---

Inicio rápido

# Instalar
cargo install openentropy-cli

# Descubrir fuentes de entropía en tu máquina
openentropy scan

# Medir el rendimiento de todas las fuentes rápidas
openentropy bench

# Generar 64 bytes hexadecimales aleatorios
openentropy stream --format hex --bytes 64

# Panel TUI en vivo
openentropy monitor

Por defecto, solo se usan fuentes rápidas (<2s). Pasa --all para incluir fuentes más lentas (DNS, TCP, GPU, BLE). El alias posicional all también se acepta para compatibilidad.

Hardware QRNG externo

La mayoría de las fuentes de OpenEntropy provienen del propio equipo anfitrión. OpenEntropy también admite dispositivos de hardware externos cuando están conectados y son detectables:

• Crypta Labs QCicada USB QRNG — expuesto como la fuente qcicada. OpenEntropy puede leer la salida cuántica del dispositivo y medir, analizar, registrar o comparar su rendimiento junto con las fuentes locales. Los modos de salida del dispositivo se corresponden con raw, sha256 y samples, y OpenEntropy ahora utiliza el asistente de modo continuo de inicio nuevo de QCicada desde qcicada 0.2.2, por lo que descarta cualquier entrada ya almacenada en el búfer del dispositivo una vez al entrar en modo continuo en lugar de servir la primera lectura a partir de bytes obsoletos en cola. Consulta el manual de QCicada.

Python

pip install openentropy

from openentropy import EntropyPool, detect_available_sources

sources = detect_available_sources()
print(f"{len(sources)} fuentes de entropía disponibles")

pool = EntropyPool.auto()
source = sources[0]["name"]
data = pool.get_source_bytes(source, 256, conditioning="sha256")

Compilar desde el código fuente (extensión nativa):

git clone https://github.com/amenti-labs/openentropy.git && cd openentropy
pip install maturin
maturin develop

---

Dos audiencias

Los ingenieros de seguridad usan OpenEntropy para validar la calidad de la entropía y sembrar CSPRNGs:

openentropy analyze --profile security --output audit.md

Los investigadores usan OpenEntropy para estudiar las características del ruido crudo:

openentropy analyze --profile deep --output analysis.json

Los ingenieros de seguridad siembran CSPRNGs, generan claves y complementan /dev/urandom con entropía de hardware independiente. La salida acondicionada con SHA-256 (--conditioning sha256, el valor predeterminado) produce bytes aleatorios de calidad criptográfica. El perfil security habilita la batería de pruebas NIST, el desglose de entropía mínima y el acondicionamiento SHA-256 en un solo indicador.

Los investigadores estudian las características del ruido crudo de los subsistemas de hardware. Pasa --conditioning raw para obtener bytes sin blanquear ni acondicionar que preserven la señal de ruido real de cada fuente. El perfil deep habilita 100K muestras, correlación cruzada y análisis de ensayos estilo PEAR.

El modo crudo permite:

• Caracterización del hardware — medir entropía mínima, autocorrelación y propiedades espectrales de fuentes de ruido individuales
• Validación de silicio — comparar perfiles de ruido entre revisiones de chip, estados térmicos y dominios de voltaje
• Detección de anomalías — monitorear la salud de las fuentes de entropía en busca de signos de degradación o manipulación del hardware
• Análisis entre dominios — estudiar correlaciones entre dominios de entropía independientes (térmico vs temporización vs IPC)

---

¿Qué lo hace diferente?

La mayoría de los generadores de números aleatorios son pseudoaleatorios — algoritmos deterministas sembrados una vez. OpenEntropy cosecha continuamente ruido físico real de tu hardware:

• Ruido térmico — tres latidos de osciladores independientes (cristal de CPU vs PLL de audio, PLL de pantalla, PLL de PHY PCIe)
• Temporización y microarquitectura — ruido de fase de reloj, conflictos de búfer de fila DRAM, varianza de ejecución especulativa, TLB shootdowns, carreras DVFS, contención de bus ICC, estado de prefetcher, temporización JIT APRR, cruce de dominio de reloj ANE
• E/S y IPC — latencia de disco y NVMe (incluyendo sondeo de sensores IOKit, dispositivo raw y paso a través de Linux), enumeración USB, IPC Mach port, asignación de búfer de pipe, eventos kqueue, journal fsync
• GPU y computación — divergencia de warp GPU, temporización entre dominios IOSurface, temporización de inferencia Neural Engine
• Planificación y sistema — deriva de nanosleep, colas de distribución GCD, ciclo de vida de hilos, migración P/E-core, temporización de coalescencia de temporizadores, contadores de kernel, instantáneas de tabla de procesos
• Red y sensores — temporización de resolución DNS, varianza de handshake TCP, RSSI WiFi, RF ambiente BLE, ruido ADC de audio
• Hardware profundo — latidos de dominio de reloj dual, SITVA, cambio de contexto AES-XTS, difusión SEV, seqlock COMMPAGE, termistor SMC, resiembra TRNG getentropy

El pool combina flujos independientes mediante XOR. Ningún fallo de una sola fuente puede comprometer el pool.

Modos de acondicionamiento

El acondicionamiento es opcional y configurable. Usa --conditioning en la CLI o ?conditioning= en la API HTTP:

Modo	Bandera	Descripción
SHA-256 (predeterminado)	--conditioning sha256	Acondicionamiento SHA-256. Salida de calidad criptográfica.
Von Neumann	--conditioning vonneumann	Solo desviación — elimina el sesgo mientras preserva más de la estructura de la señal cruda.
Crudo	--conditioning raw	Sin procesamiento. Bytes de fuente sin blanqueo — preserva la señal de ruido real del hardware para investigación.

El modo crudo es lo que hace que OpenEntropy sea útil para la investigación. La mayoría de las API de HWRNG ejecutan postprocesamiento DRBG que hace que toda fuente parezca bytes aleatorios uniformes, destruyendo la información que los investigadores necesitan. La salida cruda preserva la estructura de ruido por fuente: sesgo, autocorrelación, características espectrales y correlaciones entre fuentes. Consulta Acondicionamiento para más detalles.

---

Documentación

• Sitio de documentación: https://amenti-labs.github.io/openentropy/
• Paquete PyPI: https://pypi.org/project/openentropy/