✅Java中的随机是真随机吗？
典型回答
随机数在计算机应用中使用的比较广泛，最为熟知的便是在通信安全和现代密码学等领域中的应用。
随机数分为真随机数和伪随机数，我们程序中使用的基本都是伪随机数。
- 真随机数，通过物理实验得出，比如掷钱币、骰子、转轮、使用电子元件的噪音、核裂变等。需要满足随机性、不可预测性、不可重现性。
- 伪随机数，通过一定算法和种子得出。软件实现的是伪随机数。
只要这个随机数是由确定算法生成的，那就是伪随机。只能通过不断算法优化，使你的随机数更接近随机。
有限状态机不能产生真正的随机数的。所以，现代计算机中，无法通过一个纯算法来生成真正的随机数。无论是哪种语言，单纯的算法生成的数字都是伪随机数，都是由可确定的函数通过一个种子，产生的伪随机数。
扩展知识
真随机
真正的随机数是使用物理现象产生而不是计算机程序产生的。生成随机数的设备我们称之为真随机数生成器。
这样的设备通常是基于一些能生成低等级、统计学随机的“噪声”信号的微观现象，如热力学噪声、光电效应和量子现象。
从某种程度上来说，基于经典热噪声的随机数芯片读取当前物理环境中的噪声，并据此获得随机数。这类装置相对于基于软件算法的实现，由于环境中的变量更多，因此更难预测。
然而在牛顿力学的框架下，即使影响随机数产生的变量非常多，但在每个变量的初始状态确定后，整个系统的运行状态及输出在原理上是可以预测的，因此这一类装置也是基于确定性的过程，只是某种更难预测的伪随机数（pseudo random number）。
量子力学的发现从根本上改变了这一局面，因为其基本物理过程具有经典物理中所不具有的内禀随机性，从而可以制造出真正的随机数（true random number）产生器。
据美国国家标准与技术研究院（NIST）官网消息，该机构研究人员在2018年4月出版的《自然》杂志上撰文指出（原文地址：https://www.nature.com/articles/s41586-018-0019-0.epdf ），他们开发出一种新方法，可生成由量子力学保证的随机数字。新技术超越了此前获得随机数字的所有方法，得到了“真正的随机数字”，有助增强密码系统的安全性。
NIST数学家彼特·比尔霍斯特进一步解释说：“诸如翻转硬币之类的情况似乎是随机的，但如果能看到硬币确切的下落路径，最终结果也是可以预测的。因此，很难保证给定经典来源真正不可预测。量子力学在产生随机性方面表现更好，量子随机是真正的随机，因为对处于‘叠加’状态的量子粒子进行测量，得到的结果基本上是不可预测的。”
强随机数发生器
强随机数发生器依赖于操作系统底层提供的随机事件。强随机数生成器的初始化速度和生成速度都较慢，而且由于需要一定的熵累积才能生成足够强度的随机数，所以可能会造成阻塞。熵累积通常来源于多个随机事件源，如敲击键盘的时间间隔，移动鼠标的距离与间隔，特定中断的时间间隔等。所以，只有在需要生成加密性强的随机数据的时候才用它。
Java提供的强随机数发生器是java.security.SecureRandom类，该类也是一个线程安全类，使用synchronize方法保证线程安全，但jdk并没有做出承诺在将来改变SecureRandom的线程安全性。因此，同Random一样，在高并发的多线程环境中可能会有性能问题。