Question

我查看了随机和秘密之间的关系，发现秘密是“加密安全的”。每个人的堆栈溢出源都说它是最接近真正随机性的。所以我想用它来产生人口。但是，它根本没有给出非常随机的结果，而是可预测的结果。

我测试的第一个特征是性别，准确地说是4，并将其全部绘制出来...

# code may not function as it's typed on mobile without a computer to test on

import secrets
import multiprocessing


def gen(args*):
    gender = ["Male", "Female", "X", "XXY"]
    rng = secrets.choice(gender)
    return rng

with multiprocessing.Pool(processes=4) as pool:
    id_ = [I for I in range (2000000000)]
    Out = pool.map(gen, id_)
    # Do stuff with the data

当我通过其他确定1种性别对另一种性别的百分比的函数处理数据时，它总是25 + 1％。我原本希望偶尔会有100％的1个性别和0个其他性别，但这从未发生。

我还随机尝试了同一件事，它产生了相似的结果，但是以某种方式花费了两倍的时间。

我还更改了列表的性别，使其具有X和XXY之一，而其他两个具有49，并且可以预期得到1％X和1％XXY的结果。

除了术语“熵”之外，我在计算机上没有太多的RNG经验... Python是否有任何本机或PYPI软件包会产生熵或混沌数？

秘密模块是否应该以某种可预测的方式起作用？

Answer 1

我认为您可能在这里混淆了一些不同的想法。

secrets.choice函数将在每次调用时提供的4个性别选项中随机选择1个，在您的示例中为2000000000次。在任何合理实现的随机性生成器中，从4个选项的列表中随机选择2000000000次后获得100％的选项的可能性实际上为零。

如果我正确理解了您的问题，则实际上是有力证据表明secrets.choice函数的行为符合预期，并提供了均匀分布的选项。当您的N接近无穷大时，方差应降至零。

Python机密模块的行为可预测

1 个答案: