PassGPT：基于大型语言模型的密码建模和(引导式)生成

PassGPT：Password Modeling and (Guided) Generation with Large Language Models

Javier Rando, Fernando Perez-Cruz, Briland Hitaj [ETH Zürich & SRI International]

PassGPT：基于大型语言模型的密码建模和(引导式)生成

动机：旨在研究大型语言模型(LLM)在密码建模方面的有效性，以及利用LLM进行密码生成和强度估计的创新方法。 方法：通过在密码泄露数据上训练PassGPT，一种基于密码泄露的LLM，进行密码生成。引入了引导式密码生成的概念，利用PassGPT的采样过程生成符合任意约束条件的密码。还通过深入分析PassGPT对密码的熵和概率分布，探讨了如何改进现有密码强度估计方法。 优势：PassGPT在密码生成方面表现优于基于生成对抗网络(GAN)的现有方法，可以猜测出两倍于之前未见密码的数量。PassGPT还能进行引导式密码生成，而现有的基于GAN的方法无法实现此功能。PassGPT提供了显式的概率分布，模型简单且生成速度快。

通过PassGPT和PassVQT两种基于大型语言模型的密码生成方法，取得了在密码生成和强度估计方面的优秀结果，并提出了引导式密码生成和概率分布对密码强度的评估方法。

来自 ETH Zürich、瑞士数据科学中心和纽约 SRI International 的研究人员利用 OpenAI 的 GPT-2 架构的强大功能开发了 PassGPT，这是一种基于大型语言模型 (LLM) 构建的密码猜测模型。 它接受了来自各种黑客攻击和漏洞利用