是的，您至少需要 14 位才能生成 0 到 9999 之间的数字。

为了避免偏差，您可以使用良好的随机性源生成 14 位随机数据​​。如果结果是 <= 9999，那么您可以将其用作您的 PIN。如果结果更大，请将其丢弃并重试。

这会浪费多少？

在最好的情况下，您的位将与您的答案空间完美对齐，并且您不会浪费任何东西。您可以生成 0 到 255 之间的随机值，您所要做的就是生成 8 个随机位。假设您的随机生成器很好，任何结果都是有效的。

在最坏的情况下，您需要一个介于 0 和 256 之间的随机数，这意味着您需要 9 位，因此有 512 个可能的值。在大约 50% 的情况下，您将不得不丢弃结果。

在我们的示例中，我们的 13 位下限只会给我们 8196 个可能的值，而我们的下一个可能目标是 16384 个可能的值。鉴于您想要 10000 个可能的值，您的可能空间比目标空间大一倍半以上。

但不要担心，您使用的数据量相对较少。如果你查询 7 个随机字节，你会得到 56 个随机位，这意味着 4 次“尝试”以获得“好”值。即使我们假设你有 50% 的机会（最坏的情况）得到一个好的值，在 4 次尝试中你有 93.75% 的机会生成一个好的 PIN。如果运气不好，您将不得不再查询 7 个字节，这将使您有 99.6% 的机会选择一个好的 PIN。

凉爽的！我可以有一个演示吗？

function GeneratePIN()
{
    // The chance to fail after 1000 rounds is 7.5 * 10^-1203
    for(int round = 0; round < 1000; round++)
    {
        // We generate 7 random bytes, which would give us 4 "tries"
        ulong randomness = SecureRandom.GenerateBytes(7);

        // We can iterate this 4 times before our 7 bytes are exhausted
        for (int try = 0; try < 4; try++)
        {
            ushort possiblePIN = randomness & 0x3FFF; //0x3fff is 0011 1111 1111 1111 in binary, so 14 bits set to 1

            // If we succeed, we return the PIN. Else we try again
            if (possiblePIN < 10000)
            {
                return possiblePIN;
            }
            else
            {
                // =>> is the right shift, assign operator
                // This will shift randomness 14 bits to the right
                randomness =>> 14;
            }
        }

        // If we reached this part, we were unlucky and need to try again.
    }

    // If we reach this part, we flipped a coin 1000 times and always got heads.
    // Maybe buy a lottery ticket
    throw new Exception("Buy a lottery ticket!");
}

首先，我完全同意 MechMK1 的正确算法来生成 0 到 10000 之间的加密安全均匀分布随机数。但是：

没有理由不考虑安全问题

让我们。0 到 10000 之间的随机数包含13.29 位的熵。0 到 2^14 % 10000 之间的随机数包含 13.22 位熵，我们损失了 0.067。这相当于将引脚数从 10000 减少到 9546。继续计算：

• CSPRNG(0, 2^14) % 10000 相当于 CSPRNG(0, 9546)，0.067 位熵丢失
• CSPRNG(0, 2^16) % 10000 相当于 CSPRNG(0, 9971)，0.004 位熵丢失
• CSPRNG(0, 2^24) % 10000 相当于 CSPRNG(0, 9999.99964) [现在差小于 1 个键，所以纯粹是统计性质]，丢失了 0.00000005 位熵
• CSPRNG(0, 2^32) % 10000 相当于 CSPRNG(0, 9999.999999995)，熵损失了 0.0000000000008 位 [此处的数量级精度，恐怕浮点舍入可能比计算发挥更大的作用]

换句话说，format(cast(crypt_gen_random(3) as int) % 10000,'0000')通过使用节省的实施时间来检查管理员的密码是否以某种方式留空，从而使用并重新获得丢失的 51 毫微位安全性。

所有这一切都在说：

• 13.29 位密钥首先提供了可笑的安全性。我会说只是将它们保留为 0000，然后将节省的时间和脑力用于执行 tiiiiny 内部安全审计？我敢打赌，您会在更重要的地方发现不太安全的密码。
• KISS 确实有效