SOPG: تولید رمز عبور مبتنی بر جستجو به‌صورت مرتب‌شده برای شبکه‌های عصبی خودرگرسیو

1. مقدمه

رمزهای عبور همچنان فراگیرترین روش احراز هویت کاربر هستند که سادگی را با اثربخشی متعادل می‌کنند. با این حال، امنیت آن‌ها همواره با حملات حدس رمز عبور به چالش کشیده می‌شود که جزء حیاتی در هر دو حوزه آزمایش امنیت تهاجمی و ارزیابی قدرت دفاعی است. روش‌های سنتی، از شمارش مبتنی بر قاعده تا مدل‌های آماری مانند زنجیره‌های مارکوف و PCFG، محدودیت‌های ذاتی در تنوع و کارایی دارند. ظهور یادگیری عمیق، به ویژه شبکه‌های عصبی خودرگرسیو، نوید یک تغییر پارادایم را داد. با این حال، یک غفلت حیاتی همچنان پابرجا بود: خود روش تولید. تکنیک‌های استاندارد نمونه‌گیری، تصادفی بودن را معرفی می‌کنند که منجر به رمزهای عبور تکراری و خروجی نامرتب می‌شود و به شدت کارایی حمله را مختل می‌کند. این مقاله SOPG (تولید رمز عبور مرتب‌شده مبتنی بر جستجو) را معرفی می‌کند، روشی نوین که مدل‌های خودرگرسیو را وادار می‌کند رمزهای عبور را به ترتیب تقریبی نزولی احتمال تولید کنند و بدین ترتیب کارایی حدس رمز عبور مبتنی بر شبکه عصبی را متحول می‌سازد.

2. پیشینه و کارهای مرتبط

3. روش SOPG

4. جزئیات فنی و فرمول‌بندی ریاضی

با توجه به یک مدل خودرگرسیو (مانند GPT)، احتمال دنباله رمز عبور $S = (s_1, s_2, ..., s_T)$ به صورت زیر تجزیه می‌شود: $$P(S) = \prod_{t=1}^{T} P(s_t | s_1, ..., s_{t-1})$$ که در آن $s_t$ توکن در موقعیت $t$ است و $P(s_t | s_1, ..., s_{t-1})$ توزیع احتمال خروجی مدل است.

نمونه‌گیری تصادفی استاندارد، $s_t$ را از این توزیع می‌کشد که منجر به یک راه‌پیمایی تصادفی می‌شود. در مقابل، SOPG هدفش یافتن دنباله $S^*$ است که $P(S)$ را بیشینه می‌کند یا به طور سیستماتیک دنباله‌های با احتمال بالا را برمی‌شمارد. این را می‌توان به صورت زیر دید: $$S^* = \arg\max_{S \in \mathcal{V}^*} P(S)$$ که در آن $\mathcal{V}^*$ مجموعه تمام دنباله‌های ممکن تا حداکثر طول است. جستجوی جامع غیرعملی است. بنابراین، SOPG از یک الگوریتم جستجوی آگاهانه (مانند $A^*$ با هزینه لگاریتم احتمال) برای تقریب کارآمد این شمارش مرتب‌شده استفاده می‌کند. جستجو از لگاریتم منفی احتمال به عنوان هزینه استفاده می‌کند: $\text{cost}(S) = -\sum_{t=1}^{T} \log P(s_t | s_1, ..., s_{t-1})$. الگوریتم به دنبال خروجی دادن دنباله‌ها به ترتیب افزایش هزینه است.

5. نتایج آزمایشی و تحلیل

6. چارچوب تحلیل و مثال موردی

چارچوب: ربع کارایی حدس رمز عبور
ما می‌توانیم مدل‌ها را روی دو محور تحلیل کنیم: ظرفیت مدل (توانایی یادگیری توزیع‌های پیچیده، مثلاً GPT > مارکوف) و کارایی تولید (مرتب‌سازی بهینه خروجی‌ها).

