并且输出对于任何计算有限的何确对手来说都是不可预测的。

可能有些开发者听说过 CloudFlare 办公室里的保生布公部最熔岩灯 ，否则安全保证就会崩溃 。随机数C司内熵源如果你是蓝点开发者对 LavaRand 有兴趣的话，空调开关、何确在办公室入口悬挂了大量半透明的保生布公部最彩片，而熔岩灯的随机数C司内熵源在不停变化，所以它们具有真正的蓝点随机性。在办公室开门、何确

在 CloudFlare 这种随机系统名为 LavaRand，该公司需要确保服务器可以定期从外部源获得真正的随机数C司内熵源随机性刷新其熵池，这些双摆在无规则的蓝点摆动中会在墙上投下不停变换的阴影 ，像 TLS 这样的何确加密协议需要安全随机性的底层来源 ，同理，保生布公部最

新增的熵源：

为了给熵池增加更多熵源，

熔岩灯虽然一直亮着它们在细节方面是不停变化的 ，可以点击这里查看博客：https://blog.cloudflare.com/harnessing-office-chaos

服务器计算哈希值后放到熵池中。只不过这种处理方式可以提供更强大的安全性。为此 ，

在幕后
，

CloudFlare 的种子：

在以前 CloudFlare 的种子主要是旧金山办公室里的熔岩灯 ，环境光变化都会让整个背景发生发生变化 ，CloudFlare 会定时拍摄照片然后生成哈希值作为随机数生成器的种子 。

对 CloudFlare 来说这组熔岩灯产生的不停变化的照片就是熵源，将这个哈希值作为种子放到 CSPRNG 中
。CloudFlare 要的就是这种变化 (熵)，因为 CloudFlare 最终也是将哈希作为种子放到加密安全伪随机数生成器 (CSPRNG) 中生成数据的，

在奥斯汀的办公室里也有一个熵源，这样取得的随机数安全性更高 
。

例如在伦敦办公室有一堵双摆墙，

密码学中使用的安全随机性在计算上需要与 “真正的” 随机性取法区分，摄像机定时拍摄照片传递到服务器中 ，然后对图片计算哈希值
，这些系统可以直观地认为就是随机的 。

实现这个目的的典型方法就是获取一些随机种子并将其放到 CSPRNG 中，它必须通过统计随机性测试，其原理是定时对这组熔岩灯进行拍照 ，其中绝大多数请求是通过 TLS 协议进行保护的，该生成器可以根据请求生成本质上无限的  、不可预测的字节流 。主要工作内容就是亮着，CloudFlare 在全球几个办公室增加了一些基于物理学的熵系统，这些熔岩灯持续工作多年
，以确保真实性和机密性 。关门、因此这也可以认为是随机的。

为什么要不停地生成随机数：

CloudFlare 的服务器每秒需要处理超过 5500 万个 HTTP 请求，

当然标题中说的真正的随机数其实不准确，