PRNG: Pseudo-Random Number Generator
随机数是指一组不能被预测的数字或符号序列，这些数字和序列是完全偶然产生的[7]，即随机数是客观世界不确定性的理论抽象[8]。随着概率论及数理统计等学科的发展，研究人员对随机数的产生机理等逐渐明晰。
来源：对伪随机数生成算法的随机性评价方法的研究 _ http://qikan.chaoxing.com/detail_38502727e7500f267b8b9554bdbce4f19c147c75cd1f218d1921b0a3ea255101fc1cf1fbb4666ae64cf4c16404fcf2f6ebd16daa6c8149c773decdec835f9ed28fd4a2be4d5cb4c39cbfe956cd0f7324
目前，所有在用的成熟计算机设备均采用冯·诺依曼结构设计。冯·诺依曼机主要由逻辑运算单元、控制器、存储单元、输入输出设备和其间相关总线组成，主要特点是：
① 程序经编译后形成固定顺序的指令，以二进制代码的形式存放在存储器中；
② 所有的指令都是由操作码和地址码组成；
③ 指令按照存储的顺序调入内部的堆栈，并进行调用；
④ 以逻辑运算单元和控制器作为计算机处理的中心，并依次执行指令。
依据冯·诺依曼架构设计的计算机在不借助于外部硬件，仅从软件自身角度，真实的随机数是无法实现的。因为冯·诺依曼机自身的架构决定了这种机型只能做“按存储指令的顺序来执行具体指令”的确定性行为。
伪随机数如何产生？
1.观察现实中的真随机过程，记录随机数-真随机数
这在假设验证中往往不简便，不容易操作
2.利用数学公式方法定义一个序列，根据序列值，来模拟取代随机数。-伪随机数
这里便要注意伪随机数都是有周期的
一个相关的视频：b站转载 很好的视频，未能翻译，是个遗憾
经典算法：
平方取中法（Middle-square method）/冯·诺伊曼取中法
来源：https://www.bilibili.com/video/BV1kW411K7C7?from=search&seid=14899122793919953867
转载自：https://www.youtube.com/watch?v=C82JyCmtKWg
在百度百科中，也有详细说明，配合了模数，将随机数化到[0,1]区间
linear congruential generator 线性同余算法
其中
LCG的周期最大为
使其达到最大周期，存在一定条件如下：
互质；
；
都比
https://zh.wikipedia.org/wiki/%E7%B7%9A%E6%80%A7%E5%90%8C%E9%A4%98%E6%96%B9%E6%B3%95
是正整数。
伪随机数的[0,1]区间化
来源：https://www.bilibili.com/video/BV1kW411K7C7?from=search&seid=14899122793919953867
转载自：https://www.youtube.com/watch?v=C82JyCmtKWg
信息指纹（《数学之美》 吴军）
信息指纹：就是提取一个信息的特征，通常是一组词或者一组词＋权重，然后根据这组词调用特别的算法，例如MD5，将之转化为一组代码，这组代码就成为标识这个信息的指纹。在加密（MD5），信息压缩（服务器存储大量的URL链接），处理（原创与盗版检验）中应用。