通用神经破解机：基于辅助数据的自配置密码模型

我们引入“通用密码模型”的概念——一种经预训练后可根据目标系统自动调整其猜测策略的密码模型。为实现这一点，该模型无需访问来自目标凭据的任何明文密码，而是利用用户的辅助信息（如电子邮件地址）作为代理信号来预测底层密码分布。具体而言，该模型使用深度学习捕捉一组用户的辅助数据（例如某 Web 应用的用户）与其密码之间的相关性，然后在推理时利用这些模式为目标系统创建定制的密码模型。无需进一步的训练步骤、针对性数据收集，或事先了解该群体的密码分布。除了改进当前的密码强度估计技术与攻击方法外，该模型使任何终端用户（如系统管理员）能够自主为其系统生成定制密码模型，而无需通常难以满足的收集合适训练数据及拟合底层机器学习模型的要求。最终，我们的框架实现了经良好校准的密码模型在群体中的普及化，解决了大规模部署密码安全解决方案中的一大挑战。