Prédire la graine de maths de Javascript

Non, vous ne pouvez pas prédire la graine, mais vous pouvez générer suffisamment de chiffres afin de brute avec précision une correspondance.

Quoi qu'il en soit, début de la page wiki sur la page wiki sur RNG - http://fr.wikipedia.org/ wiki / aléatoire_number_generation , examiner les implémentations pratiques des PRNG.

J'ai regardé à travers le rhinocéros Code source Pour savoir quelle fonction pseudo-aléatoire utilisée. Apparemment, ils Toile de retour à la fonction math.random définie dans le Java Standard Library .

La documentation pour math.random < / code> dit:

retourne une double valeur avec un signe positif, supérieur ou égal à 0,0 et moins de 1,0. Les valeurs retournées sont choisies pseudorandommy avec une distribution uniforme (approximativement) à partir de cette plage.

Lorsque cette méthode est appelée pour la première fois, elle crée un seul nouveau générateur de numéros pseudorandom, exactement comme si l'expression xxx

Ce nouveau générateur de numéros pseudorandom est utilisé par la suite pour tous les appels vers cette méthode et est utilisé nulle part ailleurs.

Cette méthode est correctement synchronisée pour permettre une utilisation correcte par plus d'un fil. Toutefois, si de nombreux threads doivent générer des chiffres de pseudorandom à un gros taux, il peut réduire la conflit pour chaque thread d'avoir son propre générateur de numéros pseudorandom.

J'ai vérifié la documentation pour java.util.random et trouvé Ceci (pour le constructeur par défaut):

crée un nouveau générateur de nombres aléatoires. Sa graine est initialisée à une valeur basée sur l'heure actuelle: xxx

Deux objets aléatoires créés dans le même milliseconde auront la même séquence de nombres aléatoires.

Alors maintenant, nous savons certainement que la graine est l'heure actuelle en millisecondes. En outre, la documentation pour le Deuxième constructeur dit:

crée un nouveau générateur de nombres aléatoires à l'aide d'une seule longue graine: xxx

Utilisé par méthode à côté de la maintien de l'état du générateur de numéros pseudorandom.

le Documentation pour la méthode SetSeed dit:

Définit la graine de ce générateur de nombres aléatoires à l'aide d'une seule longue graine. Le contrat général de l'établissement est qu'il modifie l'état de cet objet générateur de nombres aléatoires afin d'être exactement le même état que s'il venait d'être créé avec la graine d'argument comme une graine. La méthode établie est implémentée par classe aléatoire comme suit: xxx

La mise en oeuvre de la classée par classe arrive à n'utiliser que 48 bits de la graine donnée. En général, toutefois, une méthode primordiale peut utiliser tous les 64 bits de la longue argumentation en tant que valeur de semences. Remarque: bien que la valeur de la graine soit un atomiclong, cette méthode doit toujours être synchronisée pour assurer une sémantique correcte de HavenextNextgaussien.

le Méthode réelle Utilisé pour générer le nombre aléatoire est NextDouble :

retourne le pseudorandom suivant, une double valeur de manière uniforme comprise entre 0,0 et 1,0 de cette séquence de générateur de nombres aléatoires.

La mise en œuvre de la fonction Nexdouble est la suivante: xxx

clairement il dépend de sur le suivant Fonction:

génère le prochain numéro pseudorandom. La sous-classe devrait remplacer cela, car cela est utilisé par toutes les autres méthodes.

La mise en œuvre de la fonction suivante est la suivante: xxx

C'est la fonction pseudo-aléatoire que vous recherchez. Comme il est dit dans la documentation:

Il s'agit d'un générateur de numéro de Pseudorandom congruentiel linéaire, tel que défini par D. H. Lehmer et décrit par Donald E. Knuth dans l'art de la programmation informatique, Volume 2: algorithmes séminumériques, section 3.2.1.

Notez cependant que ce n'est que le générateur de nombres aléatoires utilisé par Rhino. D'autres implémentations comme SpiderMonkey et V8 peuvent avoir leurs propres générateurs de nombres pseudo-aléatoires.