问题标签 [entropy]

我正在尝试从 /dev/random 收集真正的随机数。这是我的简单代码：

正如你所看到的，我要求 100 个随机字节，但是当我运行这个程序时，我总是在 15 到 30 范围内的变量nbr中得到输出，这是可以理解的，因为 /dev/random 并不总是有足够的熵，但我的期望是在 read() 时，/dev/random 应该阻塞，直到它将我的缓冲区填充到 100 个随机字节，这在这种情况下不会发生并且程序不会阻塞。我阅读了 /dev/random 的手册页。它说

当熵池为空时，来自 /dev/random 的读取将被阻塞，直到收集到额外的环境噪声。

这是否真的意味着 /dev/random 只会在熵池为空时阻塞，并且在它有任何数量的数据时不会阻塞，无论它是否小于所需的字节？

任何帮助，将不胜感激。

我有一个程序应该告诉用户他们输入的温度是否绝对为零。如果确实是这样，那么他们应该看到“对你来说没有熵”，如果它更大，那么它应该告诉他们它们在 a0 之上有多远，但是我不断收到消息说我的 if 语句有错误，并且不知道在哪里首先，有人可以帮我吗？

可能重复：
如何在 SQL Server 中生成 GUID？

我想知道 SQL Server 2008 GUID 是如何生成的？熵位

我需要使用以下算法从流中读取数据：

-从流中计算所有连续的设置位（“1”）。

- 然后，从流中读取更多位。K 是可变的，并且在整个程序中都会发生变化。让我们将读取的数据称为“m”

解码后的数字是

这个算法被执行了很多次。正因为如此，这段代码尽可能快是至关重要的。

主要问题是 1 字节、2 字节、4 字节等集合中的编码数字的数量是可变的，因此一个简单的实现（我现在脑子里只有一个）需要一个读取单字节的循环来自流的位。在最坏的情况下，对于一个编码系数，我在循环中进行了 14 次迭代。

我能以某种方式避免这个循环吗？

输出：

我首先发现了图像熵，结果是正确的。但近 80% 的视频帧熵都出来了-1.#IND。

这是视频....下载

可能出了什么问题？

最近，我在设置密码时遇到了两条奇怪的错误消息，一条在Chipolte 移动订购应用程序上，另一条在金融服务门户上。在这两种情况下，我都无法设置密码，因为它包含非字母数字字符。金融服务网站还规定了一个我认为相当奇怪的最大长度（密码不能超过 8 个字符，似乎非常短视）。我想知道对于防止某些字符的密码策略是否有任何安全理由。

目前，我参与了一些与数据挖掘相关的项目。而且，我必须使用以 GINIsplit 作为分割标准的决策树归纳，将给定的数据集（.csv 格式）分类为不同的类。所有这些我一直在 java 平台上做的，没有使用任何工具，例如 WEKA、ORANGE...等。

我的查询是-什么是表示决策树的最佳数据结构，以便分类快速有效？而且，如果属性是名义的、数字的或有序的，是否有任何针对属性的优化技术，我的意思是，具体的技术？

提前致谢！

这是一个好的 csrf 令牌吗？它是否有足够的熵，或者是否有一些容易猜到并且可以减少熵的部分，比如请求的时间？

一个示例 python 实现将 b

我有兴趣从 .NET 中的鼠标移动和击键生成熵（出于加密目的，这可能是在通过应用程序本身的事件接收鼠标移动和击键数据的 Forms 应用程序中，也可能是在 Web 应用程序中鼠标移动和击键数据使用 JavaScript 记录并通过 Ajax 发送到服务器。

该技术目前正在新的 MEGA 站点上使用。

我自己做了一些研究，发现了一个看起来像 C++ 的好例子，但它有点超出了我的 C/C++ 知识。

http://etutorials.org/Programming/secure+programming/Chapter+11.+Random+Numbers/11.21+Gathering+Entropy+from+Mouse+Events+on+Windows/

如果有人可以阐明如何通过 .NET（C# 或 VB.Net 很好）来实现这一点，那将是最有帮助的。

提前致谢。

克里斯

我有一个问题困扰了我一段时间。

熵测试通常用于识别加密数据。当分析数据的字节均匀分布时，熵达到最大值。熵测试识别加密数据，因为该数据具有均匀分布 - 就像压缩数据一样，在使用熵测试时被归类为加密。

示例：一些 JPG 文件的熵是 7,9961532 Bits/Byte，一些 TrueCrypt 容器的熵是 7,9998857。这意味着通过熵测试，我无法检测到加密数据和压缩数据之间的差异。但是：正如您在第一张图片上看到的那样，显然 JPG 文件的字节不是均匀分布的（至少不像来自 truecrypt-container 的字节那样均匀）。

另一个测试可以是频率分析。测量每个字节的分布，例如执行卡方检验以将分布与假设分布进行比较。结果，我得到了一个 p 值。当我对 JPG 和 TrueCrypt 数据执行此测试时，结果不同。

JPG 文件的 p-Value 为 0，这意味着从统计上看分布不均匀。TrueCrypt 文件的 p 值为 0,95，这意味着分布几乎完全均匀。

我现在的问题是：有人能告诉我为什么熵测试会产生这样的误报吗？是表示信息内容的单位的比例（每字节的位数）吗？例如，p 值是否是一个更好的“单位”，因为规模更小？

非常感谢你们的任何回答/想法！

编辑：不幸的是我不能发布图片，因为我还没有获得 10 名声望 :(