CryptoPP的LC_RNG算法的使用

随机数发生器是密码学的一个重要原语。密码学库CryptoPP中提供了一些随机数发生器算法，如下图所示：

今天，介绍一些其中LC_RNG算法的使用。该库中的LC_RNG算法就是著名的线性同余发生器算法。该算法由于执行效率高而被广泛使用，C语言库函数中的rand()算法就是一个线性同余发生器。
该算法在程序库中的继承结构如下：

可以看到，类LC_RNG继承自类RandomNumberGenerator，类RandomNumberGenerator是CryptoPP库所有随机数发生器共同的基类。

从其帮助文档和程序库的源代码中可以看到，RandomNumberGenerator是一个抽象类，且提供了大量的接口。
例如，调用IncorporateEntropy()成员函数，可以为rng补充熵。
调用CanIncorporateEntropy () 成员函数，可以判定该rng是否允许补充熵。
调用GenerateByte ()成员函数，可以获得一个字节的随机数。
调用GenerateBit()成员函数，可以获得一个比特的随机数。
调用GenerateWord32 (word32 min=0, word32 max=0xffffffffUL)成员函数，可以获得指定范围的随机数。
关于其他函数的使用说明，可以查看库的在线帮助文档：https://www.cryptopp.com/docs/ref/。
下面利用该算法产生1Gbit的数据，并将产生的数据存放至磁盘上的文件，同时，计算产生这些数据所消耗的时间。
源代码如下：

#include
#include//包含LC_RNG算法的头文件
#include
#include
#include
using namespace std;
using namespace CryptoPP;

#define Array_Size 64

int main()
{
	//定义一个LCG（线性同余发生器）对象,同时给该RNG赋予种子。
	LC_RNG  rng(123456);
	//定义一个文件对象
	ofstream file("data.dat",ios_base::binary | ios_base::out);

	byte output[Array_Size];

	//产生1Gbits的数据。每调用一次随机数发生器，产生8*64=512bits的数据。
	//1Gbits = 1000*1000*1000。
	//1000*1000*1000/512 = 1953125。

	cout << "开始生成数据..." << endl;
	clock_t start = clock();

	for(int i=0; i < 1953125 ; ++i)
	{
		rng.GenerateBlock(output,Array_Size);
		file.write(reinterpret_cast(output),Array_Size);
	}
	clock_t end = clock();
	cout << "数据生成完毕..." << endl;

	double  duration;
	duration = (double)(end - start) / CLOCKS_PER_SEC;
	cout << "生成数据总共耗时：" << duration << endl;

	file.close();

	return 0;
}

执行上述程序，执行结果如下图所示：

该RNG算法产生1Gbits = 119MB数据用时2.466秒，执行效率极高。

需要特别注意的是：该算法不能用于密码学场合，因为该算法很容易被破解。不能满足密码学对随机数发生器要求的“不可预测性”。

更多示例代码详见《深入浅出CryptoPP密码学库》随书电子文档：https://github.com/locomotive-crypto/crypto_book_1st