本福特定律（Benford's Law），它指出在自然产生的数据（如人口数量、财务报表、河流长度等）中，数字 1 作为首位数字出现的概率最高（约30%），而后续数字出现的概率依次递减，数字 9 作为首位数字的概率最低（约4.6%）。这一规律尤其适用于跨度多个数量级的数据集。
人为干预的潜台词就是数据造假
基本上在学术上也会经常使用！
所以其适用范围为，随机数，不受人为干预的，可以验证的，但像邮政编码、身份证号等显然不适合。
各首位数据的频率！
光说没用我们就用几个实例示范一下就清楚了
第一个示例：共享单车租借数据
https://archive.ics.uci.edu/dataset/275/bike+sharing+dataset
使用的是cnt列的数据
验证结果：
数字为1的实际频率为28.7%，理论频率为30.1%，误差1.39%，还算可接受范围
第二个示例：人数数据
https://catalog.data.gov/dataset/border-crossing-entry-data-683ae
使用的是value所在列，即值。
运行结果：
这个运行结果频率就很高了
关键还是数据量要大，表现出随机性，当某一数据出现明显偏离一般指首位数字为1的情况，那就说明这组数据不具有随机性，即存在人为干预！
除此之外，你也可以抽取某用户发布的视频播放量，点赞量，评论粉丝数，也可以用这个进行判断，亦可以针对游戏的评价数量每小时进行统计。
对于理工科，需要判断海量随机数据，是否为随机数据，即不存在认为干预！
也可以通过这个方法快速验证，通过编程实现不难。验证随机性