.png){kind=icon}
返回
Improving Password Guessing With Isomorphism Modeling
.png){kind=icon}
PRE
AI
DOI：10.1109/TIFS.2025.3616595.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
密码仍然是现代系统中使用最广泛的认证形式之一。然而，其固有的可预测性源于密码创建过程中的常见用户行为，这使得基于密码的认证容易受到猜测攻击。为了平衡记忆性与安全性，用户通常通过改变结构来构建基础密码的同构变体，例如将123abc转换为1a2b3c。这些变体对传统的密码猜测模型构成了重大挑战。具体而言，主流方法如马尔可夫模型和概率上下文无关文法（PCFG）模型难以捕捉这些变体之间的结构关系。为解决此挑战，我们提出了PassGIN，一种基于图同构网络（GIN）的密码猜测框架。通过将密码建模为图，PassGIN能够捕捉局部邻接和字符重排模式，使模型能够区分基础密码及其同构变体之间的细微结构差异。为进一步提升性能，我们引入了PassCluster，一种动态边权重机制，该机制利用大规模密码数据集中观察到的邻接频率。这使得GIN能够更有效地学习结构变化并生成准确的猜测。在八个真实世界数据集上的广泛实验表明，PassGIN在站内和跨站密码猜测场景中均持续优于当前最佳模型，分别实现了23.49%和74.53%的相对改进。
Keyword:
Password guessing
isomorphic password
weighted graph
期刊
IF:
8
论文数:
5.2K
被引数:
2.3W
机构
查看更多机构
引用论文
暂无论文信息