01
加密级 CSPRNG
crypto.getRandomValues() ——与保护 TLS 连接和密钥生成相同的来源。它保证不可预测性：即使知道其他所有层，结果仍然无法计算。
不可预测性技术
生成器，
经得起展示
大多数网站写 Math.random() 然后称之为随机。我们通过 SHA-256 混合三个独立的熵源，并展示如何验证。
浏览器的 CSPRNG
crypto.getRandomValues
您的动作
坐标、时序、点击
公共信标
LavaRand
SHA-256 混合器
seed = H(CSRNG ∥ 熵池 ∥ 信标)
数字流
CSPRNG ⊕ SHA-256 keystream
全部工具
数字、硬币、骰子、选择
如果外部信标不可用，网站不会崩溃：仍有两个独立来源——加密级生成器和您操作产生的熵。
三层
为什么这比单一来源更好
每一层都弥补另一层的弱点。它们合在一起提供了任何单一生成器都无法提供的东西：不可预测性、物理属性和可验证性。
02
您操作产生的熵
每一次鼠标移动、点击和按键，都是微米级精度的坐标和纳秒级波动的时序。我们把它们哈希进一个 256 比特的池中，每个事件都会更新。数据不会离开浏览器。
物理属性
03
公共随机信标
drand 是一个由独立组织（Cloudflare、EPFL、Protocol Labs 等）组成的分布式网络，每隔几秒发布一个签名的随机数据块。任何人都能验证签名，确认数值没有被替换。
可验证性
信标状态
LavaRand
当前轮次的随机性
8cf8de2e637e10fc85dcc6aa3fa1bdc18c15d861a2377789822f059aee69686f
—
drand 轮次
10:55:02
发布时间
32
字节熵
可以在信标服务器上验证： https://csprng.xyz/。BLS 签名由分布式委员会签发——无法单独伪造。
实时熵采集
30 %
正在请求公共随机信标……
CSPRNG
您的动作
信标
检验
亲自验证：基于 65 536 个数字的检验
我们用工具实际使用的同一生成器生成一个大样本，并用统计准则检验：字节均匀性（卡方）、比特平衡、序列相关性。
验证结果
尚未运行检验
正在准备样本……
—
个值
—
卡方（255 自由度）
—
p-value
—
比特平衡
—
序列相关性
卡方检验生成数字的字节分布是否均匀。对于 255 自由度，正常值约为 255；p 值大于 0.05 表示统计上未发现偏离随机性的迹象。
与“普通”生成器的对比
如果不局限于 Math.random()，究竟会有什么变化。
| 特性 | Math.random() | 我们的生成器 |
|---|---|---|
| 来源 | 伪随机，仅初始化一次 | CSPRNG + 物理熵 + 公共信标 |
| 可预测性 | 根据若干值即可还原 | 无法还原 |
| 可验证性 | 否 | drand 签名轮次 |
| 离线时的来源 | 有 | 保留 CSPRNG + 动作 |
| 质量控制 | 否 | 公开的统计检验 |
需要了解的重点
鼠标移动在本地处理：浏览器中只保留熵池的哈希。坐标和历史都不会发往服务器。
混合方式使得即使完全掌握公共信标也无法预测结果：它还会与 CSPRNG 的秘密混合。
生成器是用于公平选择和娱乐的工具。这不是赌博，也不是彩票：不接受投注，不派发奖金。
法律信息