我真正的问题是选项 1 在数学上是否有效。
让我们从选项 2 开始。java.util.Random 使用的随机数生成器在 javadoc 中指定如下：
该类使用 48 位种子，该种子使用线性同余公式进行修改。 （参见 Donald Knuth，计算机编程的艺术，第 2 卷，第 3.2.1 节。）
在各种方法的 javadocs 中有更具体的细节。
但关键是我们使用的是由线性同余公式生成的序列，而这些公式具有显着程度的自相关......这可能是有问题的。
现在使用选项 1，您每次都使用带有新种子的不同 Random 实例，并应用一轮 LC 公式。因此，您将获得一系列可能与种子自相关的数字。但是，种子的生成方式不同，具体取决于 Java 版本。
Java 6 这样做：
public Random() { this(++seedUniquifier + System.nanoTime()); }
private static volatile long seedUniquifier = 8682522807148012L;
...这根本不是随机的。如果您以恒定间隔创建 Random 实例，则种子可能间隔很近，因此您的选项 #1 生成的随机数序列很可能是自相关的。
相比之下，Java 7 和 8 这样做：
public Random() {
this(seedUniquifier() ^ System.nanoTime());
}
private static long seedUniquifier() {
// L'Ecuyer, "Tables of Linear Congruential Generators of
// Different Sizes and Good Lattice Structure", 1999
for (;;) {
long current = seedUniquifier.get();
long next = current * 181783497276652981L;
if (seedUniquifier.compareAndSet(current, next))
return next;
}
}
private static final AtomicLong seedUniquifier
= new AtomicLong(8682522807148012L);
上述产生的种子序列可能更接近（真正的）随机性。这可能使您的选项#1 优于选项#2。
Java 6 到 8 中选项 #1 的缺点是 System.nanoTime() 可能调用涉及系统调用。那是相对昂贵的。
所以简短的回答是，从数学角度来看，选项 #1 和选项 #2 中的哪一个产生质量更好的“随机”数字是 Java 版本特定的。
在这两种情况下，在足够大的样本量上，数字的分布将是均匀的，尽管我不确定在过程是确定性的情况下讨论概率分布是否有意义。
但是，这两种方法都不适合作为“加密强度”随机数生成器。