Rastgele Sayı Üretici – Anında, Ücretsiz ve Gerçekten Rastgele

Rastgele Sayı Üretici Nedir?

Rastgele sayı üreteci (RNG), şans eseri tahmin edilemeyecek bir sayı dizisi üreten bir sistemdir (hesaplamalı, fiziksel veya hibrit). Her çıktı değeri, kendisinden önceki değerlerden istatistiksel olarak bağımsızdır ve tüm dizi, bir gözlemcinin gelecekteki çıktıları tahmin etmek için kullanabileceği belirgin bir örüntü göstermez. Bu tanım basit görünse de, pratikte bunu başarmak uygulamalı matematik ve bilgisayar bilimlerindeki en zor problemlerden biridir.

"Rastgele sayı üreteci" ifadesi, sıklıkla karıştırılan iki temel farklı şeyi kapsar: yalnızca rastgele görünen diziler üretmek için deterministik algoritmalar kullanan sözde rastgele sayı üreteçleri (PRNG'ler) ve evrenden gerçek fiziksel entropiyi toplayan gerçek rastgele sayı üreteçleri (TRNG'ler) . Üçüncü bir kategori olan kriptografik olarak güvenli sözde rastgele sayı üreteçleri (CSPRNG'ler) ise ikisi arasında yer alır; uygulamada deterministiktirler ancak çıktılarını gerçek rastgelelikten ayırt edebilecek hiçbir hesaplama saldırısının gerçekleştirilemeyeceği şekilde tasarlanmışlardır.

Rastgele Sayı Üreticilerinin Önemi

Rastgele sayı üreteçleri (RNG'ler), bilim, güvenlik ve günlük yazılımlarda temel bir altyapı görevi görür. Güvenilir rastgelelik olmadan modern kriptografi çöker: her TLS oturumu, her şifrelenmiş mesaj, her dijital imza, tahmin edilemez olması gereken gizli anahtarlara bağlıdır. Kumarhaneler, piyangolar ve çevrimiçi oyunlar, adalet için RNG'lere bağımlıdır. İklim modellemesinden ilaç keşfine kadar bilimsel simülasyonlar, analitik olarak çözülemeyen çözümleri yaklaşık olarak elde etmek için rastgele örnekleme kullanır. İstatistiksel örnekleme, A/B testi, prosedürel oyun dünyası oluşturma ve hatta sinir ağı ağırlık başlatma işlemlerinin tümü yüksek kaliteli rastgele sayılar gerektirir.

Kötü rastgeleliğin sonuçları ciddi ve iyi belgelenmiştir. 2012'de araştırmacılar, internetteki milyonlarca RSA açık anahtarının asal çarpanlarını paylaştığını, bunun nedeninin ise bu anahtarları üreten cihazların önyükleme sırasında yetersiz entropiye sahip olması olduğunu keşfettiler. Paylaşılan bir asal sayıyı çarpanlarına ayıran bir saldırgan, özel anahtarı kurtarabilir ve tüm iletişimleri şifresini çözebilir. 2010 yılında Sony PlayStation 3, ECDSA uygulamasının her imza için aynı "rastgele" nonce'u yeniden kullanması nedeniyle kırıldı; tek bir tekrarlanan değer, özel anahtarı cebirsel olarak çıkarmak için yeterlidir. Bunlar uç durumlar değil; rastgeleliği çözülmüş bir problem olarak ele almanın öngörülebilir sonuçlarıdır.

Başlıca Uygulama Alanları

• Kriptografi ve güvenlik: Anahtar üretimi, başlatma vektörleri, nonce'lar, tuzlar, oturum belirteçleri ve sertifika seri numaraları.
• Simülasyonlar ve modelleme: Monte Carlo yöntemleri, stokastik diferansiyel denklemler, parçacık fiziği simülasyonları, epidemiyolojik modeller.
• Oyun ve kumar: Kart karıştırma, zar atma, slot makinesi sonuçları, prosedürel seviye oluşturma, ganimet tabloları.
• İstatistik ve araştırma: Rastgele örnekleme, rastgele kontrollü deneyler, bootstrap yöntemi, çapraz doğrulama bölmeleri.
• Dağıtılmış sistemler: Lider seçimi, titreşimli yük dengeleme, rastgele gecikmelerle üstel geri çekilme.
• Makine öğrenimi: Ağırlık başlatma, dropout maskeleri, veri artırma, stokastik gradyan inişi.

Sözde Rastgele Sayı Üreticisi Nasıl Çalışır?

Bir sözde rastgele sayı üreteci (PRNG), bir tohum (tek bir sayı veya küçük bir veri bloğu) ile başlar ve uzun bir çıktı dizisi üretmek için tekrar tekrar deterministik bir matematiksel fonksiyon uygular. Aynı tohum verildiğinde, dizi mükemmel bir şekilde tekrarlanabilir. Farklı bir tohum verildiğinde, dizi tamamen farklı görünür. Bir PRNG'nin kalitesi, rastgelelik için istatistiksel testlerden ne kadar iyi geçtiğine ve güvenlik uygulamaları için, iç durumunun çıktılarından çıkarılıp çıkarılamayacağına göre değerlendirilir.

Doğrusal Uyumlu Üreteçler

En eski ve en basit sözde rastgele sayı üreteci (PRNG) ailesi, a, c ve m'nin dikkatlice seçilmiş sabitler olduğu X _n+1 = (aX _n + c) mod m yineleme bağıntısını kullanır. C standart kütüphanesinin rand() fonksiyonu, birçok uygulamada doğrusal uyumlu bir üreteçtir (LCG). LCG'ler hızlı ve uygulaması kolaydır, ancak ciddi zayıflıkları vardır: düşük sıralı bitler kısa periyotlarla döngü yapar, tam dizi periyodu en fazla m'dir ve iç durum birkaç çıktıdan kolayca kurtarılabilir. Basit simülasyonlar ve güvenlik gereksinimi olmayan oyunlar için kabul edilebilirler, ancak kriptografik herhangi bir şey için tamamen kabul edilemezler.

