Liczba losowa to taka, której nie da się przewidzieć. Dawniej losowało się monetą, kostką albo kulami z urny, a w 1927 roku L. H. C. Tippett opublikował pierwszą drukowaną tablicę liczb losowych, Random Sampling Numbers, z której korzystali statystycy.
Dziś programy potrzebują milionów losowych liczb na sekundę: do szyfrowania, symulacji, gier i analizy danych. Kłopot w tym, że komputer działa deterministycznie. Wykonuje dokładnie to, co mu zaprogramowano, więc sam z siebie niczego nie wylosuje. Dlatego istnieją różne rodzaje generatorów liczb losowych i każdy radzi sobie z tym problemem inaczej.
W artykule opisujemy generatory pseudolosowe (PRNG), prawdziwie losowe (TRNG) i kryptograficzne (CSPRNG): jak działają, czym się różnią i kiedy którego użyć. Na końcu pokazujemy, jak losować w PHP, JavaScripcie, Pythonie i Javie. Jeśli chcesz od razu coś wylosować, skorzystaj z generatora liczb losowych.
Trzy rodzaje generatorów
- PRNG
- Generator pseudolosowy. Algorytm, który tworzy ciąg wyglądający na losowy, choć w całości wynika z wartości początkowej.
- TRNG
- Generator prawdziwie losowy. Urządzenie, które mierzy zjawisko fizyczne, np. szum elektroniczny.
- CSPRNG
- Generator kryptograficzny. Algorytm pseudolosowy zaprojektowany tak, żeby jego wyników nie dało się przewidzieć.
W praktyce te rodzaje często działają razem. Sprzętowy TRNG dostarcza trochę prawdziwej losowości, CSPRNG zamienia ją w szybki strumień bezpiecznych liczb, a zwykły PRNG obsługuje zadania, w których bezpieczeństwo nie ma znaczenia.
Generatory pseudolosowe
Generator pseudolosowy to wzór, który z jednej liczby wylicza następną. Zaczyna od wartości początkowej, czyli ziarna (ang. seed), przekształca swój stan wewnętrzny i zwraca kolejną liczbę. Wyniki przechodzą testy statystyczne, ale są w pełni wyznaczone przez ziarno: to samo ziarno zawsze daje ten sam ciąg.
To jednocześnie zaleta i wada. Powtarzalność ułatwia testy i symulacje, bo wynik da się odtworzyć. Ten sam mechanizm sprawia jednak, że kto pozna ziarno albo stan generatora, przewidzi wszystkie kolejne liczby. Popularne algorytmy to generator liniowy kongruencyjny (LCG), Mersenne Twister i rodzina xorshift.
- Zalety
- Są bardzo szybkie, potrzebują mało pamięci, dają powtarzalne wyniki i są dostępne w każdym języku programowania.
- Ograniczenia
- Są przewidywalne po poznaniu ziarna, po pewnym czasie ciąg zaczyna się powtarzać i nie nadają się do kryptografii.
PRNG wystarczy wszędzie tam, gdzie liczy się szybkość, a nie tajemnica: do generowania poziomów w grach, symulacji Monte Carlo, losowego podziału danych w uczeniu maszynowym, testów oprogramowania i danych testowych. Z takiego generatora korzysta też nasz generator liczb, bo przy losowaniu liczb do zabawy czy eksperymentu nikt nie próbuje przewidzieć wyniku.
Przykład: generator liniowy kongruencyjny
LCG to jeden z najstarszych i najprostszych generatorów. Każda kolejna wartość to (a · poprzednia + c) mod m:
function simpleLCG($seed = null) {
static $state;
if ($seed !== null) $state = $seed;
if ($state === null) $state = time();
$a = 1103515245; // mnożnik (wartości z ANSI C)
$c = 12345; // przyrost
$m = 2147483648; // moduł (2^31)
$state = ($a * $state + $c) % $m;
return $state / $m; // wynik z przedziału [0, 1)
}
simpleLCG(42); // ustawienie ziarna
$random = simpleLCG() * 100; // liczba z przedziału [0, 100) Ten kod pokazuje zasadę i nie nadaje się do prawdziwych zastosowań. W programach używa się wbudowanych funkcji, takich jak mt_rand() w PHP czy Math.random() w JavaScripcie, a do zastosowań związanych z bezpieczeństwem funkcji kryptograficznych opisanych niżej.
