用户自选密码的演变：基于公开数据集的定量分析

本工作的目的是研究用户密码选择方式的演变。我们调查用户在选密码时是否遵循最佳实践，并找出需要改进之处。采用了四个不同的公开密码数据集（来自安全泄露事件、由安全专家整理、并被指定为包含坏密码）。由于这些数据集发布于不同时间，刻画这些数据集的分布暗示了密码选择的时间演变。使用一种相似性度量——Levenshtein距离，将每个数据集中的密码与指定的坏密码基准进行比较。然后将得到的归一化相似性分数分布相互比较。比较显示，对应于较新数据集的相似性分布均值总体上升，意味着远离坏密码使用的转变。这一结论得到了密码聚类行为的佐证。一种捕捉最佳实践的编码将密码映射到高维空间，并在其上进行了$k$-means聚类（带轮廓系数）分析。聚类比较与字符频率分析表明，在某些特征（长度、混合字符类型）方面密码选择随时间改善，但某些不鼓励的做法（包含名字、选择偏倚）仍然存在。