使用来自更好的随机源的随机数播种伪随机生成器

不，绝对不是。C/C++ 标准库的内置rand()函数通常作为线性全余生成器 (LCG) 实现。它是已知最早的伪随机数生成器(PRNG)家族之一，它们通常具有臭名昭著的不良统计特性。此外，由于PRNG实际上产生由初始种子预先确定的数学序列，因此它们是可预测的。即使是加密安全的伪随机数生成器(如 Blum Blum Blum Shub)也是可预测的，即使预测序列在计算上很困难且非常耗时。

相反，基于放射性衰变的随机数生成器是真正的随机数生成器。生成的数字序列完全均匀分布且不可预测，样本之间没有任何可测量的相关性。

回到伪随机数，初始种子源的统计质量不会提高生成的伪随机序列的统计质量——它只取决于生成器本身。如果您使用真正的随机数为 PRNG 设定种子，那么序列的第一个数字将是不可预测的，但序列的质量将与没有真正的随机种子的质量相同。

如果你想要高质量的随机性，你必须使用高质量的随机数生成器。有一些伪随机数生成器具有出色的统计特性(绝对不是著名的 Mersenne Twister)，通过了当前所有随机性的统计测试 - 虽然生成的伪随机序列仍然是可预测的，但从统计学上很难与真正的随机序列区分开来。

关于现代随机数生成器的一个很好的可靠资源是Sebastiano Vigna的网站。

随机数的质量来自随机数生成器的质量。 生成伪随机数的方法多种多样，您选择的方法应该适合您的应用，但说实话，如果您可以使用无线电主动衰减监测设备，那么您可能能够访问真实随机数(来自其他一些完全随机的现实世界事件)，而不是播种伪随机数。

NO.随机数序列的属性完全取决于随机数生成器 (RNG)。因此，后续随机数之间的任何相关性都取决于RNG，而不是种子。

但是，话虽如此，种子对于避免在不同代码运行中生成的序列之间的相似性非常重要。因此，您应该始终尝试使用真正随机的种子为您的 RNG 播种。

伪随机数 (PRN) 可以是近随机数的序列。但是，真随机数 (TRN) 是通过从熵源获取输入来生成随机数的随机数，熵源可以是任何类型的物理环境，从振动到硬盘活动。C 库的 rand() 属于 PRN 的范畴。对于高随机性，最好使用使用/dev/random 或/dev/urandom 的库。

有关随机、urandom - 内核随机数源设备的更多详细信息，请参阅 urandom 的手册页，请参见 https://linux.die.net/man/4/urandom。" 随机数生成器将来自设备驱动程序和其他来源的环境噪声收集到熵池中。生成器还保留熵池中噪声位数的估计值。从这个熵池中创建随机数。">