当前位置:首页 > 文章列表 > Golang > Go问答 > Go 随机数 crypto/rand 与 math/rand 怎样选择

Go 随机数 crypto/rand 与 math/rand 怎样选择

来源:17golang原创 2026-10-31 20:35:44 0浏览 收藏

Go 里选随机数,先问一句:这个值被猜到以后会不会造成越权、伪造或泄露?如果答案是“会”,使用 crypto/rand;如果只是模拟、抽样、洗牌或需要固定种子复现测试,使用 math/rand。两者都叫 rand,但安全目标不同,不能靠“多加几位”互相替代。

官方资料:https://pkg.go.dev/crypto/rand https://pkg.go.dev/math/rand

先给结论:随机数需求先分安全等级

场景选择理由
登录令牌、重置链接、会话随机值crypto/rand需要降低被预测和枚举的风险
密钥材料、随机盐、一次性值crypto/rand安全性优先,接受读取错误处理
模拟、抽样、游戏中的非安全洗牌math/rand接口直接,速度和分布控制更方便
固定种子的测试数据独立的 math/rand.Rand序列可复现,不污染全局状态

一个实用门禁是:只要结果会进入认证、授权、找回、签名或秘密材料,就不要因为性能或代码短而选 math/rand。

触发场景:哪些输入必须交给 crypto/rand

crypto/rand 提供密码学安全的随机源。生成字节串时可以直接填充缓冲区;生成有上界的整数时使用 rand.Int,它返回半开区间 [0,max) 的均匀值,并把读取失败作为错误返回。

package main

import (
	"crypto/rand"
	"encoding/hex"
	"fmt"
	"math/big"
)

func main() {
	// 令牌材料使用 crypto/rand,避免把可预测序列当成秘密。
	buf := make([]byte, 16)
	if _, err := rand.Read(buf); err != nil {
		// 安全随机源不可用时让调用方感知失败,不降级到 math/rand。
		panic(err)
	}
	fmt.Println(hex.EncodeToString(buf))

	// Int 的上界不包含在结果中;max 必须大于零。
	n, err := rand.Int(rand.Reader, big.NewInt(100))
	if err != nil {
		panic(err)
	}
	fmt.Println(n.Int64())
}
crypto/rand 随机字节、上界整数与秘密材料之间的静态关系说明图
图1:crypto/rand 的静态依赖结构说明图,展示随机源、字节材料、上界整数和安全边界的关系,不是运行截图。

注意不要把错误处理改成“失败就换 math/rand 重试”。那会把安全属性变成隐式降级;更稳妥的做法是返回错误、停止当前操作,或由上层决定是否稍后重试。

流水线阶段:math/rand 如何保留可复现序列

math/rand 产生的是伪随机序列,适合模拟、抽样、测试夹具和非安全的洗牌。需要复现时,创建局部 Rand,不要依赖包级全局状态。这样测试之间不会因为执行顺序不同而互相影响。

package main

import (
	"fmt"
	"math/rand"
)

func main() {
	// 固定种子只用于测试或模拟,生产秘密不能使用这种序列。
	r := rand.New(rand.NewSource(20261031))
	for i := 0; i 

如果代码只是从一组候选项中抽取样本,math/rand 的 Intn、Perm 和 Shuffle 更贴近需求。若测试需要同一组输入,保留种子和局部 Rand 的创建位置,比调用已弃用的全局 Seed 更清晰。

math/rand 局部 Rand、固定种子和可复现测试序列的静态关系说明图
图2:math/rand 的数据结构说明图,展示局部 Rand、固定种子、抽样序列和测试夹具的关系,不是运行截图。

门禁规则:并发、范围和弃用 API 怎么检查

  • 范围先写清楚:Intn(n) 和 crypto/rand.Int 都使用半开区间,传入零或负数会触发边界问题。
  • 局部 Rand 与底层 Source 不应被多个 goroutine 无保护地共享;需要并发时,在边界处加同步或按 goroutine 分配实例。
  • 不要把 math/rand.Read 当成安全随机字节接口;官方文档已建议大多数场景改用 crypto/rand.Read。
  • 如果需要确定性,使用 rand.New(rand.NewSource(seed));不要用一个全局种子控制整个进程。

这里的“安全”不是速度更快或字符串更长,而是随机源的预测难度和使用场景。测试可以可预测,令牌不可以;把两条路径分开,审查时更容易发现误用。

失败处理:从 math/rand 切到 crypto/rand 的迁移边界

迁移时先找输出的去向,而不是只搜索函数名。若输出被拼进 Cookie、密码重置 URL、验证码、邀请链接或密钥派生输入,就把生成函数替换成 crypto/rand,同时保留错误返回;若输出只用于测试夹具或模拟数据,继续使用局部 math/rand.Rand。

不要在同一个辅助函数中用布尔参数切换“安全随机”和“可复现随机”,这会让调用方很难从代码上判断属性。建议拆成两个命名明确的函数,例如 NewSecureToken 和 NewTestSampler,让权限和测试边界在接口层就可见。

通知复盘:用一张清单固定团队选择

  1. 先标记结果是否属于秘密、认证或授权材料。
  2. 秘密材料统一走 crypto/rand,错误向上返回,不做不安全降级。
  3. 模拟、抽样、洗牌和测试数据使用局部 math/rand.Rand。
  4. 需要复现就保存种子和构造方式,不依赖全局随机状态。
  5. 代码审查时检查范围、并发共享和已弃用 API。

常见问题

crypto/rand 一定比 math/rand 更适合所有随机需求吗?

不是。安全随机适合秘密材料,但模拟和测试更需要可复现、可控分布;先按结果用途选择。

固定种子能不能用来生成测试令牌?

可以用于测试夹具中的非安全占位数据,但不要把测试令牌的实现直接复用到生产认证流程。

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 TLS 客户端 Config Clone 后修改为何竞态Go TLS 客户端 Config Clone 后修改为何竞态
上一篇
Go TLS 客户端 Config Clone 后修改为何竞态
Go 随机数 验证码如何固定测试随机性
下一篇
Go 随机数 验证码如何固定测试随机性
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。
    816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。
    807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。
    898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。
    869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。
    692次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码