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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0550
MiniMax-H3MiniMax H3 是一个通用的全模态生成系统。它支持对由文本、图像、视频和音频组成的多模态上下文进行统一理解,并能生成分辨率高达 2K、时长可达 15 秒的带原生立体声音频的视频。得益于面向任务泛化的系统设计,H3 在预训练阶段就已具备广泛的多模态上下文理解与生成能力,能够出色地执行复杂的多模态指令。Python00
DataFlow基于大模型算子和工作流的高效文本大模型训练数据合成框架Python06
doraDORA (Dataflow-Oriented Robotic Architecture 面向数据流的机器人架构) 是为 AI 与具身智能机器人打造的高性能开发框架,以数据流范式重构开发逻辑,原生支持分布式部署与端边云协同 —— 无需复杂适配,即可实现一体端到端具身大小脑、VLA等模型部署,无缝衔接感知、推理、控制全链路,让 AI 能力与机器人动作深度融合。 依托 Rust 内核与零拷贝通信技术,它将具身大小脑、VLA等模型推理、多模态数据融合延迟压缩至微秒级,同时兼容 ROS2 生态与国产 AI 芯片,彻底降低具身智能机器人的开发门槛,让分布式部署下的 AI 赋能创新更高效、更灵活。Rust01
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
py-xiaozhi基于Python的Xiaozhi AI,适用于想要完整Xiaozhi体验而无需拥有专用硬件的用户。Python01