GPG的生成随机数的原理思考

用于密码学的“真随机数”必须满足其分布为平均分布（uniform random distribution）这个要求。而这个，在技术实现上是很难的，采样、启动噪声源都是导致随机bit产生的速度远远慢于“随便弄个数”的原因。

“伪随机”（pseudorandom）的字面意思是说，“看起来像真随机”。

学界已经有很多怎么把长度较小的“真随机数”扩展为长度较大的“伪随机数”(PRN)的算法，这种类型的算法叫“伪随机数产生器”（pseudorandom number generator, 简称PRNG或PRG）。所有的PRNG都是确定的算法，意思就是说，如果把一个“真随机数”作为种子（seed），那么这个算法产生的伪随机数是固定的。一个PRNG通常可以把n位的seed扩展为L(n)位的PRN, L(n)大于n，比如把5位的seed变8位的PRN输出。使用PRNG可以节省很多用来产生随机数的时间。

对PRNG的要求是，它的输出必须和同样长度的真随机数很难区别。

回头谈到seed怎么取.很重要的一个seed产生方式是从噪声中采样。

所以才有了通过鼠标、键盘动作来强化背景噪声（white noise, backgroud noise）的方法。

“熵”念做“伤”，是用来描述一个（或者一组）事件的随机程度的度量。熵越大，事件就越随机。