TRUST & ENGINEERING
Dados digitais são confiáveis? Entenda seed, replay e imparcialidade
Confiar em um dado digital exige mais que uma animação convincente. É preciso entender a origem da aleatoriedade, a distribuição das faces e como auditar um resultado.
De onde vem a aleatoriedade
Sem seed informada, o Dice Core solicita 128 bits ao gerador criptográfico do ambiente via Crypto.getRandomValues. Se essa fonte estiver indisponível, a execução falha em vez de recorrer silenciosamente a Math.random.
A seed alimenta um gerador pseudoaleatório determinístico. Isso permite replay; não significa que a sequência seja imprevisível depois que a seed foi divulgada.
d20Testar no playground ↗Uma face não deve ter vantagem oculta
Converter inteiros aleatórios diretamente com módulo pode favorecer algumas faces quando o intervalo de origem não é múltiplo do número de lados. O runtime usa amostragem por rejeição para descartar valores fora do intervalo equilibrado.
Uma implementação correta procura distribuição uniforme, mas nenhum texto substitui revisão do código, testes e confiança no ambiente que executa a rolagem.
Replay explica; não prova ausência de fraude
O replay guarda material suficiente para repetir uma execução com o mesmo plano. É útil para investigar divergências e mostrar como o resultado foi calculado. Uma seed escolhida manualmente torna o resultado previsível.
Para mesas competitivas, quem controla a execução, a seed e a publicação do resultado continua sendo parte do modelo de confiança. O Dice View apresenta os valores já resolvidos; a animação física não escolhe o resultado.
Fontes e referências
EM USO
Conheça quem já está construindo.
A arquitetura ganha contexto quando aparece num bot e numa mesa virtual.