机器学习模型可以用于预测TRNG输出吗？

Question

据我所知，为了训练机器学习（ML）模型，应该同时知道训练集的输入和输出。然后，给定新的输入，ML模型将尝试预测输出。
使用TRNG时，只有输出是已知的（没有输入）。我们仍然可以使用ML模型来预测下一个TRNG输出吗？

Answer 1

  

对于TRNG，只有输出是已知的（没有输入）。我们仍然可以使用ML模型来预测下一个TRNG输出吗？

为了进行预测，您首先需要训练ML模型。要进行培训，您需要输入数据。

但是对于TRNG（假设是真正的随机数生成器）的用例，请查看以下文章：link

Answer 2

真正的RNG本质上是不可预测的，任何输入（内部状态）基本上都是不可观察的。 TRNG的输出应为马尔可夫过程：这意味着当前输出与过去的所有输出完全无关。

您可以将过去的输出视为“输入”，因为它可能会提供有关生成器内部状态的一些线索。

然后，您可以使用ML尝试查找当前输出与过去输出之间的某些链接，如果这样做，则可能满足以下一项或多项要求：

• 您的TRNG并不是真正随机的
• 您的ML找到了不存在的模式。像人的大脑一样，即使不存在ML，ML也会适合它们。这是验证数据集的来源。

所以基本上，如果您对TRNG很有信心，答案是否定的。