计算机研究与发展

作者：韩伟力,张俊杰,徐铭,王传旺,张浩东,何震瀛,陈虎,

关键词：口令安全, 数据驱动猜测, 概率上下文无关文法, 马尔可夫模型, 混合模型,

基于文本口令的认证方法仍是当前用户身份认证的主流方式.为更好地研究口令安全性，研究人员提出了多种数据驱动的口令猜测方法，如概率上下文无关文法(probabilisticcontext-freegrammars,PCFG)和马尔可夫(Markov)方法等.这些方法在猜测口令时有其独特的猜测优势，即能够以更小的猜测数猜中特定类型的口令.为充分利用这些优势以实现更优的猜测效率，提出了一个通用的参数化混合猜测框架.该框架由模型剪枝方法和理论证明最优的猜测数分配策略构成，能够混合不同数据驱动方法的猜测优势以生成更高效的猜测集.为了验证框架的通用性和最优性，通过分析并混合现有数据驱动猜测方法的不同优势，基于该框架设计了多个混合多元模型的参数化混合猜测方法(统称为hyPassGu)用于猜测实践.并且，还利用从真实网站泄露的4个大规模口令数据集(总共超过1.5亿条口令)对这些混合猜测方法进行了评估实验.实验结果表明，由不同方法组合构建的hyPassGu均表现出超越单一方法的猜测效率，且在10\+\10\猜测数下超越了单一方法最优效率的1.52%~35.49%.此外，不同猜测数下的对比实验结果表明，提出的最优分配策略的猜测表现稳定，优于平均分配策略和随机分配策略，并在分布离散程度最大的口令数据集上有16.87%的相对提升，同时更多元的混合方法整体上也表现出更好的猜测效率.

来源：2022年第12期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2022年第12期