Linux內核采用熵描述數據的隨機性，熵越大表示系統越混亂。計算機本身是可預測的系統，因此用計算機算法不可能產生真正的隨機數。但由於機器中充滿了噪聲，而這些噪聲又很難預測，沒有規律可循，因此這些噪聲可以作為隨機數的產生源。Linux內核就是利用噪聲來產生隨機數的，它維持3個熵池（一級、二級和三級），而這些噪聲課分為4類。如下：
1）I/O中斷。內核調用add_interrupt_randomness()函數將設備兩次中斷的時間間隔作為噪聲源將隨機數據加入熵池，要使用設備的中斷作為系統噪聲，必須用SA_SAMPLE_RANDOM標志注冊其中斷服務程序。這樣，每當設備發生中斷時，中斷系統會自動調用 add_interrupt_randomness()將熵加入熵池。
2）鍵盤：Add_keyboard_randomness()將按鍵的掃描碼和兩次按鍵之間的時間間隔作為噪聲源；
3）鼠標：而add_mouse_randomness()則利用鼠標位置和連續兩次鼠標中斷時間間隔填充熵池；
4）硬盤：最後 add_disk_randomness()函數則以連續兩次磁盤操作之間的間隔產生隨機數。
為跟蹤熵池中數據的隨機性，內核在將數據加入池的時候將估算數據的隨機性，這個過程稱作熵估算。熵估算值描述池中包含的隨機數位數，其值越大表示池中數據的隨機性越好。上面的函數最終都是通過調用 add_timer_randomness()函數將熵加入熵池的。Add_timer_randomness()首先估算所加數據的熵，再調用 batch_entropy_store()函數將數據加入熵池。為了避免中斷的延遲過長影響系統性能，batch_entropy_store()並不直接將熵加入熵池，而是將其加入隊列中。當隊列長度達到一定長度後，由keventd內核線程通過調用batch_entropy_process()函數將隊列中的熵加入池中。Batch_entropy_process()函數枚舉隊列中的每個熵，對每個熵調用 add_entropy_words()函數將其加入熵池，但它並不更新熵池的熵估算值。為此，batch_entropy_process()對每個熵調用完add_entropy_words()後，立刻調用credit_entropy_store()函數更新熵估算值。
