Algorithm 用户在随机拍摄之间的延迟是否是PRNG的良好改善？

我认为，对于随机选择，例如播放器中的下一个曲目或浏览器中的下一个页面，可以将时间作为“自然现象”使用，例如，体面的RPNG可以连续获得下一个随机数，而无需程序请求（例如，在线程中每隔几毫秒或更频繁的事件）当时间到来时（基于用户的决定），选择自然会受到用户延迟的影响

这种方法足够好吗？如何进行测试？手动测试的问题是，我不能在现实世界中等待那么长的时间来保存足够的随机数，以便将它们提供给某个测试程序。任何人为加速的尝试都会使方法本身无效

---

谢谢你，一个好的随机数生成器真的不需要改进，即使改进了，也不清楚用户输入时间是否有帮助

用户是否能够在LCG选择的轨迹中检测到模式？无论您的平台是什么，其内置的

random（）

函数都可能足够好（也就是说，对于用户来说，它看起来完全是随机的）

但是，如果您仍然担心，请使用加密质量的RNG，其中包含来自系统上专用随机性源的数据。如今，许多系统RNG使用硬件中通过量子事件生成的真正随机比特。然而，它们产生比特的速度很慢，所以最好将它们用作快速算法PRNG的种子

现在，如果您不相信这些方法足够好，那么您应该非常怀疑用户键入的时间是否是一个好的来源。用户按下的键是高度可预测的，因为使用的词汇量有限，而且在这有限的一组单词中往往会出现一些模式。字母序列的这种可预测性导致按键之间时间的高度可预测性

---

我知道很多安全程序在密钥生成期间都使用这种技术。我不认为它是纯蛇油，但它可以作为安慰使用者的安慰剂。一个好的产品取决于系统RNG。

一个好的随机数生成器确实不需要改进，即使改进了，也不清楚用户输入定时是否有帮助

用户是否能够在LCG选择的轨迹中检测到模式？无论您的平台是什么，其内置的

random（）

函数都可能足够好（也就是说，对于用户来说，它看起来完全是随机的）

但是，如果您仍然担心，请使用加密质量的RNG，其中包含来自系统上专用随机性源的数据。如今，许多系统RNG使用硬件中通过量子事件生成的真正随机比特。然而，它们产生比特的速度很慢，所以最好将它们用作快速算法PRNG的种子

现在，如果您不相信这些方法足够好，那么您应该非常怀疑用户键入的时间是否是一个好的来源。用户按下的键是高度可预测的，因为使用的词汇量有限，而且在这有限的一组单词中往往会出现一些模式。字母序列的这种可预测性导致按键之间时间的高度可预测性

---

我知道很多安全程序在密钥生成期间都使用这种技术。我不认为它是纯蛇油，但它可以作为安慰使用者的安慰剂。好的产品取决于系统RNG。

获取您描述的时间信息确实可以为PRNG增加熵。然而，从您对预期应用的描述来看，我认为您不需要它。对于“随机选择，例如播放器中的下一首曲目或浏览器中的下一页”，一个简单的、未修改的PRNG就可以了。对于诸如nonce等安全应用程序，它更为重要

---

无论如何，您应该阅读有关PRNG熵源的信息。

获取您描述的时间信息确实可以为PRNG增加熵。然而，从您对预期应用的描述来看，我认为您不需要它。对于“随机选择，例如播放器中的下一首曲目或浏览器中的下一页”，一个简单的、未修改的PRNG就可以了。对于诸如nonce等安全应用程序，它更为重要

---

无论如何，你应该阅读关于PRNG熵源的内容。

我不会用用户延迟来改善PRNG，主要是因为它们是非常规则的：你以大约相同的速度键入，并且测量一次点击和另一次点击之间的延迟（假设正常使用）需要很长时间。我更愿意使用其他用户触发的事件：按键、每次单击之间的距离、鼠标在给定时刻的位置。

我不会用用户延迟来改善PRNG，主要是因为它们非常常见：你以大约相同的速度键入，并且测量一次单击和另一次单击之间的延迟（假设正常使用）需要很长时间。我更愿意使用其他用户触发的事件：按键、每次单击之间的距离、鼠标在给定时刻的位置。

您可能会发现这很有用：它使用了相同的概念，但更进一步。biziclop，感谢您指出，最近我还发现了这个不错的概念，但在Windows for Windows上不可用，请看，您可能会发现这很有用：它使用了相同的概念，但更进一步。biziclop，感谢您指出，最近我还发现了这个不错的概念，但在Windows for Windows上不可用，请参阅