Ric*_*ard 106 c++ random c++11
我似乎看到很多答案,有人建议使用它<random>来生成随机数,通常伴随着这样的代码:
std::random_device rd;
std::mt19937 gen(rd());
std::uniform_int_distribution<> dis(0, 5);
dis(gen);
通常这会取代某种"邪恶的憎恶",例如:
srand(time(NULL));
rand()%6;
我们可能会批评旧的方式,认为time(NULL)提供低熵,time(NULL)可预测,最终结果是不均匀的.
但所有这一切都适用于新的方式:它只有一个更光亮的贴面.
rd()返回一个unsigned int.这至少有16位,可能是32位.这还不足以为MT的19937位状态提供种子.
使用std::mt19937 gen(rd());gen()(以32位播种并查看第一个输出)不能提供良好的输出分布.7和13永远不会是第一个输出.两粒种子产生0.十二粒种子产生1226181350.(链接)
std::random_device可以(有时是)实现为具有固定种子的简单PRNG.因此,它可能在每次运行时产生相同的序列.(链接)这甚至比time(NULL).
更糟糕的是,尽管存在它们包含的问题,但复制和粘贴上述代码片段非常容易.对此的一些解决方案需要获得可能不适合每个人的大型 库.
鉴于此,我的问题是如何在C++中简洁,便携,彻底地播种mt19937 PRNG？
鉴于上述问题,一个很好的答案:
std::random_device或time(NULL)作为熵的来源.思考
Ale*_*agh 56
我认为最大的缺陷std::random_device是,如果没有可用的CSPRNG,它将被允许确定性回退.仅这一点是不使用PRNG种子的一个很好的理由std::random_device,因为产生的字节可能是确定性的.遗憾的是,它不提供API来查明何时发生这种情况,或者请求失败而不是低质量的随机数.
也就是说,没有完全可移植的解决方案:但是,有一种体面的,最小的方法.您可以使用CSPRNG(定义sysrandom如下)的最小包装来为PRNG播种.
您可以信赖CryptGenRandomCSPRNG.例如,您可以使用以下代码:
bool acquire_context(HCRYPTPROV *ctx)
{
if (!CryptAcquireContext(ctx, nullptr, nullptr, PROV_RSA_FULL, 0)) {
return CryptAcquireContext(ctx, nullptr, nullptr, PROV_RSA_FULL, CRYPT_NEWKEYSET);
}
return true;
}
size_t sysrandom(void* dst, size_t dstlen)
{
HCRYPTPROV ctx;
if (!acquire_context(&ctx)) {
throw std::runtime_error("Unable to initialize Win32 crypt library.");
}
BYTE* buffer = reinterpret_cast<BYTE*>(dst);
if(!CryptGenRandom(ctx, dstlen, buffer)) {
throw std::runtime_error("Unable to generate random bytes.");
}
if (!CryptReleaseContext(ctx, 0)) {
throw std::runtime_error("Unable to release Win32 crypt library.");
}
return dstlen;
}
在许多类Unix系统上,应尽可能使用/ dev/urandom(尽管不能保证在POSIX兼容系统上存在).
size_t sysrandom(void* dst, size_t dstlen)
{
char* buffer = reinterpret_cast<char*>(dst);
std::ifstream stream("/dev/urandom", std::ios_base::binary | std::ios_base::in);
stream.read(buffer, dstlen);
return dstlen;
}
如果没有可用的CSPRNG,您可以选择依赖std::random_device.但是,如果可能的话,我会避免这种情况,因为各种编译器(最值得注意的是,MinGW)将它作为PRNG实现(实际上,每次产生相同的序列以提醒人们它不是随机的).
现在我们有了最小的开销,我们可以生成所需的随机熵位来为我们的PRNG播种.该示例使用(显然不足)32位来为PRNG播种,您应该增加此值(这取决于您的CSPRNG).
std::uint_least32_t seed;
sysrandom(&seed, sizeof(seed));
std::mt19937 gen(seed);
在快速查看源代码之后,我们可以看到boost :: random_device(一个真正的CSPRNG)的相似之处.Boost MS_DEF_PROV在Windows上使用,它是提供者类型PROV_RSA_FULL.唯一缺少的就是验证加密上下文,这可以完成CRYPT_VERIFYCONTEXT.在*Nix上,Boost使用/dev/urandom.IE,这个解决方案是便携式的,经过良好测试,易于使用.
如果您愿意牺牲简洁性来保证安全性,getrandom那么在Linux 3.17及更高版本以及最近的Solaris上是一个很好的选择.getrandom行为完全相同/dev/urandom,除非它在启动后内核尚未初始化其CSPRNG时阻塞.以下代码段检测Linux getrandom是否可用,如果没有,则回退到/dev/urandom.
