-1

据我所知，为了训练机器学习 (ML) 模型，应该知道训练集的输入和输出。然后，给定一个新的输入，ML 模型会尝试预测输出。
使用 TRNG，只有输出是已知的（没有输入）。我们仍然可以使用 ML 模型来预测下一个 TRNG 输出吗？

4

2 回答 2

0

使用 TRNG，只有输出是已知的（没有输入）。我们仍然可以使用 ML 模型来预测下一个 TRNG 输出吗？

为了进行预测，您首先需要训练一个 ML 模型。对于训练，您需要输入数据。

但是对于 TRNG 的用例（假设是真正的随机数生成器），请查看这篇文章：link

于 2019-02-19T20:37:32.850 回答
0

真正的 RNG 本质上是不可预测的，任何输入（内部状态）基本上都是不可观察的。TRNG 的输出应该是马尔可夫过程：意味着当前输出与所有过去的输出完全无关。

您可以将过去的输出视为“输入”，因为它可能会提供有关生成器内部状态的一些线索。

然后，您可以使用 ML 尝试在当前输出和过去输出之间找到某种联系，如果这样做，以下一项或多项可能是正确的：

  • 你的 TRNG 不是真正随机的
  • 您的 ML 发现了一个不存在的模式。与人类大脑一样，ML 将适应模式，即使它们不存在。这就是验证数据集的用武之地。

所以基本上，如果你对 TRNG 有信心，答案是否定的。

于 2019-02-19T21:25:58.510 回答