Lobsters | 原文链接 | 2026-09-29 收录 · 热度 4

先挑好未来的抛硬币结果，再倒推出随机种子

来源: github.com/frazerpearce/TimeLord — 2026-09-28

一个小型 Python 演示证明：伪随机数发生器产生的极其罕见的序列，并不代表真的撞上了惊人的好运。TimeLord 能为普通的 random.Random(seed) 构造出一个整数种子，让接下来的 100 次甚至 1000 次抛硬币全部是正面，而且没有任何猴子补丁或事后干预。

核心要点

关键在于种子是在指定期望结果之后才被选出来的，因此「100 次全正面的概率是 2⁻¹⁰⁰」这种算法预设了一个并不成立的前提。
100 次全正面概率约 7.9×10⁻³¹，1000 次约 9.3×10⁻³⁰²，只有在种子事先独立随机选定时，这种结果才算惊人。
每次正面只需约束输出位为 01，即每个正面只给 MT19937 两个比特约束；1000 次也才 2000 个约束，而它的内部状态约有两万比特，自由度极大。
MT19937 的 twist 与 temper 都是 GF(2) 上的线性运算，可以用异或方程组表达，因此程序把状态比特符号化、按约束解方程，再自由填满其余比特。
更难的一步是反解 CPython 的整数种子初始化：程序倒推 624 个 32 位种子字，把它们合成一个大整数，最终调用依旧是普通的 random.Random(seed)。
演示脚本 demo_heads.py 里不含任何反推机制，任何人都能用同一个种子复现同样的 100 个正面——这恰好说明可复现性并不等于种子是独立随机选出的。

因此，想要的结果不是被预测出来的，而是被选出来的。