Generatory prawdziwie losowe
Generator prawdziwie losowy mierzy zjawisko fizyczne, którego wyniku nie da się przewidzieć ani powtórzyć. Typowe urządzenie ma czujnik, przetwornik analogowo-cyfrowy i układ, który poprawia surowe pomiary, bo te bywają nierówne: jedne wartości mogą wypadać częściej od innych.
TRNG nie da się przewidzieć, ale jest wolniejszy od algorytmów, wymaga sprzętu, a jego jakość zależy od warunków pracy. Uszkodzony albo źle zaprojektowany czujnik może dawać wyniki dalekie od losowych. Dlatego TRNG rzadko używa się bezpośrednio. Zwykle dostarcza ziarna generatorowi kryptograficznemu.
Przykłady
Serwis Random.org losuje liczby z atmosferycznych zakłóceń radiowych i udostępnia je w internecie. Procesory Intel mają instrukcję RDRAND, która korzysta ze sprzętowego źródła szumu wbudowanego w układ. Szwajcarska firma ID Quantique sprzedaje generatory kwantowe Quantis. Najnowszym kierunkiem jest losowość certyfikowana, której nieprzewidywalność wynika z praw fizyki. Piszemy o niej w artykule o idealnie losowych liczbach.
Generatory kryptograficzne
Generator kryptograficzny to generator pseudolosowy o dodatkowych gwarancjach. Jest prawie tak szybki jak zwykły PRNG, ale zaprojektowano go tak, żeby nawet ktoś, kto zna długi fragment jego wyników, nie potrafił przewidzieć następnych.
Każdy współczesny system operacyjny ma taki generator. W Linuksie dostępny jest przez /dev/urandom i funkcję getrandom(), w Windows przez funkcję BCryptGenRandom. System zasila go entropią z czasów przerwań sprzętowych i ze sprzętowego generatora procesora. Z tego źródła korzystają przeglądarki przy szyfrowaniu połączeń HTTPS, banki przy kodach jednorazowych i aplikacje przy tokenach logowania. Korzysta z niego także nasz generator haseł.
Porównanie i wybór
| Cecha | PRNG | TRNG | CSPRNG |
|---|---|---|---|
| Źródło | wzór matematyczny | zjawisko fizyczne | algorytm zasilany entropią |
| Przewidywalność | przewidywalny po poznaniu ziarna albo stanu | nieprzewidywalny | nieprzewidywalny w praktyce |
| Powtarzalność | tak, z tym samym ziarnem | nie | tylko przy znanym ziarnie, czego się unika |
| Szybkość | bardzo duża | mała | duża |
| Sprzęt | żaden | specjalny układ albo urządzenie | żaden, entropię dostarcza system |
| Typowe zastosowania | gry, symulacje, testy | ziarno dla innych generatorów, losowania certyfikowane | klucze, tokeny, hasła |
Zasada wyboru jest prosta. Jeśli nikt nie zyska na przewidzeniu wyniku, wystarczy PRNG: w grze, symulacji, teście czy przy losowaniu kolejności w klasie. Jeśli od nieprzewidywalności zależy bezpieczeństwo, czyli przy kluczach, tokenach, hasłach i linkach do resetu hasła, użyj CSPRNG. Własny TRNG jest potrzebny rzadko, bo system operacyjny i tak korzysta ze sprzętowych źródeł entropii.
Więcej o roli losowości w nowych technologiach przeczytasz w artykule o liczbach losowych w uczeniu maszynowym, a o dawnych metodach losowania w artykule o historii generatorów liczb losowych.
Losowanie w popularnych językach
Każdy popularny język ma zarówno zwykły generator pseudolosowy, jak i funkcję kryptograficzną. Różnią się nazwami, więc łatwo przez pomyłkę użyć niewłaściwej.
