一、TRNG 基础概念：真随机数到底怎么来的？

各位同学，咱们今天聊点实在的。真随机数发生器——TRNG，这玩意儿在安全领域可是个硬通货。我刚开始接触这行的时候，总觉得随机数嘛，不就是个数字游戏？后来踩了坑才明白，真随机和伪随机之间，隔着一道天堑。

1.1 真随机数发生器的核心原理

说白了，TRNG 就是利用物理世界的不可预测性来产生随机数。你想想看，自然界里哪些东西是真正随机的？热噪声、放射性衰变、大气噪声……这些过程，你没法用任何数学模型精确预测。

TRNG 的工作流程其实不复杂，我习惯把它拆成三步：

1. 熵源采集——从物理过程中提取随机信号
2. 熵提取——把模拟信号转换成数字比特流
3. 后处理——消除偏差，提高随机质量

1.2 常见的熵源类型

我在项目里接触过几种主流的熵源，各有各的脾气。下面这张表能帮你快速了解它们的区别：

熵源类型	物理原理	典型速率	硬件复杂度	我的评价
热噪声	电阻中载流子的热运动	低～中	低	最经典，稳定可靠
振荡器采样	时钟抖动的不确定性	中～高	中	FPGA 上常用
量子效应	光子隧穿、量子涨落	高	高	高端专用，成本不低

热噪声熵源

这是我最喜欢的一种，原因很简单——它够纯粹。电阻里的电子在热运动，这种运动是随机的，跟温度直接相关。你只需要一个放大器，把微弱的噪声信号放大到可测量的范围，然后采样就行。

我记得有一次做低功耗设计，热噪声源的功耗成了瓶颈。后来改用斩波稳定放大器，才把功耗压下来。嗯，这里要注意：热噪声信号非常微弱，PCB 布局稍有不慎，工频干扰就进来了。

振荡器采样熵源

这个在 FPGA 和 ASIC 里特别常见。原理是利用两个振荡器——一个慢速、一个快速。慢速振荡器去采样快速振荡器的输出，由于时钟抖动，每次采到的相位都不一样。

你想想看，两个独立振荡器的频率漂移和抖动，叠加起来就是天然的随机性。我在一个 IoT 安全芯片项目里用过这种方案，成本低，效果也不错。但有个坑——如果两个振荡器有耦合，随机性会大打折扣。

量子效应熵源

这是目前公认的"真·真随机"方案。利用量子力学的基本性质——比如光子通过半透半反镜时的路径选择，或者量子隧穿效应的不确定性。这些过程，从理论上就是不可预测的。

不过说实话，量子 TRNG 目前还比较贵。我在实验室里见过一套基于量子隧穿二极管的方案，随机质量确实好，但一颗芯片就要几十美金。一般消费级产品用不起。

1.3 TRNG 与 PRNG 的区别

这个问题，我面试新人时必问。很多人觉得"随机数嘛，不都一样？"——大错特错。

PRNG（伪随机数发生器）是用算法生成的。比如线性同余法、梅森旋转算法。只要种子确定了，整个序列就确定了。这意味着什么？意味着如果你知道种子，就能预测所有输出。

TRNG 就不一样了。它每次生成都依赖物理过程，同样的电路，两次运行结果完全不同。你没法用任何算法复现。

对比维度	TRNG	PRNG
熵源	物理过程	算法+种子
可预测性	不可预测	已知种子可预测
输出速率	通常较低	可以很高
可重复性	不可重复	相同种子可重复
典型应用	密钥生成、安全令牌	仿真、游戏、测试

1.4 TRNG 的典型架构

下面这张图是我自己画的 TRNG 典型架构，你可以看到各个模块是怎么配合的：

1.5 为什么 TRNG 这么重要？

我直接说结论：没有真随机数，就没有真正的安全。你想想看，如果密钥是用 PRNG 生成的，攻击者只要拿到种子，整个系统就沦陷了。

2012 年有个著名的案例——某厂商的嵌入式设备用了一个固定种子的 PRNG 来生成 SSH 密钥。结果呢？所有设备的密钥都一样。攻击者拿到一台，就能登录所有设备。这就是典型的"伪随机"灾难。

TRNG 的价值就在于——它让攻击者没法预测。即使攻击者知道你的算法、你的硬件设计，只要物理熵源是安全的，他就没法复现你的随机数。

1.6 实际开发中的考量

做 TRNG 驱动开发，有几个点我特别在意：

• 启动时间——有些熵源需要预热，比如热噪声源要等温度稳定。我习惯在驱动里加一个"熵源就绪"状态位。
• 速率匹配——TRNG 输出速率通常不高，如果上层应用需要大量随机数，得考虑缓冲机制。
• 故障处理——熵源可能失效（比如振荡器停振），驱动里必须有超时检测和复位逻辑。

嗯，这些细节后面几章会展开讲。今天先把概念理清楚，后面写代码的时候才不会跑偏。