MAYA：统一基准框架解决生成式密码猜测中的不一致性问题
密码学与安全
2025-10-20 v4 人工智能
机器学习
摘要
近期生成模型的进展使其应用于密码猜测，以复制人类创建密码的复杂性、结构和模式。尽管具有潜力，但 prior 研究中的不一致性和不充分的评估方法阻碍了有意义的比较和全面、无偏的理解其能力。本文引入 MAYA，一个统一、可定制、即插即用的数据标注框架，旨在 facilitate 对生成式密码猜测模型进行系统化特征和基准测试。通过 MAYA，我们对六种最先进的方法进行了全面评估，这些方法被重新实现和调整以确保标准化。我们的评估涵盖八个真实世界的密码数据集，并覆盖一套详尽的高级测试场景，总计超过 15,000 个计算小时。我们的发现表明，这些模型有效捕获人类密码分布的不同方面，并表现出强大的泛化能力。然而，其效果在长密码和复杂密码方面存在显著差异。通过我们的评估，顺序模型始终优于其他生成架构和传统密码猜测工具，展示出在生成准确且复杂猜测方面的独特能力。此外，这些模型学习到的多样化密码分布使得多模型攻击超越单个最佳模型。通过发布 MAYA，我们旨在促进进一步的研究，为社区提供新工具以一致可靠地基准测试生成式密码猜测模型。我们的框架已公开于 https://github.com/williamcorrias/MAYA-Password-Benchmarking。
引用
@article{arxiv.2504.16651,
title = {MAYA: Addressing Inconsistencies in Generative Password Guessing through a Unified Benchmark},
author = {William Corrias and Fabio De Gaspari and Dorjan Hitaj and Luigi V. Mancini},
journal= {arXiv preprint arXiv:2504.16651},
year = {2025}
}
备注
Paper accepted at the 47th IEEE Symposium on Security and Privacy (S&P 2026)