大数据背景下的伪随机数发生器研究  

作　　者：王景洪 

机构地区：[1]新乡市政务大数据中心,河南453000

出　　处：《网络安全技术与应用》2024年第11期26-28,共3页Network Security Technology & Application

摘　　要：大数据分析和模拟通常需要大量随机数,对于某些应用,如密码学或模拟研究,需要高质量的随机性,因此选择合适的PRNG算法变得至关重要。PRNG的周期长度是指在生成的序列中重复出现的元素之间的距离。在大数据环境中,如果PRNG周期太短,可能导致生成的伪随机数序列在长时间内出现明显的重复模式。因此,选择具有足够长周期的PRNG算法是重要的。

关 键 词：大数据 伪随机数发生器 线性同余发生器 

分 类 号：TN918[电子电信—通信与信息系统] TP311.13[电子电信—信息与通信工程]