1. TRNG基础概念：真随机数到底“真”在哪？

各位同学好，我是老周。做嵌入式安全这行快十五年了，今天咱们来聊聊TRNG——真随机数发生器。说实话，我刚入行时也分不清“真随机”和“伪随机”到底差在哪，直到第一次在金融终端项目里被认证机构打回来……嗯，从那以后我再也不敢把PRNG当TRNG用了。

1.1 真随机数发生器（TRNG）是什么？

TRNG，全称True Random Number Generator。它靠物理世界的不可预测现象来产生随机数。比如电阻的热噪声、时钟的抖动、甚至宇宙射线。这些过程在原理上就是不可重复、不可预测的。

我习惯用一个比喻：TRNG像掷骰子，PRNG像背口诀。你掷一次骰子，结果由空气阻力、桌面摩擦、手部角度共同决定——没人能精确复现。但背口诀，只要知道起始数字和规则，结果就是确定的。

1.2 TRNG与PRNG的本质区别

很多同学问我：“老周，我用C语言的rand()不也能生成随机数吗？” 能，但那是伪随机。咱们直接看对比：

对比维度	TRNG（真随机）	PRNG（伪随机）
熵源	物理过程（热噪声、抖动等）	算法+种子（确定性）
可预测性	理论上不可预测	已知种子和算法即可预测
周期性	无周期	必然存在周期
输出速率	通常较慢（kbps~Mbps）	极快（Gbps级别）
硬件依赖	必须专用硬件	纯软件即可
典型应用	密钥生成、安全芯片	仿真、游戏、非安全场景

我曾经在一个物联网项目中，客户坚持用PRNG生成设备密钥。结果呢？攻击者通过分析几个密钥样本就反推出了种子，整个产品线的密钥全部沦陷。那次教训让我明白：安全场景必须用TRNG，没得商量。

1.3 熵源的物理基础

TRNG的根基在物理世界。说白了，就是利用自然界那些“不听话”的现象。我挑三个最常见的给大家拆开讲讲。

1.3.1 热噪声（Thermal Noise）

也叫约翰逊-奈奎斯特噪声。电阻里的电子在温度驱动下做无规则热运动，产生随机的电压波动。这个波动幅度很小（微伏级），但频率极宽，从直流到太赫兹都有。

我习惯用运放把热噪声放大到可采样的范围。但要注意——放大电路本身也会引入噪声，你得确保放大器的噪声远小于信号噪声，否则测出来的全是放大器自己的“脾气”。

1.3.2 抖动（Jitter）

时钟信号的边沿不是绝对精确的。每个周期都会有一点点偏差，这就是抖动。利用这个偏差，我们可以提取随机性。

具体做法：用一个慢时钟采样一个快时钟，或者让两个自由振荡的环形振荡器互相采样。由于抖动是随机的，采样结果就是随机的。

我记得在FPGA上实现环形振荡器TRNG时，布局布线稍微不同，抖动特性就变了。所以每次流片后都要重新评估熵源质量，不能照搬前一次的校准参数。

1.3.3 混沌电路（Chaotic Circuit）

混沌电路对初始条件极度敏感。比如一个简单的蔡氏电路，参数稍微变一点，输出就从周期振荡变成混沌状态。这种“蝴蝶效应”非常适合做熵源。

但混沌电路有个坑：参数漂移。温度一变，电阻电容值跟着变，混沌状态可能退化成周期振荡。我曾在-40°C测试时发现熵源几乎“死掉”了，输出全是重复模式。后来加了温度补偿和在线监测才解决。

1.4 三种熵源的对比与选择

实际项目中怎么选？我列个表，大家根据场景对号入座：

熵源类型	优点	缺点	典型应用
热噪声	理论成熟、带宽宽、抗干扰强	信号微弱、需高增益放大	安全芯片、密码模块
抖动	易在数字电路中实现、面积小	易受电源噪声影响、速率低	FPGA、MCU内置TRNG
混沌电路	输出速率高、单芯片集成	参数敏感、温度稳定性差	高速随机数需求场景

我个人倾向：安全等级要求高的项目，优先选热噪声。如果成本敏感且速率要求不高，抖动方案更实用。混沌电路嘛……除非你有足够的模拟设计经验，否则慎用。

1.5 TRNG的完整工作流程

一个完整的TRNG系统，不是把熵源信号直接当随机数输出就完事了。它需要经过几个关键步骤。我画了张图，大家一看就明白：

从这张图能看出，TRNG不是“熵源→输出”这么简单。模拟前端要处理微弱信号，数字化要选择合适的采样策略，后处理要消除偏置和相关性，在线测试要实时监控熵源健康状态。任何一个环节出问题，输出的随机数质量都会打折扣。

1.6 为什么我们需要TRNG？

你想想看，现代密码学里，密钥生成、随机数、初始化向量、nonce……哪个不需要真正的随机性？如果攻击者能预测你的随机数，那加密就形同虚设。

我参与过一个银行卡芯片项目，认证机构要求TRNG必须通过AIS-31标准。当时我们用了热噪声方案，前后迭代了三版才通过。那个过程让我深刻理解：TRNG不是“有就行”，而是“够好才行”。