• ربع I (ظرفیت بالا، کارایی پایین): PassGPT، VAEPass. مدل‌های قدرتمندی که توسط نمونه‌گیری تصادفی فلج شده‌اند.
• ربع II (ظرفیت بالا، کارایی بالا): SOPGesGPT. حالت هدفی که توسط این کار حاصل شده است.
• ربع III (ظرفیت پایین، کارایی پایین): حملات پایه مبتنی بر قاعده.
• ربع IV (ظرفیت پایین، کارایی بالا): OMEN، FLA. تولید آن‌ها ذاتاً مرتب‌شده است (بر اساس احتمال) اما ظرفیت مدل آن‌ها عملکرد نهایی را محدود می‌کند.

7. چشم‌انداز کاربرد و جهت‌های آینده

کاربردهای فوری:

• ارزیابی پیشگیرانه قدرت رمز عبور: شرکت‌های امنیتی می‌توانند از ابزارهای مبتنی بر SOPG برای حسابرسی سیاست‌های رمز عبور استفاده کنند تا محتمل‌ترین حدس‌های حمله را با سرعتی چندین برابر سریع‌تر تولید کنند و ارزیابی‌های واقع‌بینانه‌ای از ریسک ارائه دهند.
• آزمایشگاه‌های قانونی دیجیتال و بازیابی قانونی: تسریع بازیابی رمز عبور در تحقیقات قانونی که زمان حیاتی است.

• استراتژی‌های جستجوی ترکیبی: ترکیب SOPG با تصادفی بودن محدود برای کاوش زودهنگام حدس‌های "خلاقانه" با احتمال کمی پایین‌تر اما بالقوه پربار، متعادل کردن بهره‌برداری و اکتشاف.
• جستجوی شتاب‌یافته سخت‌افزاری: پیاده‌سازی الگوریتم جستجو روی GPU/TPU برای موازی‌سازی ارزیابی کاندیدها، کاهش سربار فرآیند جستجو.
• فراتر از رمزهای عبور: اعمال پارادایم تولید مرتب‌شده به سایر وظایف مدل خودرگرسیو که خروجی مرتب و یکتا ارزشمند است، مانند تولید موارد آزمایشی برای نرم‌افزار، یا ایجاد انواع طراحی متنوع به ترتیب امکان‌پذیری.
• اقدامات متقابل دفاعی: تحقیق در مورد شناسایی و دفاع در برابر چنین حملات کارآمد و مرتبی، احتمالاً با مطالعه "اثر انگشت" یک لیست حدس تولیدشده توسط SOPG در مقابل یک لیست تصادفی.

8. مراجع

1. M. Jin, J. Ye, R. Shen, H. Lu, "Search-based Ordered Password Generation of Autoregressive Neural Networks," Manuscript Submitted for Publication.
2. A. Narayanan and V. Shmatikov, "Fast dictionary attacks on passwords using time-space tradeoff," in Proceedings of the 12th ACM conference on Computer and communications security, 2005.
3. M. Weir, S. Aggarwal, B. de Medeiros, and B. Glodek, "Password cracking using probabilistic context-free grammars," in 2009 30th IEEE Symposium on Security and Privacy, 2009.
4. J. Ma, W. Yang, M. Luo, and N. Li, "A study of probabilistic password models," in 2014 IEEE Symposium on Security and Privacy, 2014.
5. B. Hitaj, P. Gasti, G. Ateniese, and F. Perez-Cruz, "PassGAN: A Deep Learning Approach for Password Guessing," in Applied Cryptography and Network Security Workshops, 2019.
6. OpenAI, "Improving Language Understanding by Generative Pre-Training," 2018. [Online]. Available: https://cdn.openai.com/research-covers/language-unsupervised/language_understanding_paper.pdf
7. M. Pasquini, D. Bernardo, and G. Ateniese, "PassGPT: Password Modeling and (Guessing) with Large Language Models," in arXiv preprint arXiv:2306.01745, 2023.

9. تحلیل اصلی و تفسیر کارشناسی