如何获得真正的随机数据，而不是像 CSRNG 那样将随机数据送入 PRNG 种子？
How to get truly random data, not random data fed into a PRNG seed like CSRNG's do?
据我了解，像 RNGCryptoServiceProvider 这样的 CSRNG 仍然通过 PRNG 传递真正随机的用户数据，如鼠标移动等，以对输出进行排序并使其均匀分布。这些位需要完全独立。
（这是针对理论上无限算力的攻击者）
如果 CSRNG 取 1KB 的真正随机数据并将其扩展为 1MB，攻击者所要做的就是生成 1KB 数据的每个组合，扩展它，然后查看哪 1MB 数据生成一次性填充 returns 明智的英语输出。我在某处读到，如果一次一密在 RNG 中的任何地方都有一个 PRNG，那么它只是一个美化的流密码。我想知道真正随机的起始数据是否足够大，可以直接使用而不是加密扩展。我需要一次一密的真正随机输出，而不仅仅是加密安全的 RNG。或者，如果有其他方法可以以某种方式获得真正随机的数据，那么所有位都相互独立。我在考虑与鼠标坐标进行异或几秒钟，然后可能是 Environment.TickCount 的最后一位数字，然后可能还会获得麦克风输入 (1, 2, 3, 4)。然而，正如一些人在 Whosebug 上指出的那样，我真的应该让 OS 来处理这一切。不幸的是，这是不可能的，因为使用了 PSRNG。我想避免使用硬件解决方案，因为这是一个易于使用的程序，并且也不使用 RDRAND，因为它还使用 PRNG（除非 RDRAND 可以 return 真正的随机数据，然后再通过PRNG？？）。如果这样的事情是可能的，将不胜感激；在 RNGCryptoServiceProvider 足以一次性完成的印象下，我已经为此工作了数周。谢谢
（旁注：有人说对于大多数加密函数，您不需要真正的熵，只需要不可预测性。对于一次性一密本，它必须是随机的，否则它不是一次性一密本。）
如您所知，“真正随机”意味着每个位 独立于其他一切 并且均匀分布。然而，这种理想即使不是不可能，也很难在实践中实现。一般来说，在实践中获得“真正随机数据”的最接近方法是从 nondeterministic sources 中收集 hard-to-guess 位，然后将这些位压缩成随机数据块。
要接近“真正的随机数据”涉及很多问题，包括：
- 来源必须是不确定的，也就是说，它们的输出不能由它们的输入决定。非确定性来源的例子包括输入设备的时间；热噪声；以及麦克风和相机输出记录的噪音。
- 消息来源的输出一定很难猜到。这更正式地称为 entropy，例如每 64 位输出有 32 位熵。然而，测量熵绝非易事。如果您需要 1 MB（800 万位）的真正随机数据，则需要具有至少 800 万位熵的数据（根据来源，实际上它的长度将超过 1 MB），然后压缩数据以某种方式转换为 1 MB 的数据，同时保留该熵。
- 来源必须相互独立。
- 应该有两个或更多的独立来源。这是因为不可能仅从一个来源提取完全随机性（参见 McInnes 和 Pinkas 1990）。另一方面，从三个或更多独立来源中提取随机性相对微不足道，但仍然存在选择合适的随机性提取器的问题，随机性提取器的调查将超出本答案的范围。
一般来说，为了生成随机数，可用的来源越多越好。
参考资料：
- McInnes, J. L., & Pinkas, B.（1990 年 8 月）。关于使用弱随机密钥的私钥密码学的不可能性。在密码学理论与应用会议（第 421-435 页）中。
据我了解，像 RNGCryptoServiceProvider 这样的 CSRNG 仍然通过 PRNG 传递真正随机的用户数据，如鼠标移动等，以对输出进行排序并使其均匀分布。这些位需要完全独立。
（这是针对理论上无限算力的攻击者） 如果 CSRNG 取 1KB 的真正随机数据并将其扩展为 1MB，攻击者所要做的就是生成 1KB 数据的每个组合，扩展它，然后查看哪 1MB 数据生成一次性填充 returns 明智的英语输出。我在某处读到，如果一次一密在 RNG 中的任何地方都有一个 PRNG，那么它只是一个美化的流密码。我想知道真正随机的起始数据是否足够大，可以直接使用而不是加密扩展。我需要一次一密的真正随机输出，而不仅仅是加密安全的 RNG。或者，如果有其他方法可以以某种方式获得真正随机的数据，那么所有位都相互独立。我在考虑与鼠标坐标进行异或几秒钟，然后可能是 Environment.TickCount 的最后一位数字，然后可能还会获得麦克风输入 (1, 2, 3, 4)。然而，正如一些人在 Whosebug 上指出的那样，我真的应该让 OS 来处理这一切。不幸的是，这是不可能的，因为使用了 PSRNG。我想避免使用硬件解决方案，因为这是一个易于使用的程序，并且也不使用 RDRAND，因为它还使用 PRNG（除非 RDRAND 可以 return 真正的随机数据，然后再通过PRNG？？）。如果这样的事情是可能的，将不胜感激；在 RNGCryptoServiceProvider 足以一次性完成的印象下，我已经为此工作了数周。谢谢
（旁注：有人说对于大多数加密函数，您不需要真正的熵，只需要不可预测性。对于一次性一密本，它必须是随机的，否则它不是一次性一密本。）
如您所知，“真正随机”意味着每个位 独立于其他一切 并且均匀分布。然而，这种理想即使不是不可能，也很难在实践中实现。一般来说，在实践中获得“真正随机数据”的最接近方法是从 nondeterministic sources 中收集 hard-to-guess 位，然后将这些位压缩成随机数据块。
要接近“真正的随机数据”涉及很多问题，包括：
- 来源必须是不确定的，也就是说，它们的输出不能由它们的输入决定。非确定性来源的例子包括输入设备的时间；热噪声；以及麦克风和相机输出记录的噪音。
- 消息来源的输出一定很难猜到。这更正式地称为 entropy，例如每 64 位输出有 32 位熵。然而，测量熵绝非易事。如果您需要 1 MB（800 万位）的真正随机数据，则需要具有至少 800 万位熵的数据（根据来源，实际上它的长度将超过 1 MB），然后压缩数据以某种方式转换为 1 MB 的数据，同时保留该熵。
- 来源必须相互独立。
- 应该有两个或更多的独立来源。这是因为不可能仅从一个来源提取完全随机性（参见 McInnes 和 Pinkas 1990）。另一方面，从三个或更多独立来源中提取随机性相对微不足道，但仍然存在选择合适的随机性提取器的问题，随机性提取器的调查将超出本答案的范围。
一般来说，为了生成随机数，可用的来源越多越好。
参考资料：
- McInnes, J. L., & Pinkas, B.（1990 年 8 月）。关于使用弱随机密钥的私钥密码学的不可能性。在密码学理论与应用会议（第 421-435 页）中。