Generatory liczb losowych, pseudolosowych i kryptograficznych

Generatory liczb losowych dzielą się na trzy główne kategorie, które różnią się zasadą działania, szybkością, poziomem bezpieczeństwa i zastosowaniami.

Każdy z tych typów ma unikalne cechy, zalety i ograniczenia. W kolejnych sekcjach przyjrzymy się każdemu z nich szczegółowo, porównamy je ze sobą i pokażemy konkretne implementacje w popularnych językach programowania.

Generatory pseudolosowe (PRNG) to algorytmy komputerowe produkujące sekwencje liczb, które statystycznie przypominają losowe. Są w pełni deterministyczne – podając to samo ziarno początkowe (seed), zawsze otrzymamy identyczną sekwencję. To zarówno ich największa zaleta (powtarzalność w testach), jak i wada (przewidywalność).

Większość PRNG działa według prostego schematu: przyjmują wartość początkową, stosują wzór matematyczny do jej przekształcenia, produkują liczbę pseudolosową, a nowy stan wewnętrzny staje się punktem wyjścia dla następnej liczby. Popularne algorytmy to Linear Congruential Generator (LCG), Mersenne Twister i Xorshift.

Zastosowania PRNG

Generatory pseudolosowe świetnie sprawdzają się w zastosowaniach, gdzie szybkość jest ważniejsza niż nieprzewidywalność: generowanie losowych poziomów w grach, symulacje Monte Carlo, modelowanie statystyczne, walidacja krzyżowa w uczeniu maszynowym, testy oprogramowania (fuzzing) czy generowanie danych testowych. Jeśli chcesz szybko wylosować liczby do eksperymentu lub zabawy, nasz generator liczb wykorzystuje właśnie szybki algorytm pseudolosowy.

Przykład implementacji LCG

Poniżej prosty przykład Linear Congruential Generator – jednego z najstarszych algorytmów PRNG:

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 zakresu 0-1
}

simpleLCG(42);                    // inicjalizacja z ziarnem
$random = simpleLCG() * 100;     // losowa liczba 0-100

Powyższy przykład służy celom edukacyjnym. W praktyce należy korzystać z wbudowanych funkcji generowania liczb, takich jak mt_rand() w PHP czy Math.random() w JavaScript.

Generatory prawdziwie losowe (TRNG) to urządzenia lub systemy generujące liczby na podstawie fizycznych zjawisk losowych – nieprzewidywalnych i niemożliwych do kontrolowania. W przeciwieństwie do PRNG, produkowane liczby są naprawdę losowe i nie da się ich odtworzyć.

TRNG czerpią losowość (entropię) z różnych fizycznych źródeł. Typowy system składa się z czujnika mierzącego zjawisko fizyczne, konwertera analogowo-cyfrowego oraz układu przetwarzającego surowe dane na użyteczne liczby losowe.

Przykłady rzeczywistych TRNG

Random.org to popularny serwis wykorzystujący atmosferyczne szumy radiowe do generowania prawdziwie losowych liczb, dostępnych przez API. Intel RDRAND to generator sprzętowy wbudowany w nowsze procesory Intel, czerpiący entropię z szumu elektronicznego. Quantis firmy ID Quantique to komercyjny generator kwantowy wykorzystujący zjawiska fizyki kwantowej. TRNG stosuje się głównie w krytycznych zastosowaniach kryptograficznych, legalnych loteriach państwowych, certyfikowanych kasynach i randomizowanych badaniach klinicznych.

Generatory kryptograficznie bezpieczne (CSPRNG) to specjalna kategoria generatorów pseudolosowych, łącząca szybkość PRNG z bezpieczeństwem zbliżonym do TRNG. Aby generator mógł być uznany za kryptograficznie bezpieczny, musi spełniać kilka warunków.

CSPRNG często łączą algorytmiczne generowanie z okresowym „dostrzykiwaniem" prawdziwej entropii ze źródeł sprzętowych, tworząc systemy hybrydowe. Stosuje się je w protokołach TLS/SSL, generowaniu tokenów sesji, uwierzytelnianiu dwuskładnikowym (2FA), systemach płatności elektronicznych, kryptowalutach i bankowości internetowej.

W systemach operacyjnych CSPRNG jest dostępny jako /dev/urandom w Linuxie, CryptGenRandom w Windows oraz jako randomizacja przestrzeni adresowej (ASLR) chroniąca przed atakami na pamięć. Jeśli interesuje Cię bezpieczeństwo haseł, sprawdź nasz generator haseł, który korzysta z kryptograficznie bezpiecznego źródła losowości.

Poniższa tabela zestawia kluczowe cechy trzech typów generatorów, co ułatwia wybór odpowiedniego rozwiązania.

Który generator wybrać?

PRNG – wybierz do gier, prostych aplikacji, symulacji naukowych i generowania danych testowych, gdzie szybkość jest ważniejsza niż nieprzewidywalność. TRNG – wybierz dla krytycznych zastosowań kryptograficznych, loterii z dużymi nagrodami i systemów wymagających najwyższego poziomu bezpieczeństwa. CSPRNG – wybierz do tokenów sesji, kluczy tymczasowych, haseł jednorazowych i większości zastosowań związanych z bezpieczeństwem – oferuje dobry kompromis między wydajnością a ochroną.

Generatory liczb losowych są wszechobecne we współczesnej technologii. Poniżej najważniejsze obszary, w których odgrywają kluczową rolę.

Więcej o roli losowości we współczesnych technologiach przeczytasz w artykule o liczbach losowych w uczeniu maszynowym i sztucznej inteligencji. Historię rozwoju generatorów losowych opisaliśmy w osobnym artykule o historii generatorów liczb losowych.

Każdy język programowania oferuje zarówno zwykłe generatory pseudolosowe, jak i funkcje kryptograficznie bezpieczne. Poniżej przegląd najważniejszych.

PHP

// PRNG – szybkie, ale nie kryptograficzne
$random = rand(1, 100);
$betterRandom = mt_rand(1, 100);        // Mersenne Twister

// CSPRNG – kryptograficznie bezpieczne (od PHP 7.0)
$secureInt = random_int(1, 100);
$secureBytes = random_bytes(16);
$token = bin2hex(random_bytes(32));      // bezpieczny token

JavaScript

// PRNG – Math.random() (NIE do celów bezpieczeństwa)
const random = Math.random();
const randomInt = Math.floor(Math.random() * 100) + 1;

// CSPRNG – przeglądarka
const array = new Uint32Array(1);
window.crypto.getRandomValues(array);

// CSPRNG – Node.js
const crypto = require('crypto');
const secureBuffer = crypto.randomBytes(16);

Python

import random
import secrets

# PRNG – moduł random
random_num = random.randint(1, 100)
random_float = random.random()
random_element = random.choice(['a', 'b', 'c'])

# CSPRNG – moduł secrets (od Python 3.6)
secure_num = secrets.randbelow(100) + 1
secure_token = secrets.token_hex(16)
secure_choice = secrets.choice(['a', 'b', 'c'])

Java

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, zasada jest zawsze ta sama: do celów bezpieczeństwa (tokeny, klucze, hasła, sól) używaj wyłącznie funkcji kryptograficznie bezpiecznych, nigdy zwykłych generatorów pseudolosowych.