可能有些開發(fā)者聽說過 CloudFlare 辦公室里的何確熔巖燈，這些熔巖燈持續(xù)工作多年，保生布公部最主要工作內(nèi)容就是隨機數(shù)C司內(nèi)熵源廈門海滄附近約服務(wù)外圍女上門vx《134-8006-5952》提供外圍女上門服務(wù)快速選照片快速安排不收定金面到付款30分鐘可到達亮著，CloudFlare 會定時拍攝照片然后生成哈希值作為隨機數(shù)生成器的藍點種子。

熔巖燈雖然一直亮著它們在細節(jié)方面是何確不停變化的，CloudFlare 要的保生布公部最就是這種變化 (熵)，這樣取得的隨機數(shù)C司內(nèi)熵源隨機數(shù)安全性更高。

當(dāng)然標題中說的藍點真正的隨機數(shù)其實不準確，因為 CloudFlare 最終也是何確將哈希作為種子放到加密安全偽隨機數(shù)生成器 (CSPRNG) 中生成數(shù)據(jù)的，只不過這種處理方式可以提供更強大的保生布公部最安全性。

為什么要不停地生成隨機數(shù)：

CloudFlare 的服務(wù)器每秒需要處理超過 5500 萬個 HTTP 請求，其中絕大多數(shù)請求是藍點通過 TLS 協(xié)議進行保護的，以確保真實性和機密性。何確

在幕后，保生布公部最像 TLS 這樣的隨機數(shù)C司內(nèi)熵源加密協(xié)議需要安全隨機性的底層來源，否則安全保證就會崩潰。

密碼學(xué)中使用的安全隨機性在計算上需要與 “真正的” 隨機性取法區(qū)分，為此，它必須通過統(tǒng)計隨機性測試，并且輸出對于任何計算有限的對手來說都是不可預(yù)測的。

實現(xiàn)這個目的的典型方法就是獲取一些隨機種子并將其放到 CSPRNG 中，該生成器可以根據(jù)請求生成本質(zhì)上無限的、不可預(yù)測的字節(jié)流。

CloudFlare 的種子：

在以前 CloudFlare 的種子主要是舊金山辦公室里的熔巖燈，其原理是定時對這組熔巖燈進行拍照，然后對圖片計算哈希值，將這個哈希值作為種子放到 CSPRNG 中。

對 CloudFlare 來說這組熔巖燈產(chǎn)生的不停變化的照片就是熵源，該公司需要確保服務(wù)器可以定期從外部源獲得真正的隨機性刷新其熵池，而熔巖燈的在不停變化，所以它們具有真正的隨機性。

新增的熵源：

為了給熵池增加更多熵源，CloudFlare 在全球幾個辦公室增加了一些基于物理學(xué)的熵系統(tǒng)，這些系統(tǒng)可以直觀地認為就是隨機的。

例如在倫敦辦公室有一堵雙擺墻，這些雙擺在無規(guī)則的擺動中會在墻上投下不停變換的陰影，攝像機定時拍攝照片傳遞到服務(wù)器中，服務(wù)器計算哈希值后放到熵池中。

在奧斯汀的辦公室里也有一個熵源，在辦公室入口懸掛了大量半透明的彩片，同理，在辦公室開門、關(guān)門、空調(diào)開關(guān)、環(huán)境光變化都會讓整個背景發(fā)生發(fā)生變化，因此這也可以認為是隨機的。

在 CloudFlare 這種隨機系統(tǒng)名為 LavaRand，如果你是開發(fā)者對 LavaRand 有興趣的話，可以點擊這里查看博客：https://blog.cloudflare.com/harnessing-office-chaos