推荐:Randen——安全高效随机数生成器
2024-05-20 12:31:44作者:廉彬冶Miranda
项目介绍
在软件和密码学领域,强大的随机数生成器是基础且至关重要的。现在,我们很高兴向您介绍 Randen,一个全新的,具备攻击抵抗力的随机数生成器,它以卓越的性能超越了 MT19937, pcg64_c32, Philox, ISAAC 和 ChaCha8 等知名算法。得益于硬件加速的 AES(高级加密标准)和大规模的 Feistel 混合函数,Randen 实现了速度与安全性的完美结合。
项目技术分析
Randen 的设计基于三个核心组件:
- Reverie —— 一种海绵结构的生成器,采用密码学置换,提供回溯阻力,只需一次置换即可处理缓冲区。
- Simpira v2 —— 使用改进的双轮 AES-128 函数构建的大规模 Feistel 网络,增强了扩散效果并减少了被切片双联攻击的风险。
- 2048位扩展 —— 基于“新的扩散性质标准”理论,实现了能够支持更多分支的更高效的2048位置换。
通过将这三者结合,我们创建了一个既安全又快速的随机数生成器,适用于各种高性能场景。
应用场景
Randen 可广泛应用于许多领域,包括但不限于:
- 密码学:为密钥生成、加密过程中的随机化等提供安全的随机数据源。
- 模拟与建模:如物理仿真、金融模型等,需要大量无偏且不可预测的随机数。
- 游戏开发:在环境生成、AI决策等方面确保每次玩家体验的独特性。
- 大数据与机器学习:在样本选择、训练过程的初始化等方面使用。
项目特点
- 高速度:在 x86、POWER 8 和 ARM64 架构上,Randen 在微基准测试和实际应用中表现出显著的性能优势,远优于其他常见随机数生成器。
- 安全性:Randen 提供了与随机数据无法区分的安全保证,并防止了回溯攻击。
- 兼容性:已经过多种处理器架构的优化,能够在不同平台顺畅运行。
- 易用性:简单的编译和调用方式使集成到现有项目变得轻松。
为了验证其性能和安全特性,您可以直接编译并运行提供的 randen_benchmark 工具。
目前,这个项目虽然不是官方谷歌产品,但已引起第三方的兴趣,例如 Frank Denis 开发的 C 语言实现。
总的来说,无论您是开发者还是研究者,Randen 都是一个值得尝试的优秀工具,它将重新定义随机数生成的标准。立即加入,体验 Randen 所带来的强大性能和安全保障吧!
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322