// PRNG: szybkie, ale nie do zastosowań związanych z bezpieczeństwem
$random = rand(1, 100);
$betterRandom = mt_rand(1, 100); // Mersenne Twister
// CSPRNG: bezpieczne (od PHP 7.0)
$secureInt = random_int(1, 100);
$secureBytes = random_bytes(16);
$token = bin2hex(random_bytes(32)); // token do linku albo sesji // PRNG: Math.random(), nie do zastosowań związanych z bezpieczeństwem
const random = Math.random();
const randomInt = Math.floor(Math.random() * 100) + 1;
// CSPRNG w przeglądarce
const array = new Uint32Array(1);
crypto.getRandomValues(array);
// CSPRNG w Node.js
const { randomBytes, randomInt: secureInt } = require('crypto');
const secureBuffer = randomBytes(16);
const secureNumber = secureInt(1, 101); // 1–100 import random
import secrets
# PRNG: moduł random
random_num = random.randint(1, 100)
random_element = random.choice(['a', 'b', 'c'])
# CSPRNG: moduł secrets (od Pythona 3.6)
secure_num = secrets.randbelow(100) + 1
secure_token = secrets.token_hex(16)
secure_choice = secrets.choice(['a', 'b', 'c']) import java.util.Random;
import java.security.SecureRandom;
// PRNG
Random rand = new Random();
int randomNum = rand.nextInt(100) + 1;
// CSPRNG
SecureRandom secureRand = new SecureRandom();
int secureNum = secureRand.nextInt(100) + 1;
byte[] randomBytes = new byte[16];
secureRand.nextBytes(randomBytes); Niezależnie od języka obowiązuje ta sama zasada: tokeny, klucze, hasła i sól do haszowania twórz wyłącznie funkcjami kryptograficznymi.
Często zadawane pytania
Czym różni się PRNG od TRNG?
PRNG to algorytm: z tego samego ziarna zawsze daje ten sam ciąg liczb. TRNG mierzy zjawisko fizyczne, np. szum w układzie elektronicznym, więc jego wyniku nie da się odtworzyć ani wyliczyć.
PRNG jest szybki i nie potrzebuje specjalnego sprzętu. TRNG jest wolniejszy i zwykle służy do tego, żeby dostarczyć nieprzewidywalnego ziarna innym generatorom.
Kiedy użyć CSPRNG zamiast zwykłego PRNG?
Zawsze wtedy, gdy od nieprzewidywalności liczby zależy bezpieczeństwo: przy tokenach sesji, kluczach, hasłach jednorazowych, soli do haszowania haseł i linkach do resetu hasła. Z takiego źródła korzysta nasz generator haseł.
Do gier, symulacji, testów i wizualizacji wystarczy zwykły PRNG.
Czy Math.random() w JavaScript jest bezpieczny?
Nie do zastosowań związanych z bezpieczeństwem. To zwykły generator pseudolosowy, a jego kolejne wyniki da się w pewnych warunkach przewidzieć.
W przeglądarce używaj crypto.getRandomValues(), a w Node.js modułu crypto. Obie funkcje korzystają z generatora kryptograficznego systemu operacyjnego.
Co to jest ziarno (seed)?
Wartość początkowa, od której generator pseudolosowy zaczyna liczyć. To samo ziarno zawsze daje ten sam ciąg, co ułatwia powtarzanie testów i symulacji.
Jeśli ktoś pozna albo zgadnie ziarno, pozna też cały ciąg. Dlatego do zastosowań wymagających bezpieczeństwa ziarno pochodzi z entropii zebranej przez system operacyjny, a nie np. z aktualnej godziny.
Jakie funkcje PHP generują bezpieczne liczby losowe?
random_int() zwraca bezpieczną liczbę całkowitą z zakresu, a random_bytes() ciąg losowych bajtów. Obie są dostępne od PHP 7.0.
Funkcji rand() i mt_rand() nie używaj tam, gdzie liczy się bezpieczeństwo.
Skąd komputer bierze losowość?
System operacyjny zbiera entropię ze zdarzeń, których nie da się przewidzieć, np. z dokładnych czasów przerwań sprzętowych, i ze sprzętowego generatora procesora, jeśli taki jest. Tą entropią zasila kryptograficzny generator, z którego korzystają programy.
Więcej o tym, jak programy losują liczby, przeczytasz w artykule o algorytmach losowania w komputerach.