Mersenne Twister

1998 yılında Matsumoto ve Nishimura tarafından yayınlanan Mersenne Twister (MT19937), Python, Ruby, R, PHP ve diğer birçok dilde varsayılan sözde rastgele sayı üreteci (PRNG) haline geldi. ^{2¹⁹⁹⁹⁷} − 1 gibi astronomik derecede büyük bir periyoda sahip, neredeyse tüm istatistiksel testlerden geçiyor ve hızlı çalışıyor. İçsel durumu 624 adet 32 bitlik tamsayıdan oluşuyor. Kritik zayıflığı: Bir saldırgan 624 ardışık çıktıyı gözlemlerse, içsel durumun tamamını yeniden oluşturabilir ve gelecekteki her çıktıyı tahmin edebilir. Bu nedenle Mersenne Twister, yaygın olarak kötüye kullanılmasına rağmen, güvenlik açısından hassas herhangi bir uygulama için tamamen uygun değildir.

Modern PRNG'ler: Xoshiro, PCG ve SFC

Günümüzde en iyi uygulama olarak kabul edilen kriptografik olmayan sözde rastgele sayı üreteçleri (PRNG'ler) arasında PCG ailesi (Permuted Congruential Generators), xoshiro256** ve SFC64 yer almaktadır. Bu üreteçler, Mersenne Twister'dan daha küçük, daha hızlı ve istatistiksel olarak daha üstündür. Özellikle PCG, PRNG'ler için en zorlu standart istatistiksel test paketi olan TestU01 BigCrush testinde mükemmel performans göstermektedir. NumPy, tam da bu nedenle 1.17 sürümünde varsayılan üreteci Mersenne Twister'dan PCG64'e geçirmiştir.

Kriptografik olarak güvenli bir PRNG nasıl çalışır?

Bir CSPRNG'nin sıradan istatistiksel rastgeleliğin ötesinde iki özelliği karşılaması gerekir. Birincisi, sonraki bitin tahmin edilemezliği : önceki tüm çıktılar verildiğinde, hiçbir polinom zamanlı algoritma sonraki biti %50'den anlamlı derecede daha yüksek bir olasılıkla tahmin edemez. İkincisi, durumun tehlikeye atılmasına karşı direnç : bir saldırgan mevcut iç durumu öğrenirse, geçmiş çıktıları yeniden oluşturamaz (buna geriye dönük gizlilik veya geri izleme direnci denir).

Modern işletim sistemleri, temel bir hizmet olarak CSPRNG'ler (Kritik Sözel Rastgele Sayı Üreteçleri) sunmaktadır. Linux, donanım olayları tarafından oluşturulan bir çekirdek entropi havuzundan yararlanan /dev/urandom ve getrandom() sistem çağrısını sunar. Windows, BCryptGenRandom() işlevini sağlar. macOS ve iOS, macOS 10.12'den beri ChaCha20 tarafından desteklenen arc4random_buf() işlevini kullanır. Üretim CSPRNG'lerinde kullanılan temel yapılar arasında Hash_DRBG , HMAC_DRBG ve CTR_DRBG (hepsi NIST SP 800-90A'da standartlaştırılmıştır) ile BSD'ler ve modern Linux tarafından kullanılan ChaCha20 tabanlı üreteçler yer almaktadır.

Gerçek Rastgele Sayı Üreticisi Nasıl Çalışır?

Gerçek rastgele sayı üreteci (TRNG), ya temelde kuantum mekaniksel oldukları için ya da ölçülemeyen başlangıç koşullarına duyarlı kaotik klasik sistemler içerdikleri için gerçekten tahmin edilemez olan fiziksel süreçlerden rastgelelik çıkarır.

Yaygın Fiziksel Entropi Kaynakları

• Termal gürültü (Johnson-Nyquist gürültüsü): Bir direnç içindeki elektronların rastgele hareketi, örneklenip sayısallaştırılabilen voltaj dalgalanmaları üretir.
• Atış gürültüsü: Fotonların veya elektronların bir dedektöre rastgele ve aralıklı olarak ulaşması, ölçülebilir rastgele bir sinyal üretir.
• Radyoaktif bozunma: Radyoaktif bir kaynaktan kaynaklanan bozunma olaylarının zamanlaması gerçekten kuantum rastgeleliğine dayanmaktadır. RANDOM.ORG, benzer şekilde tahmin edilemez olan atmosferik radyo gürültüsünü kullanır.
• Kuantum optik kaynakları: Foton varış süreleri, homodin algılama ile ölçülen vakum dalgalanmaları ve ışın ayırıcı yol seçimleri, onaylanmış kuantum rastgeleliğinin kaynaklarıdır.
• Tüketici cihazlarında donanım entropisi: Modern CPU'lar, özel donanım RNG talimatları içerir. Intel'in RDRAND'ı, AES-CBC-MAC ile işlenmiş çip üzerinde bir termal gürültü kaynağı kullanır. AMD'nin eşdeğeri de benzer şekilde çalışır. ARM'ın TrustZone'u, işletim sistemine erişilebilir bir donanım entropi kaynağı içerir.
• İşletim sistemi entropi havuzları: Linux, kesme zamanlamasından, disk G/Ç gecikmesinden, ağ paketi varış sürelerinden ve donanım RNG talimatlarından entropi toplar ve bunları kriptografik bir yapı aracılığıyla karıştırarak çekirdeğin entropi havuzunu oluşturur.

Şartlanma Sorunu

Ham fiziksel gürültü nadiren düzgün dağılımlıdır. Bir termal gürültü kaynağı, devre asimetrileri nedeniyle 1'lerden biraz daha fazla 0 üretebilir. Bu nedenle, bir TRNG (Termal Rastgele Sayı Üreteci), ham örnekleri daha kısa, kanıtlanabilir şekilde düzgün bir çıktıya sıkıştıran bir koşullandırma adımı (tipik olarak kriptografik bir karma veya bir çıkarıcı fonksiyon) içerir. Tüketilen ham bitlerin üretilen çıktı bitlerine oranı, minimum entropi oranı olarak adlandırılır ve iyi tasarlanmış bir TRNG bu oranı dikkatlice karakterize eder. NIST SP 800-90B, federal sistemlerde kullanılan entropi kaynakları için test ve doğrulama gereksinimlerini tanımlar.

