論文の概要: KAPG: Adaptive Password Guessing via Knowledge-Augmented Generation

• arxiv url: http://arxiv.org/abs/2510.23036v1
• Date: Mon, 27 Oct 2025 06:03:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.591391
• Title: KAPG: Adaptive Password Guessing via Knowledge-Augmented Generation
• Title（参考訳）: KAPG:知識強化世代による適応型パスワード案内
• Authors: Xudong Yang, Jincheng Li, Kaiwen Xing, Zhenjia Xiao, Mingjian Duan, Weili Han, Hu Xiong,
• Abstract要約: 本稿では,外部の語彙知識を推測プロセスに統合する知識拡張型パスワード推測フレームワークを提案する。 KnowGuessは、サイト内およびクロスサイトシナリオにおける最先端モデルの36.5%と74.7%の平均的な改善を実現している。 また、トレンド認識およびサイト固有のパスワード強度計であるKAPSMを開発した。
• 参考スコア（独自算出の注目度）: 7.1409672981861485
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the primary mechanism of digital authentication, user-created passwords exhibit common patterns and regularities that can be learned from leaked datasets. Password choices are profoundly shaped by external factors, including social contexts, cultural trends, and popular vocabulary. Prevailing password guessing models primarily emphasize patterns derived from leaked passwords, while neglecting these external influences -- a limitation that hampers their adaptability to emerging password trends and erodes their effectiveness over time. To address these challenges, we propose KAPG, a knowledge-augmented password guessing framework that adaptively integrates external lexical knowledge into the guessing process. KAPG couples internal statistical knowledge learned from leaked passwords with external information that reflects real-world trends. By using password prefixes as anchors for knowledge lookup, it dynamically injects relevant external cues during generation while preserving the structural regularities of authentic passwords. Experiments on twelve leaked datasets show that KnowGuess achieves average improvements of 36.5\% and 74.7\% over state-of-the-art models in intra-site and cross-site scenarios, respectively. Further analyses of password overlap and model efficiency highlight its robustness and computational efficiency. To counter these attacks, we further develop KAPSM, a trend-aware and site-specific password strength meter. Experiments demonstrate that KAPSM significantly outperforms existing tools in accuracy across diverse evaluation settings.
• Abstract（参考訳）: デジタル認証の主要なメカニズムとして、ユーザーが作成したパスワードは、漏洩したデータセットから学習できる共通のパターンと規則を示す。 パスワードの選択は、社会的文脈、文化的傾向、人気のある語彙など、外部要因によって大きく形作られています。 一般的なパスワード推測モデルは、漏洩したパスワードから派生したパターンを強調し、外部の影響を無視している。 これらの課題に対処するため、我々は、外部語彙知識を推測プロセスに適応的に統合する知識拡張型パスワード推測フレームワークであるKAPGを提案する。 KAPGは、リークパスワードから学んだ内部統計知識と、現実世界のトレンドを反映した外部情報とを結合する。 パスワードプレフィックスを知識検索のアンカーとして使用することにより、生成中に関連する外部キューを動的に注入し、認証されたパスワードの構造規則を保存する。 12のリークデータセットの実験では、KnowGuessは、サイト内およびクロスサイトシナリオにおける最先端モデルに対して、それぞれ36.5\%と74.7\%の平均的な改善を達成している。 パスワード重複とモデル効率のさらなる分析は、その堅牢性と計算効率を強調している。 これらの攻撃に対抗するため、我々はさらに、トレンド認識およびサイト固有のパスワード強度計であるKAPSMを開発する。 実験により、KAPSMは様々な評価設定で既存のツールの精度を大幅に上回っていることが示された。

関連論文リスト

• MoPE: A Mixture of Password Experts for Improving Password Guessing [10.399922446362417]
  本稿では,パスワードの構造パターンを活用してゲース性能を向上させるMoPEを提案する。 評価の結果,MoPEはオフラインおよびオンラインの推測シナリオにおいて,既存の最先端のベースラインを著しく上回っていることがわかった。
  論文  参考訳（メタデータ） (2025-09-20T07:30:15Z)
• Evaluating Language Model Reasoning about Confidential Information [95.64687778185703]
  言語モデルが文脈的堅牢性を示すか、文脈依存型安全仕様に準拠する能力を示すかを検討する。 我々は,ユーザ要求がいつ承認されたか,言語モデルが正しく判断できるかどうかを測定するベンチマーク(PasswordEval)を開発した。 現在のオープンソースとクローズドソースのモデルでは、一見単純な作業に苦労しています。
  論文  参考訳（メタデータ） (2025-08-27T15:39:46Z)
• MAYA: Addressing Inconsistencies in Generative Password Guessing through a Unified Benchmark [1.4419466020986265]
  本稿では,生成パスワードゲスティングモデルのための統一的,カスタマイズ可能な,プラグイン・アンド・プレイベンチマークフレームワークMAYAを紹介する。 我々は6つの最先端のアプローチを総合的に評価し、標準化を確実にするために再実装し、適応した。 以上の結果から,これらのモデルが人間のパスワード分布の異なる側面を効果的に捉え,強力な一般化能力を示すことが示唆された。
  論文  参考訳（メタデータ） (2025-04-23T12:16:59Z)
• ParamMute: Suppressing Knowledge-Critical FFNs for Faithful Retrieval-Augmented Generation [91.20492150248106]
  本研究では,不誠実な生成の背後にある内部メカニズムを解明し,不均等に活性化される中深度フィードフォワードネットワーク(FFN)のサブセットを同定する。 本研究では,不信感関連FFNの活性化を抑制することにより,文脈的忠実度を向上させるフレームワークであるParametric Knowledge Mutingを提案する。 実験結果から,ParamMuteはCoFaithfulQAと確立されたConFiQAベンチマークの両方の信頼度を大幅に向上し,パラメトリックメモリへの依存度を大幅に低下させることが示された。
  論文  参考訳（メタデータ） (2025-02-21T15:50:41Z)
• PassGPT: Password Modeling and (Guided) Generation with Large Language Models [59.11160990637616]
  パスワード生成のためのパスワードリークをトレーニングした大規模言語モデルであるPassGPTを提案する。 また、任意の制約を満たすパスワードを生成するために、PassGPTサンプリング手順を利用する誘導パスワード生成の概念も導入する。
  論文  参考訳（メタデータ） (2023-06-02T13:49:53Z)
• Reinforcement Learning on Encrypted Data [58.39270571778521]
  本稿では,DQNエージェントが,離散的かつ連続的な状態空間を持つ環境でどのように動作するかを予備的,実験的に検討する。 その結果,非決定論的暗号が存在する場合でも,エージェントは依然として小さな状態空間で学習することができるが,より複雑な環境では性能が低下することがわかった。
  論文  参考訳（メタデータ） (2021-09-16T21:59:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。