Con la creciente conectividad y automatización en el Internet de los Vehículos, la seguridad, la protección y la privacidad se han convertido en desafíos estrictos. En la última década, se han propuesto varios protocolos basados en criptografía como soluciones intuitivas para proteger los vehículos de la filtración de información y las intrusiones. Antes de generar las claves de cifrado, un generador de números aleatorios (RNG) juega un papel importante en la ciberseguridad. Se han implementado varios RNG basados en aprendizaje profundo para entrenar el valor inicial y generar números pseudoaleatorios. Sin embargo, la interferencia de entornos de conducción realmente impredecibles hace que el sistema sea poco confiable debido a sus salidas de baja aleatoriedad. Además, la dinámica en el proceso de entrenamiento hace que estos métodos sean susceptibles a la inestabilidad del entrenamiento y al colapso de patrones por sobreajuste. En este artículo, proponemos un Generador de Números Pseudoaleatorios Efectivo (EPRNG) que explota un enfoque basado en una red generativa adversarial de convolución profunda (DCGAN) utilizando nuestros conjuntos de datos de vehículos procesados y procesos de entrenamiento basados en un método de detención impulsado por la entropía para la generación de números pseudoaleatorios. Nuestro modelo comienza desde la fuente de datos del vehículo para unir imágenes y agregar ruido para mejorar la entropía de las imágenes y luego las introduce en nuestra red. Además, diseñamos un método de detención impulsado por la entropía que permite que el entrenamiento de nuestro modelo se detenga en la época óptima para prevenir el sobreajuste. Los resultados de la evaluación indican que nuestro método de detención impulsado por la entropía puede generar efectivamente números pseudoaleatorios en un DCGAN. Nuestros experimentos numéricos en conjuntos de pruebas famosos (NIST, ENT) demuestran la efectividad del enfoque desarrollado en la generación de números aleatorios de alta calidad para el IoV. Además, los PRNG se aplican con éxito al cifrado de imágenes, y las métricas de rendimiento del cifrado están cerca de los valores ideales.