推荐使用 Randen:高效、安全的随机数生成器
项目介绍
Randen 是一款高性能、攻击抗性随机数生成器,它利用了硬件加速的 AES 算法和大型 Feistel 混乱函数,提供了一种默认安全的解决方案,而不增加过多的 CPU 开销。与现有流行随机数生成器如 MT19937、pcg64_c32、Philox 和 ChaCha8 相比,Randen 在实际应用中的表现更佳。
技术分析
Randen 的设计基于三种现有组件:
-
Reverie:一种类似于海绵结构的生成器,需要一个密码学上的混淆函数。它可以仅通过一次混淆函数调用来实现回溯抵抗力。
-
Simpira v2:通过改进的 Generalized Feistel 网络构建了多于 1024 位的混淆函数,提高了扩散速度并减少了对分片双连攻击的脆弱性。
-
2048 位混淆函数的扩展:借鉴了“新扩散性质标准”中的方法,实现了更高效的大型混淆网络。
这三者结合,将更大规模的 Simpira 类似混淆函数用于 Reverie,以增强安全性并提高性能。
应用场景
Randen 可广泛应用于需要高质量随机数的领域,包括但不限于:
- 加密算法:如在 TLS 或 SSH 中生成非对称密钥。
- 数据模拟和统计分析。
- 游戏开发中的随机事件生成。
- 机器学习中的权重初始化。
性能测试
Randen 在多种架构(如 x86、POWER 8 和 ARM64)上进行了微基准和真实世界基准测试。结果显示,在 X86 平台上,无论是以随机字节生成的循环计时还是在实际的 reservoir-sampling 测试中,Randen 都显著优于其他流行的随机数生成器,包括 pcg64_c32 和 mt19937_64。
安全保障
Randen 提供了不可区分性为随机且具有回溯抵抗力的安全保证。其详细的安全性和性能评估可在相关论文 "Randen - 快速回溯抵抗随机生成器,带有 AES+Feistel+Reverie" 中找到。
使用指南
只需执行 make && bin/randen_benchmark
即可运行示例程序进行基准测试。请注意,代码依赖于编译器优化,因此编译配置可能会影响性能。
第三方实现与绑定
该项目也得到了第三方开发者的支持,提供了如 C 语言等不同语言的实现或绑定。有兴趣的开发者可以参与到这个社区,共同推进 Randen 的发展。
结语
虽然 Randen 还不是一个官方的 Google 产品,但它已经在安全性和性能上树立了一个新的标杆。如果你正在寻找一款快速、可靠的随机数生成器,那么 Randen 绝对值得你考虑。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~088CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava05GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









