我随手编了两万个随机数，本福特定律一眼把它们全认出来了
今天刷 dev.to 热榜，看到一篇讲"What 9,050 AI-Written Scripts Taught Me About Slop"的文章，评论区里有人提到：AI 生成的假财报、假数据越来越难靠肉眼识别。下面跟了一串讨论，核心分歧就一个——普通人到底有没有低成本的手段判断一堆数字是不是编出来的。有人说必须上专业统计检验，有人说肉眼就够了。我不服，也不站队，因为这事其实有个被讲烂了但很少有人亲手验证过的工具：本福特定律。它到底灵不灵？灵到什么程度？对什么样的数据会彻底失灵？我决定今天下午花一个小时，亲手跑一次蒙特卡洛实验，把这三个问题全部用数字回答。
先交代一下我对本福特的理解，免得后面的实验看起来莫名其妙。这条定律说，在自然产生的数据集里，首位数字是 1 的概率约为 30.1%，是 9 的概率只有约 4.6%，整体按对数规律递减。直觉上这很反常识——九个数字凭什么不是各占 11%？但物理、金融、人口数据反复验证了这一点。我想测的是：如果一个人用 Python 的 random 模块瞎编数据，得到的分布会不会明显偏离本福特，从而暴露“这是编的”这个事实。
热榜上的说法
热榜那篇文章的评论区里，最被点赞的一条观点大致是：随机数生成器足够好，编出来的数据就“均匀覆盖”整个区间，看起来比真数据还漂亮。这话听起来有道理，均匀覆盖、没有离群点、没有奇怪的聚集——但恰恰是这份“均匀”会成为破绽。真实世界的量很少在固定区间里均匀取值，它们往往按比例增长：营收每年涨几个点，用户量按复利爬坡。这两种生成机制的数学后果完全不同。
另一派观点则认为本福特检测只能唬外行，稍微懂行的人把随机数乘个系数就能绕过。我不打算完全反驳这个说法，但我想知道至少在最朴素的伪造场景下——直接 uniform 随机数、或者围绕某个中心值造正态噪声——首数字分布到底偏离多少。如果偏离大到一张表格就能看出来，那这个工具对 90% 的随手造假就已经够用了。带着这个假设，我开始搭实验。
实验设计与代码
实验很简单：三组数据，每组两万个数。第一组模拟复利增长，起始值 100，每步乘以 0.995 到 1.008 之间的随机系数，等价于一家公司逐月营收的粗糙模型；第二组直接从 1 到 100000 均匀随机取数，代表“随手编一串数字”的典型操作；第三组用均值 50000、标准差 8000 的正态分布，代表“编数字但知道该编在某个量级附近”的稍微用心一点的操作。然后统计每组的首位数字分布，与本福特理论值对比，算一个平均绝对偏差（MAD，单位是百分点）作为偏离程度的单一指标。
全部代码不到四十行，seed 固定为 42 保证可复现：
import random, math, collections
random.seed(42)
BENFORD = {d: math.log10(1 + 1 / d) for d in range(1, 10)}
def first_digit_dist(nums):
c = collections.Counter(int(str(int(abs(x)))[0]) for x in nums)
total = sum(c.values())
return {d: c[d] / total for d in range(1, 10)}
def multiplicative_growth(n, start=100.0):
vals, v = [], start
for _ in range(n):
v *= random.uniform(0.995, 1.008)
vals.append(v)
return vals
def uniform_random(n):
return [random.uniform(1, 100000) for _ in range(n)]
def narrow_normal(n):
return [abs(random.gauss(50000, 8000)) for _ in range(n)]
def mad(dist):
return 100 * sum(abs(dist[d] - BENFORD[d]) for d in range(1, 9+1)) / 9
cases = [
("multi", multiplicative_growth(20000)),
