【正文】 t_1 和 Result_3,得到 Result_4。 獨立性檢驗，即檢驗所產(chǎn)生的偽隨機數(shù)的獨立性和統(tǒng)計相關(guān)是否異常，包括相關(guān)關(guān)系檢驗和聯(lián)列表檢驗等。 15 } while ( b = c )。 顯然，這種方法較為粗糙，在試驗的過程中發(fā) 現(xiàn)：生成的的隨機量只能算是近似的服從泊松分布，所以，更為有效的算法還有待嘗試。 10 11 } 反變換法 它首先需要使用均勻分布獲得一個 (0,1) 間隨機數(shù) , 這個隨機數(shù)相當于原概率分布的 Y 值 , 因為我們現(xiàn)在是反過來求 X. 哎 , 聽糊涂了也沒關(guān)系 , 只要知道算法怎么執(zhí)行的就行 . 采用概率積分變換原理 , 對于隨機變量 X 的分布函數(shù) F(X) 可以求其反函數(shù)，得 : 原來我們一般面對的是概率公式 Y=f(X). 現(xiàn)在反過來 , 由已知的概率分布或通過其參數(shù)信息來反求 X. Xi=G(Ri) 其中 ,Ri 為一個 01 區(qū)間內(nèi)的均勻分布的隨機變量 . F(X) 較簡單 時，求解較易，當 F(X) 較復(fù)雜時，需要用到較為復(fù)雜的變換技巧。 乘同余法 乘同余法的迭代式如下 : Xn+1=Lamda*Xn(mod M) (Lamda 即參數(shù) λ ) Rn+1=Xn/M 各參數(shù)意義及各步的作用可參 。 本課題研究的意義 保證我們能夠很快速的 得到需要的隨機數(shù)，而且隨機數(shù)能夠足夠大足夠隨機，盡量能夠?qū)嵱迷谛枰玫诫S機數(shù)的任何地方，特別是在科研領(lǐng)域，比如第 3代移動通信系統(tǒng)（ 3G）中需要的 1024 隨機數(shù)，就能滿足它的要求，我們所要做的就是使產(chǎn)生的隨機數(shù)盡量的靠近真隨機數(shù)。即，可以通過一定手段和方法發(fā)現(xiàn)或破譯其中的規(guī)律。 特此聲明！ Confidential PagePage 20 of 50 20 1/7/2021 畢業(yè)設(shè)計 ( 論文 ) 大隨機數(shù)生成器算法的研究與實現(xiàn) 論文作者姓名： 申請學(xué)位 專業(yè)： 申請學(xué)位類別： 指導(dǎo)教師姓名（職稱）： 論文提交日期： 大隨機數(shù) 生成器算法的研究與實現(xiàn) 摘要 大隨機數(shù)已經(jīng)在當今社會的各個領(lǐng)域中都頻繁使用，特別是在加密技術(shù)中已經(jīng)成了不可缺少的一部分，像 RSA， MD5 中隨機數(shù)成為加密技術(shù)的關(guān)鍵。文中除了特別加以標注地方外，不包含他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得成都信息工程學(xué)院或其他教學(xué)機構(gòu)的學(xué)位或證書而使用過的材料。 [3]云巔工作室 .Visual C 中文版全面剖析 [M].北京 ： 中國水利水電出版社 ， 2021。 sprintf(s,第 %2d 次前位平均值為： \n%10lX\n,bb,cc)。 算法示意圖： 圖 4 檢驗隨機數(shù)足夠隨機 Int bb=0。 } 6 檢驗隨機數(shù) 隨機數(shù)檢驗方法有如下幾種： 參數(shù)檢驗，檢驗其分布 參數(shù)的觀察值與理論值的差異顯著性。 if(i % 32 == 0) dwRndNum[temp] = dwRndNum[temp] | (DWORD)Ri[i]。 Step_5()。 m 17。 for (i = 0。 (DTi, KK1, KK2, Result_1)。 } } void CCreRndNum::GetVi() //得到 64 位的二進制隨機數(shù) {int i。 GetSystemTimeAsFileTime(amp。 } for(i = 0。 } return ni。 } = sizeof(MEMORYSTATUS)。 ni += sizeof(dwRes)。buf[ni], amp。 2）具有獨立子密鑰的 DES 算法 每一輪迭代都使用一個不同的子密鑰，而不是由一個 56 位二進制的密鑰產(chǎn)生。 （公式 1） (說明 : EDE 表示兩個密鑰的三重 DES) step_4: 異或 Result_1 和 Result_3,得到 Result_4。 獨立性檢驗，即檢驗所產(chǎn)生的偽隨機數(shù)的獨立性和統(tǒng)計相關(guān)是否異常，包括相關(guān)關(guān)系檢驗和聯(lián)列表檢驗等。 15 } while ( b = c )。 顯然，這種方法較為粗糙，在試驗的過程中發(fā)現(xiàn)：生成 的的隨機量只能算是近似的服從泊松分布，所以，更為有效的算法還有待嘗試。 10 11 } 反變換法 它首先需要使用均勻分布獲得一個 (0,1) 間隨機數(shù) , 這個隨機數(shù)相當于原概率分布的 Y 值 , 因為我們現(xiàn)在是反過來求 X. 哎 , 聽糊涂了也沒關(guān)系 , 只要知道算法怎么執(zhí)行的就行 . 采用概率積分變換原理 , 對于隨機變量 X 的分布函數(shù) F(X) 可以求其反函數(shù)，得 : 原來我們一般面對的是概率公式 Y=f(X). 現(xiàn)在反過來 , 由已知的概率分布或通過其參數(shù)信息來反求 X. Xi=G(Ri) 其中 ,Ri 為一個 01 區(qū)間內(nèi)的均勻分布的隨機變量 . F(X) 較簡單時，求解 較易，當 F(X) 較復(fù)雜時，需要用到較為復(fù)雜的變換技巧。 乘同余法 乘同余法的迭代式如下 : Xn+1=Lamda*Xn(mod M) (Lamda 即參數(shù) λ ) Rn+1=Xn/M 各參數(shù)意義及各步的作用可參 。 本課題研究的意義 保證我們能夠很快速的得到需要的隨機數(shù)，而且隨機數(shù)能夠足夠大足夠隨機，盡量能夠?qū)嵱迷谛枰玫诫S機數(shù)的任何地方，特別是在科研領(lǐng)域，比如第 3代移動通信系統(tǒng)（ 3G）中需要的 1024 隨機數(shù)，就能滿足它的要求，我們所要做的就是使產(chǎn)生的隨機數(shù)盡量的靠近真隨機數(shù)。即，可以通過一定手段和方法發(fā)現(xiàn)或破譯其中的規(guī)律。 畢業(yè)設(shè)計 ( 論文 ) 大隨機數(shù)生成器算法的研究與實現(xiàn) 論文作者姓名： 申請學(xué)位專業(yè)： 申請學(xué)位類別： 指導(dǎo)教師姓名（職稱）： 論文提交日期： 大隨機數(shù) 生成器算法的研究與實現(xiàn) 摘要 大隨機數(shù)已經(jīng)在當今社會的各個領(lǐng)域中都頻繁使用，特別是在加密技術(shù)中已經(jīng)成了不可缺少的一部分，像 RSA， MD5 中隨機數(shù)成為加密技術(shù)的關(guān)鍵。 