標準的偽隨機數生成器不能抵擋各種加密攻擊。
在對安全性要求較高的環境中，使用一個能產生可預測數值的函數作為隨機數據源，會產生 Insecure Randomness 錯誤。
電腦是一種具有確定性的機器，因此不可能產生真正的隨機性。偽隨機數生成器 (PRNG) 近似于隨機算法，始于一個能計算后續數值的種子。
PRNG 包括兩種類型：統計學的 PRNG 和密碼學的 PRNG。統計學的 PRNG 可提供有用的統計資料，但其輸出結果很容易預測，因此數據流容易復制。若安全性取決于生成數值的不可預測性，則此類型不適用。密碼學的 PRNG 通過可產生較難預測的輸出結果來應對這一問題。為了使加密數值更為安全，必須使攻擊者根本無法、或極不可能將它與真實的隨機數加以區分。通常情況下，如果并未聲明 PRNG 算法帶有加密保護，那么它有可能就是一個統計學的 PRNG，不應在對安全性要求較高的環境中使用。
示例： 下面的代碼可利用統計學的 PRNG 為購買產品后仍在有效期內的收據創建一個 URL。
<cfoutput>
Receipt:#baseUrl##Rand()#.cfm
</cfoutput>
Rand() 函數來為它生成的收據頁面生成獨特的標識符。因為 Rand() 是一個統計學的 PRNG，所以攻擊者很容易就能猜到它生成的字符串。盡管收據系統的底層設計也存在錯誤，但如果使用了一個不生成可預測收據標識符的隨機數生成器（如密碼學的 PRNG），會更安全一些。
[1] Standards Mapping - OWASP Top 10 2010 - (OWASP 2010) A7 Insecure Cryptographic Storage
[2] Standards Mapping - OWASP Top 10 2007 - (OWASP 2007) A8 Insecure Cryptographic Storage
[3] Standards Mapping - OWASP Top 10 2004 - (OWASP 2004) A8 Insecure Storage
[4] Standards Mapping - Security Technical Implementation Guide Version 3 - (STIG 3) APP3150.2 CAT II
[5] Standards Mapping - Security Technical Implementation Guide Version 3.4 - (STIG 3.4) APP3150.2 CAT II
[6] J. Viega, G. McGraw Building Secure Software Addison-Wesley
[7] ColdFusion Java CFX Reference Macromedia
[8] Standards Mapping - Common Weakness Enumeration - (CWE) CWE ID 330
[9] Standards Mapping - Web Application Security Consortium 24 + 2 - (WASC 24 + 2) Information Leakage
[10] Java Cryptography Architecture Sun Microsystems
[11] Standards Mapping - FIPS200 - (FISMA) MP
[12] Standards Mapping - SANS Top 25 2009 - (SANS 2009) Porous Defenses - CWE ID 330
[13] Standards Mapping - Payment Card Industry Data Security Standard Version 1.2 - (PCI 1.2) Requirement 6.3.1.3, Requirement 6.5.8
[14] Standards Mapping - Payment Card Industry Data Security Standard Version 2.0 - (PCI 2.0) Requirement 6.5.3
[15] Standards Mapping - Payment Card Industry Data Security Standard Version 1.1 - (PCI 1.1) Requirement 6.5.8