一项新的研究旨在使用生成对抗网络（GAN）来加快密码破解的速度。斯蒂文斯理工学院的研究人员用类似“AlphaGo”的方法，利用超过4300万的LinkedIn个人资料来训练模型，辅助hashCat这一目前最强大的密码猜测程序，破解了LinkedIn密码测试组中27％的密码。研究者确信，尽管在这次演示中，是PassGAN在辅助hashCat，但经过迭代的PassGan会超过HashCat。
HashCat使用了固定的规则，无法自己生成超过6.5亿个密码。而自行产生规则的PassGan可以创建无限的密码。PassGAN将在神经网络中增加更多层，并利用更多泄露的密码进行训练。
“AlphaGo生成了一些专家从未见过的新策略，”论文的合著者、斯蒂文斯理工学院的计算机科学家Giuseppe Ateniese说，“我认为，如果你给PassGAN足够的数据，它就能提出人类无法理解的密码生成规则。”
此前GAN多用于图像任务，应用于文本还很少见。上周，信用报告机构Equifax宣布，有黑客恶意泄漏了其系统中1.43亿人的个人信息。这很让人担心，如果黑客想要通过简单地猜测你的密码来访问你的在线数据，那么可能一个小时内就能搞定。现在更多的坏消息来了：研究人员创建了一个GAN，结合现有工具，利用超过4300万的LinkedIn个人资料来训练模型，猜对了其中四分之一的密码。