Even line of examination目 錄 論文總頁數(shù)： 19 頁 1 引言 ............................................................................................................................. 1 隨機 數(shù)的概念 ...................................................................................................... 1 課題背景 ............................................................................................................. 1 國內(nèi)外研究現(xiàn)狀 .................................................................................................. 1 本課題研究的意義 .............................................................................................. 1 本課題的研究方法 .............................................................................................. 1 2 常見隨機數(shù)生成方法簡析 .............................................................................................. 2 迭代取中法 ......................................................................................................... 2 乘同余法 ............................................................................................................ 2 混同于法 ............................................................................................................ 2 反變換法 ............................................................................................................ 3 平均分布 : ................................................................................................ 3 指數(shù)分布 : ................................................................................................ 4 正態(tài)分布隨機變量的生成 :........................................................................ 4 離散型隨機變量 .................................................................................................. 4 3 隨機數(shù)的檢驗 ............................................................................................................ 5 4 大隨機數(shù)產(chǎn)生的機理 ..................................................................................................... 6 流程圖 ................................................................................................................ 6 DES算法簡介 ...................................................................................................... 7 5 算法實現(xiàn) ...................................................................................................................... 8 6 檢驗隨機數(shù) ................................................................................................................. 13 7 系統(tǒng)測試 .................................................................................................................... 14 結(jié) 論 ........................................................................................................................ 16 參考文獻 ........................................................................................................................ 17 致 謝 .................