大量的基于密码学的网络安全算法和协议都使用二进制随机数：
- 密钥分发和相互认证方案
- 会话密钥的产生
- RSA公钥加密算法中密钥的产生
- 对称流密码加密的位流的产生
对随机数序列产生提出的两个要求：随机性和不可预测性。
- 随机性：分布均匀，系列中的位分布应该是均匀的；独立性，序列中任何子序列不能由其他子序列推导出。
- 不可预测性：随机数不仅要做到序列统计随机，还有随机数序列不可预测。
TRNG，PRNG，PRF
TPNG为真随机数发生器，PRNG为伪随机数发生器，PRF为伪随机函数。
真随机数发生器把一个很随机的源作为输入，这个源称为熵源，熵源是从计算机的物理环境抽取的，可能包括键盘敲击时间模式，磁盘的电活动，鼠标移动，系统时间的瞬时值等。源或源的组合作为算法的输入，产生随机的二元输出，也许仅仅是把模拟信号源转换为二元输出。
PRNG取一个固定值作为种子，作为输入，用一个确定性的算法产生位输出序列，不限长位流。输入位流仅仅由输入值决定，所以知道算法和种子的攻击者可以重现整个位流。不限长位流同样用于对称流密码的输入。
PRF用于会产生固定长度的伪随机位串，对称加密密钥和时变值就是种子。通常PRF的输入为种子和上下文相关的特定值（如ID）。
对PRNG的要求
当PRNG或者PRF用于密码学应用时，基本要求就是不知道种子的攻击者不能决定伪随机数。对PRNG和PRF输出保密性的要求，就是要求随机性、不可预测性和种子特定性。
随机性：对PRNG来说就是要生成的位流尽管是确定性的，但是显示是随机的。没有 单个的测试可以判断一个PRNG生成的数据具有随机性，只能进行一系列测试，根据NIST SP800-22规定，这些测试应该满足：
- 均匀性：在产生随机或伪随机位序列的任何点，0或1出现的量大约相等。
- 可伸缩性：用于序列测试的任何测试也可以用于从序列中抽取的子序列的测试。如果序列是随机的，那么任何从中抽取的子序列也应该是随机的。
- 一致性：对于所有初始值（种子），发生器的行为必须具有一致性。基于单个种子产生的输出测试，或者基于单个物理源输出的测试，都不充分。
下列有三种测试：
- 频率测试：最基本的测试，任何测试工具集都必须包含。判断序列中0和1的个数是否和真随机序列的期望值大约相同。
- 游程测试：测试的焦点是序列中游程的总量。游程指相同位构成的不间断序列，其前后的位取与游程位不同的值。判断各种长度的0和1游程的数量是否符合随机序列的期望值。
- Maurer通用统计测试：测试的重点是匹配模式间的位数，测试序列是否能大幅度压缩而不损失信息，能大幅度压缩的序列被认为是非随机的。
不可预测性：随机数位流具有两种不可预测性
- 向前不可预测性：不知道种子，不够知道序列中前面多少位，无法预测序列中的下一位。
- 向后不可预测性：从产生的任何值都不能推断出种子值。那么种子和该种子产生的任意值之间应该没有相关性，序列的每个元素应该显得像独立随机事件的结果。
用于随机性测试的测试集也提供不可预测性测试。
种子的要求：作为种子必须是安全的，PRNG是确定性算法，如果攻击者能推导出种子，那么就能决定输出。
一种产生PRNG的方式如图，种子由TRNG产生。
TRNG可以产生真随机数，但是并没有直接用TRNG，而是用PENG，这是为什么呢？
在流密码中，发送者需要生成与明文等长的密钥流，并把密钥流和密文安全发送给接收者，这是不现实的。如果是用PRNG的话，发送者只需要设法将密钥安全的发送给接收者即可。
在PRF中，也希望用TRNG产生种子，然后用PRF的输出作为密钥。TRNG可能会产生不平衡的二元序列，PRF具有使TRNG的输出更随机化的效果，消除不平衡性。
此外，用于产生真随机数的机制在速率上可能跟不上需要。
伪随机数发生器
线性同余发生器
BBS发生器
使用分组密码的伪随机数产生
ANSI X9.17伪随机数发生器