PRNG, CSPRNG ve TRNG'nin karşılaştırılması

Mülk	PRNG	CSPRNG	TRNG
Deterministik	Evet	Evet (tohum ekildikten sonra)	HAYIR
Tohumdan çoğaltılabilir	Evet	Evet	HAYIR
İstatistiksel testlerden geçer.	Genellikle	Evet	Evet (şartlandırma işleminden sonra)
Tahmine karşı güvenli	HAYIR	Evet	Evet
Hız	Çok hızlı	Hızlı	Yavaş (donanım sınırlı)
Donanım entropisi gerektirir.	Sadece tohumlama için	Sadece tohumlama için	Her zaman
Tipik kullanım örnekleri	Simülasyonlar, oyunlar, örnekleme	Anahtar üretimi, tokenlar, kriptografi	Yüksek güvenlikli anahtarlar, kumar düzenlemeleri, araştırma

Rastgeleliğin İstatistiksel Tanımı

Rastgelelik ikili bir özellik değildir; bir spektrumda yer alır ve uygun standart tamamen uygulamaya bağlıdır. Bir dizi, belirli bir amaç için rastgele kabul edilir, eğer o amaca uygun hiçbir test onu teorik olarak ideal bir rastgele diziden ayırt edemiyorsa. NIST, frekans analizi, çalışma testleri, spektral analiz ve doğrusal karmaşıklık dahil olmak üzere on beş testi kapsayan istatistiksel bir test paketi (SP 800-22) yayınlamaktadır. Université de Montréal'de geliştirilen TestU01 kütüphanesinin BigCrush bataryası ise 106 farklı test uygulayarak daha da zorlayıcıdır. BigCrush'ta başarısız olan bir üreteç, ne kadar hızlı çalışırsa çalışsın, ciddi simülasyon çalışmaları için uygun değildir.

Rastgeleliğin ne anlama gelmediği konusunda net olmakta fayda var. 1, 2, 3, 4, 5 gibi bir dizi, her bir sayının çıkma olasılığı diğer herhangi bir sayı kadar olsa bile rastgele değildir; örüntü tahmin edilebilir. Tersine, bir dizi, rastgele olmayan bir dizi olmasa bile, şans eseri yerel olarak örüntülenmiş gibi görünebilir (adil bir madeni paradan art arda üç tura gelmesi gibi). Rastgelelik, izole olarak incelenen herhangi bir çıktı dizisinin değil, üretim sürecinin bir özelliğidir.

Rastgele Sayı Üreticileri Nasıl Çalışır: Temel Mekanizmalar ve Pratik Taktikler

Rastgele sayı üreteçleri iki temel kategoriye ayrılır: başlangıç değeriyle beslenen deterministik algoritmalar kullanan sözde rastgele sayı üreteçleri (PRNG'ler) ve fiziksel olaylardan entropi türeten gerçek rastgele sayı üreteçleri (TRNG'ler). Doğru türü seçmek, doğru şekilde beslemek ve bunu belirli kullanım durumunuza uygulamak, sonuçlarınızın istatistiksel olarak sağlam, kriptografik olarak güvenli veya tehlikeli derecede tahmin edilebilir olup olmadığını belirler.

Rastgele Sayı Üreteci Seçme ve Kullanma İçin Adım Adım Strateji

Tek bir sayı üretmeden önce, üreteci göreve uygun hale getirmeniz gerekir. Kriptografik anahtar üretimi için hızlı bir sözde rastgele sayı üreteci kullanmak, yazılım güvenliğindeki en önemli hatalardan biridir. Benzer şekilde, milyarlarca yinelemeli bir Monte Carlo simülasyonu için yavaş bir donanım rastgele sayı üreteci kullanmak, kaynakları gereksiz yere israf eder. Aşağıdaki adımlar, karar verme sürecini temel prensiplerden yola çıkarak açıklamaktadır.

Adım 1: Rastgelelik Gereksinimlerinizi Tanımlayın

Herhangi bir araca veya kütüphaneye dokunmadan önce üç soru sorun:

• Öngörülebilirlik önemli mi? Eğer bir düşmanın sayılarınızı tahmin etmesi zarara yol açıyorsa (kriptografi, kumar, piyango veya güvenlik token'larında), kriptografik düzeyde rastgeleliğe ihtiyacınız vardır. Fizik simülasyonu yapıyorsanız veya bir çalma listesini karıştırıyorsanız, yüksek kaliteli bir sözde rastgele sayı üreteci yeterlidir.
• Kaç sayıya ihtiyacınız var? Bazı üreteçlerin sonlu periyotları vardır. Python'ın random modülünde ve birçok dilde yaygın olarak kullanılan Mersenne Twister'ın periyodu ^{2¹⁹⁹³⁷} − 1'dir; bu çoğu amaç için astronomik derecede büyük olsa da yine de sonlu ve deterministiktir.
• Tekrarlanabilirliğe mi ihtiyacınız var? Bilimsel deneyler ve prosedürel oyun üretimi genellikle aynı dizinin tekrar üretilmesini gerektirir. Tohumlanmış bir PRNG size bunu sağlar. Bir TRNG ise sağlamaz.

Adım 2: Doğru Jeneratör Tipini Seçin

Kullanım Durumu	Önerilen Jeneratör	Örnekler
Kriptografik anahtarlar, parolalar, belirteçler	CSPRNG (Kriptografik Olarak Güvenli Sözde Sayı Üreteci)	secrets modülü (Python), crypto.randomBytes (Node.js), /dev/urandom (Linux)
Simülasyonlar, istatistik, makine öğrenimi	Yüksek kaliteli PRNG	Mersenne Twister, PCG64, xoshiro256**
Piyangolar, denetlenebilir çekilişler	TRNG veya sertifikalı donanım RNG'si	RANDOM.ORG, donanım güvenlik modülleri (HSM'ler)
Oyunlar, prosedürel üretim	Tohumlanmış PRNG	Mersenne Twister, iyi sabitlere sahip LCG
Gerçek zamanlı gömülü sistemler	Çip üzerinde donanım RNG'si	Intel RDRAND, ARM TrueRNG

3. Adım: Jeneratörü Doğru Şekilde Başlatın

Çoğu sözde rastgele sayı üreteci (PRNG) uygulamasında tek hata noktası tohum değeridir. Zayıf veya tahmin edilebilir bir tohum değeri, algoritması ne kadar karmaşık olursa olsun, PRNG'nin tüm güvenlik modelini çökertir.

