我必须建立一个One Time Pad系统，为此，我必须建立自己的TRNG。我想知道如何制作记录大气噪声并使用它来生成随机数。到目前为止，我已经尝试过记录.wav文件并用Java读取它，但这些值似乎并非随机。有什么建议？我知道Random.org，但是我不能真正使用他们的发生器，我必须建立自己的发生器，所以我想要的是对Random.org上的人如何构建他们的数字生成器的一些见解，大气噪声作为一个“随机性”的来源。
您可以做的是在进入之前录制房间周围的音频并保存临时WAV文件。如果你知道WAV文件是如何工作的，它基于RIFF规范。然后剥去长度为44个字节的WAV标头。然后读取音频字节并根据您是否要生成WORDS，DWORDS或BYTES进行正确的转换，这取决于您。然后你应该有一些随机值来使用。然后相应地使用这些随机值。
因为我不知道你是想用Java还是其他语言来编程。另外，我不知道预定的平台;所以我不推荐你任何实时音频处理库。
对于C＃，您可以使用NAudio，您可以实时录制音频并接收音频字节。然后你可以将音频字节转换为DWORD，QWORD，WORD等。你应该能够有一些随机值。记住停止记录并在生成随机数时停止释放非托管资源。
答案是未知的，可能是故意的。虽然很难确定，该网站似乎是慈善和营利工作的结合。每个无线电源仅产生几Kbps的随机数据。他如何在许多链接中描述它，我没有看到CSRNG的证据。没关系。对于OTP目的，如果它不是真正随机的，那么它是一个美化的流密码。 （我想这就是布鲁斯和其他人一直说的话。）
我发现很难回想起一个好的CSRNG何时被打破。我建议您使用类似ISAAC或正确实现的块/流密码。完美的纸质密码就是这样做的。使用Fortuna结构和Fortuna的内部结构，使用上述密码/算法生成大部分随机数据。 Fortuna系统可以定期向TRNG注入数据。预算上最好的TRNG是random.org和本地生成的东西。最便宜的硬件解决方案是带VIA Padlock的VIA Artigo主板（TRNG + SHA-1，SHA256，AES和RSA加速），售价300美元。他们也有图书馆来帮助你使用东西。 （甚至有一个伪TRNG在网络负载下使用处理器时序。）
请记住，加密通常是链中最强的链接。系统安全性存在于许多层面：处理器，固件，外围固件（esp DMA），内核模式代码，操作系统，可信中间件或OS功能，应用程序。整体安全包括用户，政策，物理安全，EMSEC等。任何担心RNG过多的人通常会浪费精力。只需使用我接受的解决方案或上面提到的内容。然后，专注于其余部分。特别是人与系统的互动方式。配置，修补，操作系统选择，策略。大多数问题都发生在那
我记得random.org上的一篇文章，我现在似乎无法找到。我都记得他们使用了他们测量的噪音。 MSB肯定不是随机的。然后根据lsb生成一个1和0的字符串。不要像简单的二进制转换那样做一些愚蠢的事情，这是行不通的。您可能必须以二进制方式对噪声进行采样，以使lsb的分布具有更均匀的采样。
他们用来确保均匀分布的技巧是不使用这个1和0的字符串作为随机数。相反，他们会一次解析字符串，2位。每次匹配（即00或11）时，他们在随机字符串中添加1。每次比特翻转（即01或10）时，他们在随机字符串中添加0。
如果您自己制作TRNG，请务必进行验证！
从软件中获取真正的随机数几乎是不可能的。甚至wav文件中的静态也可能受到计算机产生的周期性EMI的影响，因此不是纯粹随机的。
您可以使用特殊硬件还是被迫坚持使用纯软件？为什么伪随机数不能满足您的需求？他们会在相对较少的随机样本上做得很好。因为你想在OTP中使用随机数，我猜你不会大规模使用它。
你能提供更多细节吗？
产生随机数的大气噪声方法很复杂，因为大气中充满了非随机信号，所有信号都会污染你寻找的熵。有一种更简单的方法。
假设您拥有基于英特尔Ivy Bridge的Core / Xeon处理器，并且可以在2012年4月上市，那么您的CPU已经包含了一个真正的随机数生成器。（新的Haswell架构也具有此功能）。
英特尔的随机发生器利用不稳定数字电路内部热噪声的随机效应。热噪声只是随机原子振动，这与Random.org在采样大气噪声时使用的基本物理现象几乎相同。采样的随机位经过复杂的调节和测试过程，以消除非随机信号的污染。我强烈推荐使用this excellent article on IEEE Spectrum来详细描述这个过程。
英特尔添加了一个名为RDRAND的新x86指令，允许程序直接检索这些随机数。虽然Java还不支持直接访问RDRAND，但可以使用JNI。这是我用drnglib project采取的方法。例如：
DigitalRandom random = new DigitalRandom();
System.out.println(random.nextInt());
nextInt()方法实现为调用RDRAND的JNI本机调用。考虑到随机性的质量，性能非常好。使用8个线程，我生成了约760 MB /秒的随机数据。
真随机数发生器（TRNG）通常来自地震信号，非静态生物信号等自然资源。这些发生器面临的两个问题是：1）数据点分布不均匀2）需要很长时间生成大量数字的时间（特别是当需求为数百万时）。然而，他们最重要的优势是他们不可预测的性质。为了克服它们的问题并保持其优势，最好将TRNG的输出融合为种子伪随机数发生器。为此，您可以尝试在随机时间点使用大气噪声的幅度值，并使用它来播种PRNG。这将帮助您获得大量均匀分布的值。由于种子不可预测，PRNG的输出也变得不可预测。