("uniform", uniform_random(20000)),
("normal", narrow_normal(20000)),
]
dists = {name: first_digit_dist(data) for name, data in cases}
for d in range(1, 10):
print(d, 100*BENFORD[d], 100*dists['multi'][d],
100*dists['uniform'][d], 100*dists['normal'][d])
m = {name: mad(dists[name]) for name, _ in cases}
print(m)统计首位数字的技巧我直接用了字符串截取：把数字转成字符串取第一个字符。这不是最快的方法，但最不容易写错。MAD 的可读阈值我参考的是 Nigrini 的经验值：小于 1% 基本可以认为符合本福特，超过某个阈值就该怀疑。跑一次不到一秒。
真实运行结果
下面是实际跑出来的完整输出：
逐列看这张表。乘性增长那组，首位数字为 1 的频率是 30.03%，理论值 30.10%；为 2 是 17.58%，理论 17.61%；到 9 是 4.47%，理论 4.58%。九个位置全部贴合，MAD 只有 0.17 个百分点。也就是说，一个纯随机的复利过程，不需要任何人为设计，两万个样本就自己收敛到了本福特曲线上。这不是巧合，乘法运算下对数空间里的均匀性天然导出这个分布。
uniform 那组就完全是另一回事了。九个首位数字的频率分别是 10.76%、11.39%、11.41%、11.58%、10.78%、11.04%、10.95%、11.01%、11.09%——一条几乎完美的水平线，卡在 11% 附近纹丝不动。它跟本福特曲线的 MAD 是 5.92 个百分点，首位是 1 的频率只有理论值的三分之一。肉眼对比这两列，不用任何统计训练都能立刻分辨哪个是编的。这正是“均匀覆盖反而露馅”的数学版本。
反直觉发现/局限
最让我意外的不是 uniform 的失败，而是正态那组的惨状。它的 MAD 高达 14.34 个百分点，但偏离方向和 uniform 完全不同：首位为 4 和 5 的频率分别是 39.33% 和 39.30%，两个数字吃掉了将近八成的样本；首位为 1 的频率是 0.01%，为 9 直接是 0.00%。原因一想就通——所有数都挤在 50000 附近，首位数字只可能是 4、5、6 这几个，其他数字几乎不出现。这里有个反直觉的教训：造伪者越“用心”，把数字造得越集中、越像模像样，首数字指纹反而越极端、越好抓。糊弄式的均匀造假偏离 6 个百分点，精心的集中造假偏离 14 个百分点，两种路线在本福特面前都是裸奔。
但这个实验的局限必须老实交代。第一，乘性增长那组是我自己设定的参数——每步在 0.995 到 1.008 之间波动，如果换成跨度更大或者带跳跃的模型，收敛速度和精度都会变，0.17pp 这个数字不具备普适性。第二，本福特不是万能指纹：天然限定区间的数据（比如人的身高、考试分数、电话号码）本来就不服从它，拿它去检验会大量误报。第三，我用了 20000 个样本，样本量小时 MAD 的波动会很大，几百个数字的实测偏离完全可能只是抽样噪声。第四，也是最关键的：懂行的伪造者可以反过来用这个分布塑造自己的假数据——检测和反检测是一场持续的博弈，没有一劳永逸的武器。
我的结论
三个数字概括这次实验：复利数据 MAD 0.17pp，均匀随机 5.92pp，窄正态 14.34pp。结论很清楚——本福特定律不是玄学，它是乘性增长过程的数学必然；而人类两种最常见的编数方式（均匀撒、围着中心值造）都会在首数字分布上留下明显到肉眼可辨的痕迹。它作为唯一证据不够格，但作为三十秒出结果的初筛工具，性价比高得离谱。
给你的具体建议：下次拿到一份可疑的销售数据、报销流水或者“用户增长报告”，不用装专业软件，Python 里十几行代码就能算出首位数字分布和 MAD。如果 MAD 超过 2 个百分点，值得追问；如果首位为 1 的占比连 15% 都不到，而数据声称来自自然增长的业务，那基本可以直接质疑了。反过来提醒自己一句：以后需要生成测试数据时，别再用 uniform 了，套一层乘性增长，既逼真又不会在审计时被本福特检查当场抓包。