• Yüksek entropili tohumlar kullanın. İşletim sistemi entropi havuzları (Unix'te /dev/urandom , Windows'ta CryptGenRandom ), klavye zamanlamaları, disk kesintileri, ağ paketi gelişi gibi donanım olaylarını birleştirerek tahmin edilmesi neredeyse imkansız tohumlar üretir.
• Yalnızca sistem saatini kullanarak başlangıç değeri belirlemeyin. Programınızın yaklaşık başlama zamanını bilen bir saldırgan, saniye cinsinden zaman damgasına dayalı bir başlangıç değeri kaba kuvvet yöntemiyle bulabilir. Bu güvenlik açığı, çevrimiçi poker sitelerine ve piyango sistemlerine yönelik gerçek dünya saldırılarında kullanılmıştır.
• Üretim kodunda asla sabit başlangıç değerleri (seed) kullanmayın. Sabit bir başlangıç değeri, her çalıştırmada aynı diziyi üretir. Bu, test için faydalı olsa da güvenlik açısından felakettir.
• Uzun süreli çalışan uygulamalarda periyodik olarak yeniden başlatma işlemi yapın. Uygulamanız günlerce veya haftalarca çalışıyorsa, periyodik olarak yeni entropi eklemek, jeneratörün öngörülebilir bir duruma geçmesini engeller.

Adım 4: Oluşturucuyu Belirli Görevinize Uygulayın

Ham rastgele sayı üretmek nadiren nihai hedeftir. Pratik uygulamalar — örnekleme, karıştırma, aralık eşleme — kendi hata modlarını da beraberinde getirir.

Bir Aralıkta Sayı Üretme

Modül operatörünü ( rand() % N ) kullanmanın basit yaklaşımı, modül yanlılığına yol açar. Eğer üretecin çıktı aralığı N'ye tam olarak bölünemiyorsa, bazı değerler diğerlerinden daha sık görünür. Örneğin, üreteciniz 0 ile 32767 arasında değerler üretiyorsa ve siz 0 ile 99 arasında sayılar istiyorsanız, 0-67 değerleri 68-99 değerlerinden biraz daha sık görünecektir çünkü 32768, 100'e bölünemez.

• Reddetme örneklemesi kullanın. Sapmalı kuyruğa düşen değerleri atın ve yeniden çizin. İyi uygulanmış standart kütüphanelerin çoğu bunu otomatik olarak yapar.
• Dahili aralık fonksiyonlarını kullanın. Python'ın random.randint(a, b) , Java'nın ThreadLocalRandom.nextInt(origin, bound) ve benzeri fonksiyonlar, sapmayı dahili olarak ele alır.
• Kriptografik kullanım için, varsayılan olarak tarafsız aralık seçimi uygulayan Python'daki secrets modülünü veya eşdeğerini kullanın .

Bir Listeyi Adil Bir Şekilde Karıştırmak

Fisher-Yates karıştırma algoritması (Knuth karıştırma algoritması olarak da adlandırılır), tekdüze rastgele bir permütasyon üretmek için tek doğru algoritmadır. Son elemandan ilk elemana doğru yineleyerek, her elemanı mevcut konumunda veya ondan önceki rastgele seçilmiş bir elemanla değiştirir.

1. Son indeksten (i = n−1) başlayın.
2. 0 ≤ j ≤ i koşulunu sağlayan rastgele bir j indeksi seçin.
3. i ve j konumlarındaki elemanların yerini değiştirin.
4. i değerini azaltın ve i = 0 olana kadar tekrarlayın.

Basit alternatif olan, her bir eleman için bağımsız olarak rastgele bir konum seçme yöntemi, tekdüze bir dağılım üretmez. Bazı permütasyonlar diğerlerinden daha sık ortaya çıkar; bu da kart oyunlarında ve piyangolarda ölçülebilir ve istismar edilebilir bir kusurdur.

Yerine Koymadan Örnekleme

n kişilik bir popülasyondan k adet benzersiz değere ihtiyacınız olduğunda, tekrarlanan değerleri çekip atmak verimsizdir. Büyük veya sürekli akış halindeki veri kümeleri için rezervuar örneklemesi, daha küçük kümeler için ise popülasyonun bir kopyası üzerinde Fisher-Yates yöntemi kullanılabilir. Python'ın random.sample(population, k) bunu doğru ve verimli bir şekilde uygular.

Adım 5: Jeneratörünüzün Çıkış Kalitesini Test Edin

Doğru şekilde uygulanmış bir rastgele sayı üreteci bile, istatistiksel özellikleri uygulamanın gereksinimleriyle uyuşmuyorsa belirli uygulamalarda başarısız olabilir. Standart test paketleri çoğu hatayı yakalar.

• TestU01 (BigCrush): Sözde rastgele sayı üreteçleri (PRNG'ler) için en titiz istatistiksel test bataryasıdır. Yüzlerce test uygular ve daha basit testlerin gözden kaçırdığı ince korelasyonları tespit edebilir. Bazı LCG varyantları da dahil olmak üzere birçok eski üreteç BigCrush'ta başarısız olur.
• Diehard / Dieharder: George Marsaglia tarafından geliştirilen ve yaygın olarak kullanılan bir dizi istatistiksel test. Dieharder, bu testlerin güncellenmiş ve genişletilmiş versiyonudur.
• NIST SP 800-22: Kriptografik rastgele sayı üreteçleri için standart test paketi olup, FIPS sertifikasyonu için gereklidir. Frekans, çalışma sayısı, spektral özellikler ve daha fazlasını test eder.
• PractRand: Özellikle kısa periyotlu veya zayıf difüzyonlu jeneratörlerdeki arızaları tespit etmede çok başarılı.

Kaçınılması Gereken Yaygın Hatalar

Üretim sistemlerindeki rastgele sayı üretme (RNG) hatalarının çoğu, tekrar eden küçük bir hata kümesinden kaynaklanır. Bunları önceden tespit etmek, gerçek dünyadaki güvenlik açıklarının ve istatistiksel hataların büyük çoğunluğunu önler.

Hata 1: Güvenlik için Math.random() veya Eşdeğerini Kullanmak

JavaScript'in Math.random() , Python'ın random modülü ( secrets değil), PHP'nin rand() fonksiyonu ve benzeri genel amaçlı fonksiyonlar, kriptografik kullanım için uygunsuz olarak açıkça belgelenmiştir. Bunlar öngörülemezlikten ziyade hızı önceliklendirir. Yeterli sayıda çıktı değeri gözlemleyen bir saldırgan, yalnızca 624 ardışık 32 bitlik çıktı ile bir Mersenne Twister'ın iç durumunu yeniden oluşturabilir ve ardından gelecekteki tüm değerleri tahmin edebilir. Bu saldırı, canlı kumar platformlarında gösterilmiştir.

