什么更随机，hashlib 或 urandom？答案

【问题标题】：Whats more random, hashlib or urandom?什么更随机，hashlib 或 urandom？
【发布时间】：2012-05-07 15:21:19
【问题描述】：

我正在和一个朋友一起做一个项目，我们需要生成一个随机散列。在我们有时间讨论之前，我们都提出了不同的方法，并且因为他们使用不同的模块，所以我想问大家什么会更好——如果有这样的事情。

hashlib.sha1(str(random.random())).hexdigest()

或

os.urandom(16).encode('hex')

输入这个问题让我觉得第二种方法更好。简单胜于复杂。如果您同意，这对于“随机”生成哈希有多可靠？我将如何测试这个？

【问题讨论】：

【解决方案1】：

这个解决方案：

os.urandom(16).encode('hex')

是最好的，因为它uses the OS 生成随机性，应该可用于加密目的（取决于操作系统实现）。

random.random() 生成 pseudo-random values。

散列一个随机值不会增加任何新的随机性。

【讨论】：

这些都是非常好的答案。谢谢。
@greengit：上面的小sn-p很有可能（非常高）是针对Python 2.x版本（未在3.x中测试）
这通常是正确的，除非在少数情况下，包括新启动的系统缺乏随机池（熵）来生成高质量的随机数，或者当池被大量调用耗尽时（不要问有多大，因为我不是专家）。攻击者也可以利用后者使随机性更可预测（例如，创建大量需要随机盐的帐户）。所以除非你需要一个加密安全的随机数，否则你应该避免使用os.urandom，并且还要确保它不会被滥用。
请注意，python 的 random.SystemRandom[1] 类提供与 random.* 相同的 api 接口，但依赖于 urandom。 [1]docs.python.org/2/library/random.html#random.SystemRandom
@CristopheD：试试base64.b64encode(os.urandom(16))

【解决方案2】：

random.random() 是一个伪 radmom 生成器，这意味着数字是从一个序列中生成的。如果你调用random.seed(some_number)，那么之后生成的序列总是一样的。

os.urandom() 从 os 的 rng 中获取随机数，它使用熵池来收集真正的随机数，通常通过来自硬件设备的随机事件，甚至存在用于具有大量随机数的系统的随机特殊熵生成器已生成。

在 unix 系统上，传统上有两个随机数生成器：/dev/random 和 /dev/urandom。如果没有足够的熵可用，则调用第一个块，而当您阅读 /dev/urandom 并且没有足够的熵数据可用时，它使用伪 rng 并且不会阻塞。

所以使用通常取决于您需要什么：如果您需要一些均匀分布的随机数，那么内置的 prng 应该就足够了。对于加密用途，使用实数随机数总是更好。

【讨论】：

【解决方案3】：

第二个解决方案显然比第一个解决方案有更多的熵。假设os.urandom 和random.random 的随机位源的质量相同：

更重要的是，来自os.urandom 的随机性质量预计和记录的质量比来自random.random 的随机性要好得多。 os.urandom 的文档字符串说“适合加密使用”。

【讨论】：

【解决方案4】：

测试随机性是出了名的困难 - 但是，我会选择第二种方法，但仅在这种情况下（或者，仅在想到的情况下），其中哈希是由随机数播种的。

哈希的全部意义在于根据输入的细微差异创建一个截然不同的数字。对于您的用例，输入的随机性应该可以。但是，如果您想对文件进行哈希处理并检测一个 eensy 字节的差异，那就是哈希算法大放异彩的时候了。

不过，我只是好奇：为什么要使用哈希算法？看来您正在寻找一个纯粹的随机数，并且有很多生成 uuid 的库，它们比随机数生成器具有更强的唯一性保证。

【讨论】：

【解决方案5】：

如果你想要一个唯一标识符（uuid），那么你应该使用

import uuid
uuid.uuid4().hex

【讨论】：