大数据背景下的伪随机数发生器研究

王景洪¹

扫码查看

作者信息

1. 新乡市政务大数据中心河南 453000
折叠

摘要

大数据分析和模拟通常需要大量随机数,对于某些应用,如密码学或模拟研究,需要高质量的随机性,因此选择合适的PRNG算法变得至关重要.PRNG的周期长度是指在生成的序列中重复出现的元素之间的距离.在大数据环境中,如果PRNG周期太短,可能导致生成的伪随机数序列在长时间内出现明显的重复模式.因此,选择具有足够长周期的PRNG算法是重要的.

关键词

大数据/伪随机数发生器/线性同余发生器

引用本文复制引用

出版年

2024

网络安全技术与应用

北京大学出版社

网络安全技术与应用

CHSSCD

影响因子：0.417

ISSN：1009-6833

段落导航