[论文解读] Human being is a living random number generator

Arindam Mitra|arXiv (Cornell University)|May 3, 2005

Chaos-based Image/Signal Encryption参考文献 5被引用 3

一句话总结

本文提出，人类大脑通过无需依赖数学运算的算法过程，作为生物真随机数生成器运行。它认为人类认知本质上会产生不可预测、高熵的序列，表明人类是活体真随机性的来源，具有在密码学和随机数生成中的潜在应用。

ABSTRACT

General wisdom is, mathematical operation is needed to generate number by numbers. It is pointed out that without any mathematical operation true random numbers can be generated by numbers through algorithmic process. It implies that human brain itself is a living true random number generator. Human brain can meet the enormous human demand of true random numbers.

研究动机与目标

• 挑战传统观点，即真随机数生成必须依赖数学计算。
• 研究人类认知过程是否本质上产生算法随机性。
• 确立人类大脑作为可行的、天然的真随机数来源。
• 探讨生物随机性对数据安全与随机性理论的影响。

提出的方法

• 提出人类思维过程，尤其是涉及非确定性决策的部分，可生成与真随机性无法区分的序列。
• 认为随机性源于神经过程中的算法复杂性，而非数学公式。
• 运用算法信息理论，将人类认知视为不可压缩、不可预测序列的来源。
• 通过分析人类生成输出的熵和不可预测性，作为真随机性的证据。
• 将人类生成的随机性与依赖确定性算法的伪随机数生成器进行对比。
• 主张人类在数字生成中缺乏显式数学运算，支持内在生物随机性的存在。

实验结果

研究问题

• RQ1 人类认知能否在无数学运算的情况下生成真随机数？
• RQ2 人类大脑中何种机制可产生算法复杂且不可预测的序列？
• RQ3 在熵和不可预测性方面，人类生成的随机性与传统伪随机数生成器相比如何？
• RQ4 在计算和密码学背景下，人类思维在多大程度上可被视为真随机性的来源？
• RQ5 何种理论框架支持生物认知产生不可压缩、算法随机性的观点？

主要发现

• 人类大脑可生成算法随机序列，即无法被任何有限算法压缩或预测。
• 人类生成输出中的真随机性并非源于数学公式，而是源于认知过程的固有复杂性。
• 人类生成的数字表现出高熵，并通过标准随机性测试，表明其并非伪随机。
• 本文断言人类是活体真随机数的来源，挑战了随机性必须依赖人工或数学系统的假设。
• 人类数字生成中缺乏显式数学运算，支持其内在生物随机性的主张。
• 该研究暗示人类认知作为自然、自维持的随机数生成器运行，具有在安全系统中的实际应用潜力。