Hata 2: Aynı Tohum Değerini Oturumlar Arasında Tekrar Kullanmak

Bir web uygulaması oturum belirteci oluşturucusunu sunucunun işlem kimliği veya başlatma zaman damgasıyla başlatırsa, aynı saniyede oluşturulan her oturum belirteci aynı başlangıç değerini paylaşır. Bu teorik bir durum değil; üretim ortamlarındaki oturum ele geçirme güvenlik açıklarının temel nedeni olmuştur.

Hata 3: Gerekli Entropi İçin Çok Az Bit Üretmek

6 haneli bir PIN'in yaklaşık 20 bit entropisi vardır. Bir UUID v4'ün 122 biti vardır. Simetrik şifreleme için en az 128 bit, gelecekteki donanımlara karşı uzun vadeli güvenlik için ise 256 bit kriptografik anahtar gereklidir. Kısa belirteçler oluşturmak ve bunların tahmin edilemez olduğunu varsaymak, bir uygulama detayı değil, yapısal bir kusurdur.

Hata 4: Platforma Özgü Davranışları Göz Ardı Etmek

• Bazı eski Linux çekirdeklerinde, entropi havuzu tükendiğinde /dev/random okuma işlemi bloke olur. /dev/urandom bloke olmaz ve ilk önyüklemeden sonra çoğu kriptografik amaç için güvenlidir.
• Sanal makineler, fiziksel makinelerin sahip olduğu donanım olay çeşitliliğinden yoksun oldukları için başlangıçta düşük entropiye sahip olabilirler. Sanal makine oluşturulduktan hemen sonra veri başlatma işlemi zayıf anahtarlar üretebilir.
• Bazı gömülü sistemlerde donanım tabanlı rastgele sayı üreteci (RNG) hiç bulunmaz. Geliştiriciler bazen göründüğünden çok daha zayıf olan yalnızca yazılım tabanlı entropi kaynaklarına başvururlar.

Hata 5: Doğrulama Yapmadan Karıştırılmış Çıktıyı Tekdüze Rastgele Olarak Değerlendirmek

Eğer altta yatan rastgele sayı üretecinin periyodu, veri setinizin olası permütasyon sayısından daha kısa ise, tüm permütasyonlar asla üretilemez. Standart 52 kartlık bir destede 52! ≈ ^2²²⁶ olası sıralama vardır. 32 bitlik bir tohum kullanan bir üreteç en fazla ^2³² ≈ 4 milyar farklı dizi üretebilir; bu, tüm olası karıştırmaların son derece küçük bir kısmıdır. Gerçek risk içeren kart oyunları için bu, somut ve istismar edilebilir bir zayıflıktır.

Hata 6: Bağımsızlığı Tekdüzelikle Karıştırmak

Bir dizi, her değerin eşit sıklıkta görünmesiyle düzgün dağılımlı olabilirken, ardışık çekimler arasında yüksek bir korelasyon da gösterebilir. Birçok düşük kaliteli LCG, frekans testlerini geçer ancak spektral testleri geçemez çünkü ardışık değerleri çok boyutlu uzayda az sayıda hiper düzleme düşer. LCG'lerin kafes yapısı olarak bilinen bu yapay özellik, onları çok boyutlu Monte Carlo entegrasyonu için uygunsuz hale getirir.

Programlama Diliyle Uygulanabilecek Pratik Taktikler

Python

• Güvenlik açısından hassas herhangi bir değer için secrets.token_bytes(n) , secrets.token_hex(n) veya secrets.randbelow(n) kullanın.
• İşletim sistemi entropisiyle desteklenen standart arayüze ihtiyaç duyduğunuzda, random.Random() random.SystemRandom() ) yöntemini kullanın.
• Sayısal işlemler için, varsayılan olarak BigCrush testinden geçen modern ve yüksek kaliteli bir sözde rastgele sayı üreteci olan PCG64 üreteciye ayarlanan numpy.random.default_rng() işlevini kullanın.

JavaScript / Node.js

• Tüm güvenlik amaçları için crypto.randomBytes(n) veya crypto.getRandomValues() (tarayıcılarda Web Crypto API) kullanın.
• Token'lar, kimlik numaraları veya bir saldırganın tahmin etmeye çalışabileceği herhangi bir şey için Math.random() asla kullanmayın.

Java

• Kriptografik amaçlar için java.security.SecureRandom kullanın. Bir kez örneklendirin ve örneği tekrar kullanın; oluşturma işlemi maliyetlidir.
• Çoklu iş parçacıklı ortamlarda yüksek işlem hacmi gerektiren güvenlik dışı uygulamalar için ThreadLocalRandom kullanın.
• Eşzamanlı ortamlarda java.util.Random kullanmaktan kaçının; çünkü bu, çekişme durumunda çakışmalara yol açabilen paylaşılan bir tohum kullanır.

C / C++

• C standart kütüphanesindeki rand() fonksiyonundan kaçının. Uygulamaya özgüdür, genellikle zayıf bir LCG'dir ve iş parçacığı güvenli değildir.
• Genel amaçlı kullanım için std::random_device ile oluşturulmuş <random> kaynağından std::mt19937 kullanın.
• Kriptografik kullanım için, işletim sistemi temel işlevlerini doğrudan çağırın: Linux'ta getrandom() , Windows'ta BCryptGenRandom .

Rastgele Sayı Üretici Araçlar, Yazılımlar ve Otomasyon

En yaygın kullanılan rastgele sayı üreteci araçları, RANDOM.ORG gibi tarayıcı tabanlı hizmetlerden (atmosferik gürültüden entropi elde eden) her büyük programlama diline entegre edilmiş kriptografik kütüphanelere kadar uzanmaktadır. Doğru aracı seçmek kullanım durumunuza bağlıdır: istatistiksel simülasyonlar hız ve istatistiksel kalite gerektirirken, güvenlik uygulamaları kriptografik öngörülemezlik gerektirir ve fiziksel deneyler gerçek donanım rastgeleliği gerektirir.

Tarayıcı Tabanlı ve Çevrimiçi RNG Araçları

Çevrimiçi rastgele sayı üreteci (RNG) araçları kurulum gerektirmez ve gündelik çekilişler, sınıf içi gösteriler ve hızlı kararlar için uygundur. En saygın seçenekler şunlardır:

• RANDOM.ORG — Atmosferik radyo gürültüsünü gerçek bir entropi kaynağı olarak kullanır. Tamsayı üreteçleri, sıralı karıştırıcılar, Gauss üreteçleri ve programatik erişim için kota tabanlı bir API sunar.
• Google'ın yerleşik RNG'si — Google'da "1 ile 100 arasında rastgele sayı" araması, sistem entropisinden beslenen bir PRNG kullanarak anında sonuç döndürür.
• Sayı Seçme Çarkı araçları — Arka planda JavaScript Math.random() kullanan, görsel olarak dönen çark arayüzleri; sınıf içi veya oyun şovu tarzı seçimler için uygundur.
• Ön Seçim ve İsim Çarkı — Takım atamaları, ödül çekilişleri ve grup kararları için liste girişini rastgele seçimle birleştirin.

