什么是随机性和随机数？

前段时间开始对可验证的随机函数（VRF）产生兴趣，在几个知名的公链项目中起到了很大的作用，比如 Dfinity、Algorand、Cardano 等，都在研究和实践。看了几篇文章，发现涉及的内容比较多，所以打算一边输入一边整理和输出。

这篇文章主要来分析下，什么是随机性和随机数，它是如何产生的，有什么作用等等。

什么是随机性？

随机性在生活中随处可见，依靠随机性，也可能有很多用例。比如掷骰子，博彩，抽签，歌曲随机播放，短信验证码等等。

那什么是随机性呢？

维基百科中这样定义：

/中文版
随机性（英语：Randomness）这个词是用来表达目的、动机、规则或一些非科学用法的可预测性的缺失。

/英文版
随机性是事件中缺乏模式或可预测性。事件、符号或步骤的随机序列没有顺序，也没有遵循可理解的模式或组合。

这里想吐槽下，中文版给的定义是认真的吗，完全不知所云。英文版给出的定义更容易被接受，随机性是一个没有规律不可预测的状态。

不过在维基百科中，也通过一个例子来说明，频率某些时候或许不是完全随机性的。例如，当掷出两个骰子时，任何特定掷骰的结果都是不可预测的，但是 7 的总和将是 4 的两倍。

也就是说，在这种情况中，随机性是对结果不确定性的度量，而不是随意性。

随机性有哪些标准？

那随机性都有哪些呢，想刚所说的掷骰子，是否不能称之为随机性呢？

根据密码学原理，随机性检验可以分为三个标准：

1、统计学伪随机性。

统计学伪随机性指的是在给定的随机样本中，1的数量大致等于0的数量。比如“10”“01”“00”“11”四者数量大致相等。类似的标准被称为统计学随机性。

满足这类要求的随机性，“一眼看上去”是随机的。

2、密码学安全伪随机性。

其定义为，给定随机样本的一部分和随机算法，不能有效的演算出随机样本的剩余部分。

（没太看懂，是指的不可预测其他部分吗？）

3、真随机性。

其定义为随机样本不可重现。实际上衹要给定边界条件，真随机数并不存在，可是如果产生一个真随机数样本的边界条件十分复杂且难以捕捉（比如计算机当地的本底辐射波动值），可以认为用这个方法演算出来了真随机数。但实际上，这也只是非常接近真随机数的伪随机数，一般认为，无论是本地辐射、物理噪音、抛硬币……等都是可被观察了解的，任何基于经典力学产生的随机数，都只是伪随机数。

随机性最简单的表现方式就是随机数，比如掷骰子，1 和 6 在下一轮中，是不可预测的。

什么是随机数？

随机数在不同领域有不同的解释，可以简单理解为随机的数字，在讨论单个数字时，随机数是从一组可能的值中提取的，每个可能的值是同样可能的，即均匀分布。

相应的，随机数也分为三类：

伪随机数：满足第一个条件的随机数。
密码学安全的伪随机数：同时满足前两个条件的随机数。可以通过密码学安全伪随机数生成器计算得出。
真随机数：同时满足三个条件的随机数。

随机数可用于各种目的，例如生成数据加密密钥，模拟和建模复杂现象以及从较大数据集中选择随机样本。它们也在美学上被用于例如文学和音乐中，并且当然在游戏和赌博中受欢迎。

随机数是如何生成的？

浅谈真随机和伪随机

随机性有什么用处？

参考
https://en.wikipedia.org/wiki/Randomness
https://www.random.org/randomness/