如何增强Unity中Random.Range生成的随机序列的抗破解能力？

• 引入用户行为熵做随机结果扰动
  收集玩家的实时操作数据混入随机计算逻辑，比如每次点击出拳的间隔毫秒数、触屏触点的坐标偏移量、历史N局的出拳选择、移动端陀螺仪/加速度计的微小波动值，将这些数据做哈希运算后，和Random.Range生成的原始结果做异或运算，再取模得到最终的电脑出拳结果。就算攻击者破解了Xorshift128的基础序列，也无法获取用户侧的实时私有数据，完全无法预测最终输出。
• 替换默认伪随机数生成算法
  弃用Unity全局的Random类，自己实现安全等级更高的PRNG算法，比如ChaCha20核心逻辑、AES-CTR模式生成随机流，初始种子用用户行为熵+系统时间戳的哈希值生成即可，这类算法的抗破解强度远高于Xorshift128，完全覆盖小游戏的安全需求。
• 打乱随机数消费顺序
  提前预生成一个长度20~50的随机数缓冲池，每次需要生成电脑出拳时，不按顺序读取缓冲池内容，而是用当前玩家操作的时间戳毫秒数取模，选择随机位置读取数值，读取完成后立刻用新生成的随机数补全该位置。即使攻击者能拿到部分输出结果，也无法对齐原始随机序列，无法推导种子信息。
• 定期重置随机种子
  每对战3~5局后，就用最新的用户行为数据+系统时间戳重新生成种子，重置所用PRNG的运行状态。就算攻击者破解了某一段的序列，重置后之前的推导结果会全部作废，无法实现长期预测。

对于石头剪刀布这类轻型休闲游戏，以上方案任选1~2种组合使用就足够满足安全需求，普通玩家完全无法破解，专业人员破解也需要拿到设备的实时运行私有数据，没有现实可操作性。

内容的提问来源于stack exchange，提问作者Shamisenboy