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 StartedRust0152- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112