当前位置:首页 > 文章列表 > Golang > Go教程 > Go crypto/rand 怎样生成安全范围内随机整数

Go crypto/rand 怎样生成安全范围内随机整数

来源:17golang原创 2026-10-14 20:44:11 0浏览 收藏

需要生成抽奖序号、验证码下标或安全令牌中的一个随机整数时,Go 应优先使用 crypto/rand。最小写法是把正数上限交给 rand.Int:它返回 [0,max) 内的均匀随机值,结果类型是 *big.Int。因此生成 0 到 99 的整数要传入 100,而不是 99;传入非正数会触发 panic。

安全范围内随机整数的关键不是手动取模,而是使用 rand.Int(rand.Reader, max)。先明确半开区间,再根据业务需要计算 span,并对非法范围和大整数转换做保护。
要点速览
  • rand.Int 的范围是左闭右开,max 必须大于 0。
  • big.NewInt 适合把 int64 上限转换成 *big.Int,调用后先检查错误。
  • 闭区间应使用 max-min+1,大于 int64 的范围不要强行调用 Int64。

rand.Int 的范围先按 [0,max) 理解

crypto/rand.Int 的签名是 func Int(rand io.Reader, max *big.Int) (n *big.Int, err error)。它从给定的随机源中取值,并保证结果不小于 0 且小于 max。这个半开区间设计便于表达数组下标:长度为 8 的切片对应的上限就是 big.NewInt(8),合法下标自然是 0 到 7。

默认的 rand.Reader 是密码学安全随机源,并且可以并发使用。不要先生成一个很大的字节数再用取模得到结果,简单取模会让不能整除的范围出现偏差;rand.Int 已经把范围采样交给标准库处理。

Go crypto/rand.Int 与 big.Int 的半开区间关系说明图,展示 rand.Reader、max 和 [0,max) 结果边界
图1:crypto/rand.Int 半开区间与 big.Int 上限的静态说明图,不是运行截图。

用 rand.Reader 生成指定上限的整数

常见的 0 到 99 随机数可以这样写。big.NewInt(100) 创建上限对象,返回的 *big.Int 先检查 err,确认没有读取随机源失败后,再用 Int64 转成普通整数。

package main

import (
	"crypto/rand"
	"errors"
	"fmt"
	"math/big"
)

func randomBelow(max int64) (int64, error) {
	// rand.Int 要求上限为正数,先把业务输入挡在标准库调用之外。
	if max 

这里的 max 是排除值。如果业务需要“最多 100”,应传入 101;如果业务参数来自请求或配置,先校验上限,再进入生成函数,避免把标准库的 panic 变成线上故障。

把半开区间换成闭区间

要生成 [min,max] 的整数,先求范围长度 span = max-min+1,然后从 [0,span) 采样并加回 min。下面的检查同时拒绝反向区间和会溢出的跨度。

func randomBetween(min, max int64) (int64, error) {
	// 先判断顺序,避免在计算 max-min+1 前出现错误输入。
	if min > max {
		return 0, errors.New("min must not exceed max")
	}
	// max-min 可能溢出,因此用 big.Int 计算闭区间的跨度。
	low := big.NewInt(min)
	high := big.NewInt(max)
	span := new(big.Int).Sub(high, low)
	span.Add(span, big.NewInt(1))

	n, err := rand.Int(rand.Reader, span)
	if err != nil {
		// 不吞掉随机源错误,调用方可以记录并中止本次操作。
		return 0, fmt.Errorf("generate interval value: %w", err)
	}
	result := new(big.Int).Add(n, low)
	return result.Int64(), nil // 本函数的返回契约仍限制在 int64。
}

big.Int 能避免跨度计算阶段的 int64 溢出,但最后的 Int64 仍然意味着返回值必须落在 int64 表示范围内。本例的入参和返回值都为 int64,如果业务范围超过它,应把函数返回类型也改成 *big.Int,不要只改中间变量。

Go crypto/rand 生成闭区间整数的静态结构图,展示 min、max、span、rand.Int 与 big.Int 的关系
图2:从闭区间计算 span 再还原结果的结构说明图,不是运行截图。

参数与转换的边界清单

场景写法需要确认
随机下标big.NewInt(length)length 不能为 0
闭区间span=max-min+1min 不得大于 max,跨度计算不能溢出
大整数直接返回 *big.Int不要无条件调用 Int64
随机源错误向上返回 error不能用 0 或旧结果静默替代

还要区分“随机源安全”和“业务流程安全”:crypto/rand 只负责不可预测的随机输入,不能替你防止重复兑换、越权领取或重放。涉及令牌时,长度、编码和存储方式仍需要单独设计。

常见问题

为什么不能把 max 写成 99?

因为上限不参与结果。写成 99 得到的是 0 到 98;想包含 99,应传入 100。

rand.Int 返回 error 时可以继续用 n 吗?

不应继续使用。调用方应先判断 error,失败时返回或重试,不能把可能未形成有效结果的值当作随机数。

什么时候应该用 math/rand?

如果只是模拟、洗牌或测试数据且不要求不可预测性,可以另行使用普通伪随机方案;验证码、令牌、抽签结果等安全敏感场景应保留 crypto/rand。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go slog 怎样把公共字段分组输出Go slog 怎样把公共字段分组输出
上一篇
Go slog 怎样把公共字段分组输出
Go HMAC 怎样用 ConstantTimeCompare 比较签名
下一篇
Go HMAC 怎样用 ConstantTimeCompare 比较签名
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    473次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    531次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    551次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    503次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    320次使用