Çoğu tarayıcı aracının önemli bir sınırlaması, JavaScript'in Math.random() fonksiyonuna dayanmalarıdır; bu fonksiyon bir sözde rastgele sayı üreteci (PRNG) olup kriptografik olarak güvenli değildir. Güvenlik, token'lar veya finansal kararlar içeren her şey için bunun yerine özel bir kriptografik araç veya kütüphane kullanın.

Programlama Dili Kütüphaneleri ve Dahili Fonksiyonlar

Her büyük programlama dili en az bir RNG modülüyle birlikte gelir. Aşağıdaki tablo, en yaygın kullanılan seçenekleri ve güvenlik sınıflandırmalarını özetlemektedir:

Dil	Standart PRNG	Kriptografik RNG	Notlar
Python	rastgele (Mersenne Twister)	sırlar, os.urandom()	Tokenler, parolalar ve anahtarlar için gizli bilgiler kullanın.
JavaScript	Matematik.rastgele()	kripto.getRandomValues()	Web Crypto API, tüm modern tarayıcılarda kullanılabilir.
Java	java.util.Rastgele	java.security.SecureRandom	SecureRandom, yeterli entropi elde edilene kadar engelleme yapar.
C / C++	rand() (üretimde kullanmaktan kaçının)	/dev/urandom, RDRAND komutu	rand() zayıf bir fonksiyondur; ciddi işlemler için işletim sistemi düzeyinde entropi kullanın.
Gitmek	matematik/rastgele	kripto/rand	crypto/rand, işletim sisteminin CSPRNG'sinden doğrudan okuma yapar.
Ruby	Rastgele (MT tabanlı)	GüvenliRastgele	SecureRandom, OpenSSL veya /dev/urandom'u sarmalar.
PHP	rand(), mt_rand()	rastgele_baytlar(), rastgele_tamsayı()	`random_int` fonksiyonu PHP 7'den beri CSPRNG desteklidir.

Donanım RNG Cihazları

Sertifika yetkilisi anahtar üretimi, donanım güvenlik modülleri (HSM'ler) veya bilimsel cihazlar gibi en yüksek kalitede entropi gerektiren uygulamalar için özel donanım rastgele sayı üreteçleri (HRNG'ler) mevcuttur:

• Intel RDRAND / RDSEED — Çip üzerindeki devrelerden gelen termal gürültüyü örnekleyen, Ivy Bridge'den (2012) bu yana çoğu modern x86 işlemcide bulunan CPU seviyesindeki komutlar.
• USB'ye özel rastgele sayı üreteçleri (HRNG'ler) — OneRNG veya TrueRNG gibi cihazlar bir USB portuna takılır ve Linux'ta /dev/random veya /dev/urandom aracılığıyla işletim sistemi havuzuna rastgelelik sağlar.
• HSM'ler (Donanım Güvenlik Modülleri) — Thales, Entrust ve AWS CloudHSM gibi satıcılardan temin edilebilen, sertifikalı donanım entropi kaynaklarını kullanarak kriptografik anahtarlar üreten ve depolayan kurumsal düzeyde cihazlardır.
• ID Quantique ve ANU'nun (Avustralya Ulusal Üniversitesi) bulut API'leri olan kuantum RNG hizmetleri , kuantum vakum dalgalanmalarından türetilen rastgele bitler sağlayarak kanıtlanabilir şekilde deterministik olmayan çıktılar sunar.

Otomasyon ve İş Akışı Entegrasyonu

Daha büyük iş akışlarında (A/B test süreçleri, Monte Carlo simülasyonları, planlı çekilişler veya rastgele denetim örneklemesi gibi) rastgele sayı üretiminin otomasyonu genellikle üç yaklaşımdan birini içerir:

1. API entegrasyonu — RANDOM.ORG, gerçek rastgele tamsayılar, diziler, dizeler ve UUID'ler döndüren bir JSON-RPC API'si sunar. Kimlik doğrulamalı istekler, daha yüksek kotalara ve doğrulanabilir kimlik doğrulama sertifikalarıyla imzalanmış rastgeleliğe olanak tanır.
2. CI/CD işlem hattına veri girişi — TestU01 veya Dieharder gibi istatistiksel test araçları, herhangi bir özel RNG uygulamasının kod değişiklikleri boyunca istatistiksel kalitesini koruduğunu doğrulamak için sürekli entegrasyon işlem hatlarında otomatik olarak çalıştırılabilir.
3. Platforma özgü zamanlama — Bulut platformları (AWS Lambda, Google Cloud Functions, Azure Functions), örneğin güvenlik denetimleri için günlük kayıtlarından rastgele örnekler almak veya davranışsal deneylerde günlük olarak rastgele gruplar atamak gibi, zamanlanmış bir şekilde RNG tabanlı süreçleri tetikleyebilir.

AutoSEO gibi araçlar, otomasyonun rastgele örneklemeye dayalı içerik ve veri iş akışlarına bile nasıl uzanabileceğini göstermektedir. AutoSEO, büyük tarama veri kümelerinden temsili sayfa alt kümelerini seçmek için rastgele örnekleme tekniklerini kullanarak SEO görevlerini belirleme, denetleme ve önceliklendirme sürecini otomatikleştirir; böylece kalite kontrollerinin tarafsız olmasını ve her zaman aynı yüksek trafikli sayfaların denetlenmesinden kaynaklanan sistematik kör noktaların ortaya çıkmamasını sağlar. Bu, rastgele kontrollü deneylerde kullanılan mantığı yansıtır: Seçim sürecine yapılandırılmış rastgelelik ekleyerek, AutoSEO, deterministik kural tabanlı denetleyicilere göre istatistiksel olarak daha geçerli site sağlığı değerlendirmeleri üretir.

Rastgele Sayı Üreticisinin Kalitesini ve Başarısını Nasıl Ölçersiniz?

