1万个由欺诈者手动创建的数字。这些数字被标注为真实或欺诈。建立一个预测非随机数的算法

到目前为止，我的方法是一种蛮力：查看非随机数以找到模式（例如重复数：22222或01234）

我想知道是否有一个现成的算法或工具来完成这类任务。我认为这个任务在欺诈分析社区中应该很常见

---

谢谢。

首先，如果您知道它们是信用卡号，请使用Luhn算法，这是一种有效信用卡号的快速校验和算法

然而，如果它们只是16位整数，那么有几种方法可以使用。很难判断单个数字是否来自随机源（因为数字1111111111与随机数生成器中的任何其他数字一样可能）。至于重复的数字和模式，这让人想起科尔莫戈罗夫复杂性的概念（见下面的链接）。你可以试着用这种蛮力方法来寻找模式，但我觉得这是非常不准确的，因为人类实际上可能倾向于避免在这些数字中加入数字和序列

相反，我建议关注人们生成数字的方式。你可以把人工输入当作一个非常糟糕的随机数发生器。所以，如果你没有其他数据集，我建议你自己列出一个随机输入的数字。然后，您可以使用机器学习生成分类器算法来区分纯随机数（机器学习算法已识别的那些没有“类人”属性的数字）。就统计分类器的度量而言，Kolmogorov复杂度可能是一个，可能是另一个度量的数字频率（参见维基百科上的Benford定律），以及另一个度量的重复数字数（人类可能会试图避免重复数字，以使其看起来非随机，所以让您的分类器来完成这项工作！）

根据我个人的经验，像这样的难题是机器学习算法和统计分类器的教科书案例

希望这有帮助

链接：

---

你最好在math.stackexchange.com上提问。好的，通常可以确定整个集合是否是随机生成的，但在随机生成的数字集合中找不到手动生成的数字（如果它们之间没有相关性）。非常感谢schmatz提供的非常有用的参考资料。我将把这个问题保留几天，听取其他专家的意见，但你的回答很好。