Python 使用量子整数作为种子生成的随机数是伪随机数还是真随机数？

我总是听说量子计算机产生的随机数被认为是“真正随机的”，而经典计算机产生的随机数被认为是“伪随机的”

如果使用量子整数作为种子生成随机数，从该种子生成的数字会被视为“伪随机”或真正随机吗？无法在任何地方找到此澄清，欢迎任何解释

随机导入
seed（获取我的量子数（））#从API生成的量子整数。
这是“伪随机”还是“真随机”？

random.random（）

使用伪随机数生成器，该生成器根据定义使用确定性算法，并在数学上扩展其输入。因此，它生成的数字是伪随机的，即使它是由量子随机数生成器或其他一些不确定源的输出所播种的。另见以下问题：

---

在任何情况下，“伪随机”和“真正随机”数字之间的区别都不是应用程序所关心的（而且您也没有真正指定您心目中的应用程序类型）。相反，一般来说：

• 安全应用程序关心数字是否难以猜测；在这种情况下，只有加密RNG可以实现此要求（即使是依赖伪随机数生成器的RNG）。Python的一个例子是

  secrets

  模块或

  random.SystemRandom

• 科学模拟关心的是这些数字是否像独立的统一随机数一样，并且经常关心这些数字在以后是否可以复制。Python的一个例子是

  numpy.random.Generator

例如，

random.random（）

，Mersenne Twister使用的伪随机数生成器不适用于加密或信息安全；它产生的数字并不难猜测，无论该生成器是如何播种的（无论是通过量子随机数生成器还是其他方式），都是如此。

random.random（）

使用伪随机数生成器，该生成器根据定义使用确定性算法并在数学上扩展其输入。因此，它生成的数字是伪随机的，即使它是由量子随机数生成器或其他一些不确定源的输出所播种的。另见以下问题：

---

在任何情况下，“伪随机”和“真正随机”数字之间的区别都不是应用程序所关心的（而且您也没有真正指定您心目中的应用程序类型）。相反，一般来说：

• 安全应用程序关心数字是否难以猜测；在这种情况下，只有加密RNG可以实现此要求（即使是依赖伪随机数生成器的RNG）。Python的一个例子是

  secrets

  模块或

  random.SystemRandom

• 科学模拟关心的是这些数字是否像独立的统一随机数一样，并且经常关心这些数字在以后是否可以复制。Python的一个例子是

  numpy.random.Generator

例如，

random.random（）

，Mersenne Twister使用的伪随机数生成器不适用于加密或信息安全；它产生的数字并不难猜测，无论该生成器是如何播种的（无论是通过量子随机数生成器还是其他方式），都是如此