İyi bir rastgele sayı üreteci, tekdüzelik, bağımsızlık ve öngörülemezlik açısından istatistiksel testlerden geçer. Başlıca ölçütler, deneysel test paketleri, teorik dönem analizi ve – kriptografik rastgele sayı üreteçleri için – durum yeniden yapılandırma saldırılarına karşı dirençtir.

İstatistiksel Test Paketleri

Sonlu hiçbir dizinin tamamen rastgele olduğu kanıtlanamaz, ancak diziler tespit edilebilir rastgele olmama durumları açısından test edilebilir. En güvenilir test paketleri şunlardır:

• NIST SP 800-22 — Ulusal Standartlar ve Teknoloji Enstitüsü tarafından yayınlanan ve kriptografik sertifikasyon için sunulan rastgele sayı üreteçlerini (RNG) değerlendirmek için kullanılan 15 istatistiksel testten oluşan bir pakettir. Testler arasında frekans, çalışma, spektral (DFT) ve seri testler yer almaktadır.
• TestU01 (BigCrush) — Montreal Üniversitesi'nde geliştirilen BigCrush, halka açık en zorlu istatistiksel test bataryasıdır. LCG'ler ve eski Wichmann-Hill üreteçleri gibi algoritmalar bu testte başarısız olurken; Xoshiro256** ve PCG bu testte başarılı olur.
• Dieharder — George Marsaglia'nın orijinal Diehard pilinin açık kaynaklı bir uzantısı olup, jeneratör çıkışının büyük örnekleri üzerinde 100'den fazla test gerçekleştiriyor.
• PractRand — Çok büyük örneklem boyutlarına (terabaytlarca çıktı) ölçeklenebilen, daha küçük örneklem testlerinde görünmeyen ince sapmaları tespit edebilen modern bir test paketi.

Temel Kalite Ölçütleri

• Periyot uzunluğu — Dizinin tekrarlanmasından önce üretilen değer sayısı. Mersenne Twister'ın periyodu ^{2¹⁹⁹³⁷} − 1'dir ve bu, neredeyse tüm kriptografik olmayan uygulamalar için yeterlidir.
• Eşit dağılım — Değerlerin tek boyutlu, iki boyutlu ve daha yüksek boyutlu projeksiyonlarda çıktı aralığı boyunca eşit olarak dağılıp dağılmadığı.
• Tohum duyarlılığı — Tohumda yapılan küçük değişikliklerin tamamen farklı çıktı dizileri oluşturup oluşturmadığı (simülasyonun tekrarlanabilirliği için önemlidir).
• Veri aktarım hızı — Yüksek performanslı Monte Carlo iş yükleri için önemli olan, saniyede milyarlarca sayı veya MB/s cinsinden çıktı hızı.
• İleri ve geri gizlilik — CSPRNG'ler için, T anında çıktıyı gözlemleyen bir saldırganın geçmiş veya gelecekteki çıktıyı yeniden oluşturup oluşturamayacağı. Bu, gözlemlenen bitlerden durum yeniden oluşturma girişiminde bulunularak test edilir.

Uygulamalı Bağlamlarda Başarıyı Ölçmek

Teknik kalitenin ötesinde, başarı ölçütleri dağıtım bağlamına bağlıdır:

• Piyango ve çekilişler — Denetim kayıtları, üçüncü taraf doğrulaması ve imzalı rastgelelik sertifikaları (RANDOM.ORG'dan temin edilebilir) katılımcılara adil davranıldığını gösterir.
• Kriptografik uygulamalar — FIPS 140-3 veya Ortak Kriterler sertifikalarına uyumluluk, entropi kaynağının ve CSPRNG'nin hükümet ve endüstri standartlarını karşıladığını doğrular.
• Bilimsel simülasyonlar — Tekrarlanabilirlik (aynı tohum aynı sonuçları üretir) ve simülasyonda kullanılan örneklem büyüklüklerinde BigCrush veya PractRand testlerini geçebilme yeteneği.
• A/B testi — Denge kontrolleri, deney öncesi kovaryatlarda tedavi ve kontrol gruplarının istatistiksel olarak eşdeğer olduğunu doğrulayarak, rastgeleleştirmenin tarafsız olduğunu teyit eder.

SSS

Gerçek rastgele sayı üreteci ile sözde rastgele sayı üreteci arasındaki fark nedir?

Gerçek rastgele sayı üreteci (TRNG), termal gürültü, radyoaktif bozunma veya atmosferik radyo gürültüsü gibi fiziksel, tahmin edilemez bir süreçten rastgelelik türetir ve gerçekten deterministik olmayan bir çıktı üretir. Sözde rastgele sayı üreteci (PRNG) ise başlangıç değeriyle beslenen deterministik bir matematiksel algoritma kullanır; aynı başlangıç değeri verildiğinde her zaman aynı diziyi üretir. PRNG'ler daha hızlı ve tekrarlanabilir olduklarından simülasyonlar ve oyunlar için idealdir. TRNG'ler daha yavaştır ancak kriptografik anahtarlar üretmek gibi tahmin edilemezliğin bir güvenlik gereksinimi olduğu durumlarda gereklidir.

JavaScript'te Math.random() fonksiyonunu güvenlik açısından kullanmak güvenli midir?

Hayır. JavaScript'in ` Math.random() fonksiyonu, kriptografik olarak güvenli olmadığı açıkça belgelenmiş bir sözde rastgele sayı üreteci (PRNG)'dir. İçsel durumu, gözlemlenen çıktıdan potansiyel olarak yeniden oluşturulabilir ve asla parola, oturum belirteci, API anahtarı veya çıktıyı tahmin eden bir saldırganın zarar verebileceği herhangi bir değer üretmek için kullanılmamalıdır. Tarayıcıdaki güvenlik açısından hassas uygulamalar için, işletim sisteminin CSPRNG'si tarafından desteklenen Web Crypto API'sinden crypto.getRandomValues() fonksiyonunu kullanın.

Rastgele sayı üreteci gerçekten tahmin edilemez olabilir mi?

Kuantum mekaniğine göre, foton varış zamanları veya kuantum vakum dalgalanmaları gibi kuantum olaylarından kaynaklanan donanım tabanlı bir gerçek rastgele sayı üreteci (TRNG), temelde tahmin edilemez olarak kabul edilir; yani hiçbir algoritma veya ek bilgi, bir gözlemcinin çıktısını şanstan daha iyi tahmin etmesine olanak sağlamaz. Sözde rastgele sayı üreteçleri (PRNG) ve çoğu yazılım tabanlı gizli gerçek rastgele sayı üreteci (CSPRNG), standart kriptografik varsayımlar altında hesaplama açısından tahmin edilemezdir; yani pratikte güvenlidirler ancak mutlak fiziksel anlamda kanıtlanabilir şekilde tahmin edilemez değillerdir.