#if defined(__linux__) || defined(linux) || defined(__linux)
# // Check the kernel version. `getrandom` is only Linux 3.17 and above.
# include <linux/version.h>
# if LINUX_VERSION_CODE >= KERNEL_VERSION(3,17,0)
# define HAVE_GETRANDOM
# endif
#endif
// also requires glibc 2.25 for the libc wrapper
#if defined(HAVE_GETRANDOM)
# include <sys/syscall.h>
# include <linux/random.h>
size_t sysrandom(void* dst, size_t dstlen)
{
int bytes = syscall(SYS_getrandom, dst, dstlen, 0);
if (bytes != dstlen) {
throw std::runtime_error("Unable to read N bytes from CSPRNG.");
}
return dstlen;
}
#elif defined(_WIN32)
// Windows sysrandom here.
#else
// POSIX sysrandom here.
#endif
最后一个警告:现代OpenBSD没有/dev/urandom.你应该使用getentropy.
#if defined(__OpenBSD__)
# define HAVE_GETENTROPY
#endif
#if defined(HAVE_GETENTROPY)
# include <unistd.h>
size_t sysrandom(void* dst, size_t dstlen)
{
int bytes = getentropy(dst, dstlen);
if (bytes != dstlen) {
throw std::runtime_error("Unable to read N bytes from CSPRNG.");
}
return dstlen;
}
#endif
如果您需要加密安全的随机字节,您应该用POSIX的无缓冲打开/读取/关闭替换fstream.这是因为两者basic_filebuf并FILE包含一个内部缓冲器,这将通过标准的分配器被分配(因此不从存储器擦拭).
这可以通过更改sysrandom为:
size_t sysrandom(void* dst, size_t dstlen)
{
int fd = open("/dev/urandom", O_RDONLY);
if (fd == -1) {
throw std::runtime_error("Unable to open /dev/urandom.");
}
if (read(fd, dst, dstlen) != dstlen) {
close(fd);
throw std::runtime_error("Unable to read N bytes from CSPRNG.");
}
close(fd);
return dstlen;
}
特别感谢Ben Voigt指出FILE使用缓冲读取,因此不应使用.
我还要感谢Peter Cordes的提及getrandom,以及OpenBSD的缺乏/dev/urandom.
ein*_*ica 22
从某种意义上说,这不可能是便携式的.也就是说,人们可以设想一个运行C++的有效的完全确定性平台(例如,一个模拟器,它确定性地处理机器时钟,并且具有"确定的"I/O),其中没有随机性来源PRNG.
rat*_*eak 12
您可以使用a std::seed_seq并使用Alexander Huszagh的获取熵的方法将其填充到生成器的至少所需状态大小:
size_t sysrandom(void* dst, size_t dstlen); //from Alexander Huszagh answer above
void foo(){
std::uint_fast32_t[std::mt19937::state_size] state;
sysrandom(state, sizeof(state));
std::seed_seq s(std::begin(state), std::end(state));
std::mt19937 g;
g.seed(s);
}
如果有填充或创建一个适当的方式SeedSequence从UniformRandomBitGenerator在使用标准库std::random_device播种正确就会简单得多.
我正在处理的实现利用PRNG的state_size属性mt19937来决定在初始化时提供多少种子：
using Generator = std::mt19937;
inline
auto const& random_data()
{
thread_local static std::array<typename Generator::result_type, Generator::state_size> data;
thread_local static std::random_device rd;
std::generate(std::begin(data), std::end(data), std::ref(rd));
return data;
}
inline
Generator& random_generator()
{
auto const& data = random_data();
thread_local static std::seed_seq seeds(std::begin(data), std::end(data));
thread_local static Generator gen{seeds};
return gen;
}
template<typename Number>
Number random_number(Number from, Number to)
{
using Distribution = typename std::conditional
<
std::is_integral<Number>::value,
std::uniform_int_distribution<Number>,
std::uniform_real_distribution<Number>
>::type;
thread_local static Distribution dist;
return dist(random_generator(), typename Distribution::param_type{from, to});
}
我认为还有改进的余地，因为std::random_device::result_type可能std::mt19937::result_type在大小和范围上有所不同，所以应该真正考虑到这一点。
根据C++11(/14/17)标准：
26.5.6类 random_device [ rand.device ]
2如果实现限制阻止生成非确定性随机数，则实现可以使用随机数引擎。
这意味着如果通过某些限制阻止生成非确定性值，则实现可能仅生成确定性值。
众所周知，MinGW编译器Windows不提供来自其的非确定性值std::random_device，尽管它们很容易从操作系统中获得。所以我认为这是一个错误，不太可能跨实现和平台普遍发生。
| 归档时间： |
|
| 查看次数： |
7189 次 |
| 最近记录： |