Python：random.random（）种子在哪里？

Question

说我有一些python代码：

import random
r=random.random()

一般来说，种子的价值在哪里？ 如果我的操作系统没有随机，那么播种在哪里呢？ 为什么不推荐用于加密？有没有办法知道随机数是什么？

Answer 1

关注 da code 。

要查看系统中random模块“存在”的位置，您可以在终端中执行此操作：

>>> import random
>>> random.__file__
'/usr/lib/python2.7/random.pyc'

它为您提供了.pyc（“已编译”）文件的路径，该文件通常与可以找到可读代码的原始.py并排放置。

让我们看看/usr/lib/python2.7/random.py中发生了什么：

您将看到它创建了Random类的实例，然后（在文件的底部）“提升”该实例的方法到模块函数。干净的把戏。在任何地方导入random模块时，会创建该Random类的新实例，然后初始化其值，并将这些方法重新分配为模块的功能（使其在一个模块上非常随机）每个进口基础）

_inst = Random()
seed = _inst.seed
random = _inst.random
uniform = _inst.uniform
triangular = _inst.triangular
randint = _inst.randint

这个Random类在其__init__方法中唯一能做的就是播种它：

class Random(_random.Random):
    ...
    def __init__(self, x=None):
        self.seed(x)    
...
_inst = Random()
seed = _inst.seed

那么......如果x是None（没有指定种子），会发生什么？好吧，让我们检查一下self.seed方法：

def seed(self, a=None):
    """Initialize internal state from hashable object.

    None or no argument seeds from current time or from an operating
    system specific randomness source if available.

    If a is not None or an int or long, hash(a) is used instead.
    """

    if a is None:
        try:
            a = long(_hexlify(_urandom(16)), 16)
        except NotImplementedError:
            import time
            a = long(time.time() * 256) # use fractional seconds

    super(Random, self).seed(a)
    self.gauss_next = None

评论已经告诉我们发生了什么......这种方法试图使用OS提供的默认随机生成器，如果没有，那么它将使用当前时间作为种子值。

但是，等等......那么_urandom(16)那件事到底是什么？

嗯，答案就在这个random.py文件的开头：

from os import urandom as _urandom
from binascii import hexlify as _hexlify

Tadaaa ...种子是一个16字节的数字来自os.urandom

假设我们处于文明的操作系统中，例如Linux（带有真正的随机数生成器）。 random模块使用的种子与执行：

相同

>>> long(binascii.hexlify(os.urandom(16)), 16)
46313715670266209791161509840588935391L

为什么指定种子值被认为不那么好的原因是random函数不是真正的“随机”...它们只是一个非常奇怪的序列数字。但是，鉴于相同的种子，该序列将是相同的。你可以自己试试：

>>> import random
>>> random.seed(1)
>>> random.randint(0,100)
13
>>> random.randint(0,100)
85
>>> random.randint(0,100)
77

无论何时或如何，甚至 ，您运行该代码（只要用于生成随机数的算法保持不变），如果您的种子是1，将始终得到整数13，85，77 ...哪种方式失败了目的（参见this关于伪随机数生成）另一方面，有use cases但实际上这可能是一个理想的功能。

这就是为什么被认为是“更好”依赖于操作系统随机数发生器。这些通常是基于硬件中断来计算的，这些中断是非常非常随机的（它包括用于硬盘读取的interruptions，由用户键入的键击，移动鼠标...）在Linux中，即O.S.生成器是/dev/random。或者，有点挑剔，/dev/urandom（这就是Python的os.urandom实际在内部使用的）不同之处在于（如前所述）/dev/random使用硬件中断来生成随机序列。如果没有中断，/dev/random可能会耗尽，您可能需要等待一段时间才能获得下一个随机数。 /dev/urandom在内部使用/dev/random，但它保证始终为您准备好随机数。

如果您正在使用Linux，只需在终端上执行cat /dev/random（并准备点击 Ctrl + C ，因为它会真正开始输出，非常随机的东西）

borrajax@borrajax:/tmp$ cat /dev/random
_+�_�?zta����K�����q�ߤk��/���qSlV��{�Gzk`���#p$�*C�F"�B9��o~,�QH���ɭ�f�޺�̬po�2o�(=��t�0�p|m�e
���-�5�߁ٵ�ED�l�Qt�/��,uD�w&m���ѩ/��;��5Ce�+�M����
~ �4D��XN��?ס�d��$7Ā�kte▒s��ȿ7_���-     �d|����cY-�j>�
                    �b}#�W<դ���8���{�1»
.       75���c4$3z���/̾�(�(���`���k�fC_^C

Python使用OS随机生成器或时间作为种子。这意味着我可以想象Python random模块潜在弱点的唯一地方就是使用它：

• 在没有实际随机数生成器的操作系统中，和
• 在time.time始终报告同一时间的设备中（基本上是时钟损坏）

如果您担心random模块的实际随机性，您可以直接转到os.urandom或使用pycrypto加密库中的随机数生成器。那些可能更随机。我说更随机因为......

_{图像灵感来自其他SO answer}