Tohumlama işlemi rastgele sayı üretecisini nasıl etkiler?

Tohum, bir PRNG algoritmasına beslenen başlangıç değeridir. Aynı tohum her zaman aynı diziyi üretir; bu, bilimsel hesaplamalarda deneylerin tekrarlanabilirliğini sağladığı için önemli bir özelliktir. Kötü bir tohum (örneğin, mevcut saniyeyi tek entropi kaynağı olarak kullanmak), etkili rastgeleliği önemli ölçüde azaltır çünkü bir saldırgan tüm olası tohumları listeleyebilir. İyi bir tohumlama uygulaması, birden fazla entropi kaynağını birleştirir: nanosaniye cinsinden mevcut zaman, işlem kimliği, bellek adresleri ve Windows'ta /dev/urandom veya CryptGenRandom'dan sağlanan işletim sistemi tarafından sağlanan entropi.

Python'ın `random` modülü hangi rastgele sayı üretecisini kullanıyor?

Python'ın ` random modülü, secrets ^2¹� os.urandom()

Bilgisayar kullanılmadan rastgele sayılar nasıl üretilir?

Bilgisayarlardan önce, rastgele sayılar fiziksel yöntemlerle üretiliyordu: zar atma, dönen bir tamburdan numaralı toplar çekme, madeni para atma veya kartları karıştırma. RAND Corporation, 1955 yılında elektronik bir rulet çarkı tarafından üretilen 100.000 Normal Sapma ile Bir Milyon Rastgele Rakam başlıklı ünlü bir kitap yayınladı. Rastgele sayıların istatistiksel tabloları, anket örneklemesinde ve klinik çalışmalarda yaygın olarak kullanılıyordu. Günümüzde, manuel yöntemler hala bazı düzenlenmiş piyangolarda ve sınıf içi gösterilerde kullanılmaktadır, ancak elektronik yöntemlere göre daha yavaş ve denetlenmesi daha zordur.

Rastgele sayı üreteçlerinin neden test edilmesi gerekiyor?

Rastgele görünümlü çıktı üretmek üzere tasarlanmış algoritmalar bile, sıradan bir incelemeyle görülemeyen ancak istatistiksel testlerle tespit edilebilen ince sapmalar, belirli boyutlarda kısa döngüler veya ardışık değerler arasındaki korelasyonlar içerebilir. Bu kusurlar, simülasyon sonuçlarını geçersiz kılabilir, kriptografik sistemlerin güvenliğini azaltabilir veya oyunlara ve piyangolara adaletsizlik getirebilir. NIST SP 800-22, BigCrush veya PractRand gibi test paketleriyle yapılan testler, bu sorunları dağıtımdan önce yakalar. PHP'nin mt_rand() fonksiyonunun erken sürümleri ve 2008'deki Debian OpenSSL hatası da dahil olmak üzere, kusurlu üreteçlerin tarihsel örnekleri, test edilmemiş RNG'lerin gerçek güvenlik açıklarına neden olabileceğini göstermektedir.

Kriptografik olarak güvenli sözde rastgele sayı üreteci (CSPRNG) nedir?

Bir CSPRNG, istatistiksel kalitenin ötesinde iki ek güvenlik gereksinimini karşılayan bir PRNG'dir: sonraki bit testi (hiçbir algoritma, önceki tüm bitler verildiğinde sonraki biti %50'den önemli ölçüde daha iyi bir olasılıkla tahmin edemez) ve durum tehlikeye atma uzantısı direnci (bir saldırgan T anındaki iç durumu öğrenirse, T'den önceki çıktıyı yeniden oluşturamaz). Modern CSPRNG'ler arasında ChaCha20 tabanlı üreteçler (Linux'un /dev/urandom'unda 4.8 çekirdeğinden beri kullanılır), Fortuna (macOS ve iOS'ta kullanılır) ve CTR_DRBG (NIST tarafından SP 800-90A'da standartlaştırılmıştır) yer almaktadır.

Rastgele sayı üreteçleri aynı değerleri tekrar tekrar üretebilir mi?

Evet, ve bu beklenen bir davranıştır. Gerçekten rastgele bir süreç, geçmiş çıktılara dair hiçbir hafızaya sahip değildir, bu nedenle tekrarlar doğal olarak ortaya çıkar - bu, olasılık teorisindeki doğum günü problemiyle açıklanır. 1'den N'ye kadar tekdüze bir çekilişte, yaklaşık √N değer çekildikten sonra tekrarların ortaya çıkma olasılığı artar. Uygulamanız benzersiz değerler gerektiriyorsa (örneğin benzersiz kimlikler atamak veya bir iskambil destesini tekrarsız karıştırmak gibi), çarpışmaları önlemek için ham RNG çıktısına güvenmek yerine, önceden tanımlanmış bir küme üzerinde Fisher-Yates gibi bir karıştırma algoritması kullanmalı veya önceden kullanılan değerlerin bir kümesini koruyup tekrarları reddetmelisiniz.

Çevrimiçi piyango ve çekiliş araçları adaleti nasıl sağlıyor?

Saygın çevrimiçi çekiliş araçları, şu unsurların birleşimiyle adilliği sağlar: yüksek kaliteli bir entropi kaynağı kullanmak (ideal olarak Math.random() yerine bir TRNG), sonuçların bağımsız olarak doğrulanabilmesi için çekilişten önce algoritmayı ve tohumu yayınlamak, çekiliş kapanmadan önce sayıların oluşturulduğunu kanıtlayan imzalı rastgelelik sertifikaları sağlamak ve çekilişleri bağımsız denetçilerin huzurunda gerçekleştirmek. RANDOM.ORG, her çekilişi zaman damgasıyla işaretleyen ve kriptografik olarak imzalayan, denetlenebilir bir kayıt oluşturan Üçüncü Taraf Çekiliş Hizmeti sunmaktadır. Düzenlenmiş piyangolar için, ulusal oyun otoriteleri, herhangi bir sistemin faaliyete geçmesinden önce sertifikalı donanım RNG'leri ve bağımsız test laboratuvarı onayı gerektirir.