# 随机数

***Copyright © Quectel Wireless Solutions Co., Ltd. 2026. All rights reserved.***

---

# 功能概述

随机数生成器主要分为两大类：硬件随机数生成器（True Random Number Generator, TRNG）和软件伪/拟随机数生成器（Pseudo-Random Number Generator, PRNG）。这两者在原理、性能和适用领域上有着本质的区别。

**硬件随机数生成器（真随机数）**  
其核心原理是利用物理熵源的不确定性。它通过采集外部物理过程（如电阻热噪声、宇宙背景辐射、半导体中的量子隧穿效应，甚至大气噪声）来产生随机数。由于物理过程在量子层面具有内禀的不可预测性，且无法被外部计算逻辑推导，因此硬件随机数具有不可重现和非确定性的特点。  
应用场景：因其极高的安全性和不可预测性，主要应用于顶级安全领域，如金融核心系统的支付密钥生成、数字签名、SSL/TLS加密证书创建，以及国家层面的密码系统和军事保密通信。

**软件伪/拟随机数生成器（伪随机数）**  
其核心原理基于数学算法。它以一个初始值（称为“种子”，通常取自系统时间戳或用户鼠标移动等）作为输入，通过固定的递推公式（如线性同余法、梅森旋转算法）或加密算法（如哈希链）产生看似随机的数字序列。  
需要强调的是，伪随机数具有确定性和周期性——只要种子相同，生成的随机序列必然完全相同；且经过足够长的周期后，序列会重复。但优秀的伪随机数算法（特别是密码学安全的CSPRNG）在周期足够长的情况下，其统计特性足以通过标准的随机性测试，且在计算上不可区分于真随机数。  
应用场景：占据了日常数字化应用的绝大部分，包括程序开发中的单元测试、蒙特卡洛模拟、游戏中的掉宝率与地图生成、神经网络参数初始化、大数据抽样，以及非极端高安全要求的Token生成。

我们当前对外提供的随机数接口，基于软件伪随机数生成器（PRNG）实现。 我们采用经过行业验证的密码学安全算法（如基于SHA-256的确定性随机数发生器），确保输出的序列具备极高的统计均匀性和不可逆向推导性。

# 随机数API

## 头文件

*qosa_def.h*

## 函数详解

### qosa_rand

- **功能描述**  
  获取一个随机数。

- **函数原型**

```c
int qosa_rand(void)
```

- **参数说明**  
  无

- **返回值说明**  
  返回一个随机数

# 示例代码

完整示例代码请查看https://github.com/UniRTOS/UniRTOS-Doc-Examples/blob/main/system/rand/rand.c