指南与文章

20 指南

• 随机数生成如何工作 EntropyDraw 如何用 SHA-256 与拒绝采样，把已锁定规则绑定到未来的公开 drand 信标。
• 真随机数生成器：真实熵与伪随机 什么是真随机数生成器？它与伪随机的区别，以及 EntropyDraw 如何使用公开熵。
• 可验证公平抽奖：可自行核对的证明 什么是可验证公平抽奖？密码学证明与公开哈希如何让在线抽奖可审计。
• 什么是熵？ 熵衡量不可预测性。了解它对随机数、密码学与公平抽奖的意义。
• 真 RNG 与伪随机 比较 TRNG 与 PRNG。何时各自适合公平抽奖与抽奖活动。
• 抽奖欺诈如何发生 在线抽奖常见操纵方式——以及密码学透明如何降低欺诈风险。
• 如何验证随机抽奖 分步说明：用 /d/{id}、公开 drand 轮次、SHA-256 与拒绝采样验证 EntropyDraw v2 结果。
• 随机种子说明 什么是随机种子、为何秘密种子破坏公平抽奖，以及 EntropyDraw 如何使用公开密码学种子。
• 随机数算法 从线性同余到 SHA-256 与拒绝采样——支撑随机数与公平抽奖的算法。
• 密码学随机性 密码学随机性与 SHA-256 如何产生不可预测且可验证的抽奖结果。
• 我们如何确保透明 EntropyDraw 如何公布熵、哈希与参数，使每次抽奖可被独立审计。
• 科学中的随机性 科学如何在实验、抽样与仿真中使用随机性——以及为何可审计性仍然重要。
• 密码学中的随机性 密码学为何需要高质量随机性用于密钥与 nonce——以及与抽奖的关系。
• 人工智能中的随机性 AI 如何在训练与采样中使用随机性——以及人类决策为何仍需要证明。
• 随机选择器 用于团队、礼品与决策的可审计随机选择。锁定姓名列表并分享密码学证明。
• 骰子工具 带密码学证明的掷骰。将 EntropyDraw 区间映射到 d6、d20 与自定义骰子。
• 抛硬币 用可审计 1–2 抽奖做公平抛硬币。与任何人分享 SHA-256 证明。
• 姓名选择器 从锁定列表中公平选一个姓名。公布列表承诺，并在 /d/{id} 核对获奖者。
• 赢家选择器 从锁定的姓名列表中选出获奖者。列表的 SHA-256 承诺，以及可分享的 /d/{id} 证明。
• 打乱列表 如何用可审计随机数排序或打乱列表，而不是不透明应用按钮。