如何检测数字序列来自人类随机操作还是伪随机生成器输出？

核心差异在于：使用random.uniform(0, 1)生成的Bot数据是独立同分布的标准均匀分布序列，而真人按键时长有明确的生理特征和时序关联，完全不符合均匀分布特征，具体可以从三个维度逐层校验：

• 分布拟合校验
  真人按键受生理限制，触摸时长会集中在0.1_{0.3s区间，小于0.05s（按键物理动作极限）和大于0.5s的样本占比极低，整体是明显的单峰正态/偏态分布。而uniform生成的Bot数据会均匀覆盖0}1全区间，每个长度区间的样本占比完全一致。
  可以直接用KS检验（柯尔莫哥洛夫-斯米尔诺夫检验）做量化判断：把待检测序列和标准0~1均匀分布做拟合优度检验，当p值低于0.05阈值时可直接判定不符合均匀分布，属于真人操作。

• 时序相关性校验
  真人连续按键动作存在惯性，前后两次按键时长有显著相关性：比如快速连点时连续多次时长会非常接近，不会出现前一次0.1s、后一次直接跳转到0.9s的极端跳变。而伪随机生成的uniform序列前后两个数值完全独立，没有任何关联。
  计算序列的1阶自相关系数即可验证：真人序列的自相关系数会显著大于0，纯uniform生成的序列自相关系数会在0附近小幅波动。

• 伪随机特征校验
  所有编程语言内置的伪随机生成器（比如Python random 模块、JS Math.random）都是确定性算法，生成的序列存在固定周期、可预测性等固有特征。如果待检测序列长度超过100，可直接用标准伪随机检测套件（比如TestU01的小Crush测试组）做扫描，能直接识别出是否是常见伪随机算法的输出。

如果样本量小于10个，仅用分布校验就可以覆盖绝大多数场景：真人序列几乎不可能出现超过2个大于0.7s的样本，也不会出现小于0.05s的样本，和Bot的均匀分布特征差异非常明显。

内容的提问来源于stack exchange，提问作者zhengchl