基于知识增强生成的自适应密码猜测
密码学与安全
2025-10-28 v1
摘要
作为数字身份验证的主要机制，用户创建的密码 exhibit 常见模式和规律，这些模式可以从已泄露的数据集中学习。密码选择深受外部因素影响，包括社交背景、文化趋势和流行词汇。当前主流的密码猜测模型主要强调从已泄露密码中派生的模式，而忽略了这些外部影响——这限制了其对新兴密码趋势的适应性，并削弱了其有效性。为此，我们提出KAPG，一种知识增强的密码猜测框架，通过集成外部词汇知识来适应性地整合猜测过程。KAPG将从已泄露密码中学习的内部统计知识与反映真实世界趋势的外部信息相结合。通过将密码前缀用作知识查找的锚点，能够在生成过程中动态注入相关的外部线索，同时保持真实密码的结构规律性。在十二个已泄露数据集上的实验显示，KnowGuess在站内和跨站场景中分别相对于最先进的模型实现了平均提升36.5%和74.7%。进一步的分析表明，其在密码重叠和模型效率方面的表现突显了其鲁棒性和计算效率。为抵御这些攻击，我们进一步开发了KAPSM，一个面向趋势感知和站点的密码强度计。实验表明，KAPSM在各种评估情景下的准确率显著优于现有工具。
引用
@article{arxiv.2510.23036,
title = {KAPG: Adaptive Password Guessing via Knowledge-Augmented Generation},
author = {Xudong Yang and Jincheng Li and Kaiwen Xing and Zhenjia Xiao and Mingjian Duan and Weili Han and Hu Xiong},
journal= {arXiv preprint arXiv:2510.23036},
year = {2025}
}