Python 查找使用random.choice（范围（128））创建特定数字序列的种子？

我想找到创建特定数字序列的种子：

[115,91,45,76,78,93,35,5,29,8,99,88,98,70,40,116,11,39,102,41,124,98,120,57,36,67,57,23,52,34,75,32,117,66,12,19,86,67,62,121,60,5,54,37,65,18,5,56,66,115,32,99,73,70,115,73,123,74,31]

我想知道我是否能找到一个seed，它通过我创建的函数get（）给出这个结果：

def get():
   seed(x)
   return [choice(range(128)) for _ in range(59)]

x是一个常数，等于作为种子应用的数字，给我序列上面的右上角

这是我制作的一个小程序，希望能找到它，但现在我已经测试了大约160万个种子，但仍然一无所获

from random import choice, seed

lc =[115,91,45,76,78,93,35,5,29,8,99,88,98,70,40,116,11,39,102,41,124,98,120,57,36,67,57,23,52,34,75,32,117,66,12,19,86,67,62,121,60,5,54,37,65,18,5,56,66,115,32,99,73,70,115,73,123,74,31]

sd, h = 0,0
while 1:
  seed(sd)
  for c, o in enumerate(lc):
    if not choice(range(128)) == o:
      if c > h :
        print(f"[Seeed {sd}] {c} matchs")
        h = c
      sd += 1
      break

---

有人能帮我找到一个合适的种子吗？

使用蛮力，假设每个种子都代表从您的数字集（128）中提取的一个，替换后，您有

1/(128)^59 = 1 / 2.1153791001287955166461289857048673274508949854856999 × 10^124

对于每次提取，以获得精确的数字集（假设随机函数的每次数字提取均为均匀分布）。这是一个非常接近于零的概率

---

所以是的。使用蛮力搜索，你可以（几乎）永远挂起，并且假设每个种子都代表从你的数字集合（128）中提取的一个种子，替换后，你有

1/(128)^59 = 1 / 2.1153791001287955166461289857048673274508949854856999 × 10^124

对于每次提取，以获得精确的数字集（假设随机函数的每次数字提取均为均匀分布）。这是一个非常接近于零的概率

---

所以是的。你可能（几乎）永远被绞死，因为那次暴力搜索

我希望这是不可能的。 从技术上讲，可以编写一个准随机生成器，允许通过短序列的结果恢复种子。但普通的准随机发生器不允许这样做。 例如，对于非常常见的Mersenne捻线机，内部状态为624英寸。但你的种子只是一个整数。

---

即使你对种子施以蛮力，使你获得相同的短序列，整个内部实际状态可能会不同，随后的生成将完全以另一种方式进行

我希望这不可能。 从技术上讲，可以编写一个准随机生成器，允许通过短序列的结果恢复种子。但普通的准随机发生器不允许这样做。 例如，对于非常常见的Mersenne捻线机，内部状态为624英寸。但你的种子只是一个整数。

---

即使你对种子施以蛮力，使你获得相同的短序列，整个内部实际状态可能会不同，随后的生成将完全以另一种方式进行

任何种子PRNG都将有一个公式，用于根据其持有的内部数据生成下一个数字。使用像线性全等PRNG这样简单的东西，就可以很容易地从输出中反算公式中使用的内部数据和数字。对于更复杂的PRNG，如Mersenne捻线机，则反向计算变得非常困难

一种解决方案是复制您想要的数字序列并将其存储在某个位置，根据需要从存储中提取它们。或者，阅读最初用于生成这些数字的PRNG文件，看看是否可以进行反向计算

---

如果数字来自加密安全的PRNG，那么您的任务将变得更加困难。

任何种子PRNG都有一个公式，可以从其持有的内部数据生成下一个数字。使用像线性全等PRNG这样简单的东西，就可以很容易地从输出中反算公式中使用的内部数据和数字。对于更复杂的PRNG，如Mersenne捻线机，则反向计算变得非常困难

一种解决方案是复制您想要的数字序列并将其存储在某个位置，根据需要从存储中提取它们。或者，阅读最初用于生成这些数字的PRNG文件，看看是否可以进行反向计算

---

如果数字来自加密安全的PRNG，那么您的任务将变得更加困难。

我的第一个猜测是，您想重新设计一些癫痫曲线，从中生成seed（）。我相信您的代码是否会生成您所寻找的种子还不确定。不能保证

random.choice

会提供您想要的序列。你是否意识到你正在试图从几乎4 x 10**125个可能的序列中找到一个？一般来说，你运气不好。即使找到了创建匹配序列的种子，也不能保证种子本身匹配（即，两个序列将以相同的方式继续）。但是，如果有可能在没有参数（

x==None

）的情况下调用了

random.seed（）

），则会使用系统时间（纪元秒和微秒），这会大大缩小搜索范围，尤其是如果您对代码运行的时间有很好的猜测。由于使用了随机数生成器，这可能是可行的，但绝对不是暴力搜索。我想这是个好地方。这个工具看起来很相关：我的第一个猜测是，你想重新设计一些癫痫曲线，seed（）就是从这些曲线生成的……我相信你的代码是否会产生你想要的种子还不确定。不能保证

random.choice

会提供您想要的序列。你是否意识到你正在试图从几乎4 x 10**125个可能的序列中找到一个？一般来说，你运气不好。即使找到了创建匹配序列的种子，也不能保证种子本身匹配（即，两个序列将以相同的方式继续）。但是，如果有可能在没有参数（

x==None

）的情况下调用了

random.seed（）

），则会使用系统时间（纪元秒和微秒），这会大大缩小搜索范围，尤其是如果您对代码运行的时间有很好的猜测。由于使用了随机数生成器，这可能是可行的，但绝对不是暴力搜索。我想这是个好地方。这个工具看起来