疑似乱数 - 186 @ hatenablog
ちょっとした思いつき。 疑似乱数列を生成する計算方法の妥当性を調べるのにチューリングテスト的方法は使えるか。 放射線などを用いた真の乱数列と、調査したい計算方法の生成する疑似乱数列とが、二つのチャネルA, Bから流れ出てくる。でもどちらの数列がどちらのチャネルから流れてくるかは分からないとする。乱数を検定するアルゴリズムを別途用意しておき、二つのチャネルのどちらが真の乱数列であるか判定できるか。 ――という話題。 それができるなら、ランダムネスと知能との類似性という逆説的で面白い話題につながるね。 チューリングテストでは、本物の人間と適切な判定者によって、コンピュータのプログラムの知能性(?)を判定する（言い換えるとそれを知能の定義とする）。上に書いたテストでは、真の乱数列（本物の人間の代わり）と検定をするアルゴリズム（適切な判定者の代わり）によって、 疑似乱数列の計算方法の妥当性を判定す
乱数生成器 - lethevert is a programmer
昨日の調査で分かってきたこと。 システムが提供する（可能性のある）乱数生成器には次の４種類がある。 情報理論的な'真'の乱数生成器 各ビットが１ビットのエントロピーを持つ乱数を生成する。OSなどがハードウエアを通して外部のエントロピー源から情報を得て生成する。 暗号理論的な擬似乱数生成器 (CSPRNG) 暗号理論的に予測不可能な乱数を生成する。乱数生成のアルゴリズムは既知であっても、乱数種が暗号理論的に推測不可能なため、生成される乱数が予測不可能。たとえば、Blum-Blum-Shab法は、RSAなどと同じく素因数分解をベースにしている。 統計学的な擬似乱数生成器 統計学的に健全な乱数を生成する。しかし、セキュリティ用途には不適。たとえば、Mersenne Twisterの標準的な実装であるMT19937の場合は、624個の出力を観察すれば、それ以降の出力を予測可能になる。 不完全な擬似
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
