什么是os.urandom（）和随机的区别？

Question

在随机模块python page (Link Here)上有这个警告：

警告：不应将此模块的伪随机生成器用于安全目的。如果需要加密安全的伪随机数生成器，请使用os.urandom（）或SystemRandom。

• 那么os.urandom（）和随机的区别是什么？
• 一个比一个更接近真正的随机吗？
• 在非加密实例中，安全随机是否会过度杀伤？
• python中还有其他随机模块吗？

Answer 1

您可以阅读加密安全RNG in this fantastic answer over at Crypto.SE的区别。

random和系统RNG（如urandom）之间的主要区别是用例之一。 random实施确定性PRNG。在某些情况下，您确实需要这些。例如，当您有一个想要测试的随机元素的算法时，您需要这些测试是可重复的。在这种情况下，您需要一个可以播种的确定性PRNG。

另一方面，urandom不能播种，并从许多不可预测的来源中获取其熵源，使其更加随机。

真正的随机性还有其他东西，你需要一个物理来源的随机性，就像测量原子衰变的东西一样;这在物理意义上是真正随机的，但对于大多数应用来说通常都是过度杀伤力。

Answer 2

那么os.urandom（）和随机的区别是什么？

随机本身是可预测的。这意味着给定相同的种子，随机生成的数字序列是相同的。看看this question以获得更好的解释。 This question也说明比随机不是真正的随机。

对于大多数编程语言来说通常就是这种情况 - 随机数的生成并不是真正随机的。如果不考虑加密安全性，或者您希望生成相同的数字模式，则可以使用这些数字。

一个比一个更接近真正的随机吗？

不知道如何回答这个问题，因为无法生成真正的随机数。有关更多信息，请查看this article或this question。

由于随机生成一个可重复的模式，我会说os.urandom()肯定更“随机”

在非加密实例中，安全随机是否会过度杀伤？

我写了以下函数，似乎没有太大的时间差异。但是，如果您不需要加密安全数字，那么使用os.urandom()并没有多大意义。再次归结为用例，你想要一个可重复的模式，你想要你的数字“随机”等等吗？

import time
import os
import random


def generate_random_numbers(x): 
  start = time.time()
  random_numbers = []
  for _ in range(x):
    random_numbers.append(random.randrange(1,10,1))
  end = time.time()
  print(end - start)


def generate_secure_randoms(x):
  start = time.time()
  random_numbers = []
  for _ in range(x):
    random_numbers.append(os.urandom(1))
  end = time.time()
  print(end - start)


generate_random_numbers(10000)
generate_secure_randoms(10000)

结果：

0.016040563583374023
0.013456106185913086

python中还有其他随机模块吗？

Python 3.6引入了新的secrets module