論文の概要: Password Strength Analysis Through Social Network Data Exposure: A Combined Approach Relying on Data Reconstruction and Generative Models

• arxiv url: http://arxiv.org/abs/2511.16716v1
• Date: Thu, 20 Nov 2025 18:34:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.774292
• Title: Password Strength Analysis Through Social Network Data Exposure: A Combined Approach Relying on Data Reconstruction and Generative Models
• Title（参考訳）: ソーシャルネットワークデータ公開によるパスワード強度分析:データ再構成と生成モデルによるアプローチ
• Authors: Maurizio Atzori, Eleonora Calò, Loredana Caruccio, Stefano Cirillo, Giuseppe Polese, Giandomenico Solimando,
• Abstract要約: パスワード強度に関する評価プロセスを強化するために設計されたデータ再構成ツールであるSODAを提案する。 特にSODAは、公開データの活用によるパスワード強度の評価を目的とした、特別なパスワード評価モジュールを統合している。 また、パスワード生成におけるLLM(Large Language Models)の能力とリスクについても検討する。
• 参考スコア（独自算出の注目度）: 3.4879868100629356
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although passwords remain the primary defense against unauthorized access, users often tend to use passwords that are easy to remember. This behavior significantly increases security risks, also due to the fact that traditional password strength evaluation methods are often inadequate. In this discussion paper, we present SODA ADVANCE, a data reconstruction tool also designed to enhance evaluation processes related to the password strength. In particular, SODA ADVANCE integrates a specialized module aimed at evaluating password strength by leveraging publicly available data from multiple sources, including social media platforms. Moreover, we investigate the capabilities and risks associated with emerging Large Language Models (LLMs) in evaluating and generating passwords, respectively. Experimental assessments conducted with 100 real users demonstrate that LLMs can generate strong and personalized passwords possibly defined according to user profiles. Additionally, LLMs were shown to be effective in evaluating passwords, especially when they can take into account user profile data.
• Abstract（参考訳）: パスワードは依然として不正アクセスに対する主要な防御手段だが、ユーザーは覚えやすいパスワードを使うことが多い。 この行動は、従来のパスワード強度評価手法が不十分な場合が多いため、セキュリティ上のリスクを著しく高める。 本稿では,パスワード強度に関する評価プロセスの向上を目的としたデータ再構成ツールであるSODA ADVANCEを提案する。 特に、SODA ADVANCEは、ソーシャルメディアプラットフォームを含む複数のソースから公開されているデータを活用することで、パスワード強度を評価するための特別なモジュールを統合している。 さらに,新たなLarge Language Models (LLM) のパスワード評価および生成における機能とリスクについて検討した。 100人の実ユーザによる実験的評価は、LDMがユーザプロファイルに従って定義される可能性のある、強いパーソナライズされたパスワードを生成することを実証している。 さらに、LSMは、特にユーザプロファイルデータを考慮に入れれば、パスワードを評価するのに効果的であることが示されている。

関連論文リスト

• KAPG: Adaptive Password Guessing via Knowledge-Augmented Generation [7.1409672981861485]
  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。
  論文  参考訳（メタデータ） (2025-10-27T06:03:08Z)
• When Intelligence Fails: An Empirical Study on Why LLMs Struggle with Password Cracking [0.41998444721319217]
  本研究では,事前学習した大規模言語モデルによるパスワードクラッキングの有効性を,合成ユーザプロファイルを用いて実証的に検証する。 我々は,構造化されたユーザ属性に基づいて,有意なパスワードを生成するように促すことで,最先端のオープンソースLCMの性能を評価する。 Hit@1、Hit@5、Hit@10の測定結果から、すべてのモデルがHit@10で1.5%未満の精度で、一貫してパフォーマンスが低下していることが分かりました。
  論文  参考訳（メタデータ） (2025-10-18T02:15:28Z)
• How Blind and Low-Vision Users Manage Their Passwords [58.76726339294067]
  本稿では,Blind and Low-Vision (BLV) ユーザがパスワード管理にどのように取り組むかを検討する。 すべての参加者がパスワード管理をある程度利用していることが分かりました。 セキュリティ上のアドバンテージ — 強力なランダムなパスワードを生成する — は、主にアクセシビリティの欠如によって回避された。
  論文  参考訳（メタデータ） (2025-10-15T13:33:45Z)
• 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)
• PassTSL: Modeling Human-Created Passwords through Two-Stage Learning [7.287089766975719]
  NLPと深層学習(DL)で一般的な事前学習ファインタニングフレームワークに着想を得たPassTSL(2段階学習による人為的なパスワードのモデル化)を提案する。 PassTSLはパスワード推測において5つのSOTA(State-of-the-art)パスワードクラッキング法を最大で4.11%から64.69%の差で上回っている。 PassTSLに基づいてパスワード強度計(PSM)も実装し,パスワード強度をより正確に推定できることを示した。
  論文  参考訳（メタデータ） (2024-07-19T09:23:30Z)
• Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
  機密情報を含む匿名化は、幅広いアプリケーションにとって不可欠である。 既存の技術は、大規模言語モデルの再識別能力の新たな課題に直面している。 本稿では,プライバシ評価器,ユーティリティ評価器,最適化コンポーネントの3つの重要なコンポーネントで構成されるフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:28:56Z)
• PassViz: A Visualisation System for Analysing Leaked Passwords [2.2530496464901106]
  PassVizは、漏洩したパスワードを2次元空間で視覚化し分析するためのコマンドラインツールである。 本稿では、PassVizを用いて、漏洩したパスワードのさまざまな側面を視覚的に分析し、これまで知られていなかったパスワードパターンの発見を容易にする方法を示す。
  論文  参考訳（メタデータ） (2023-09-22T16:06:26Z)
• 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)
• Targeted Honeyword Generation with Language Models [5.165256397719443]
  ハニーワードは、パスワード違反を特定するためにデータベースに挿入された架空のパスワードである。 大きな問題は、実際のパスワードと区別が難しいハニーワードの作り方だ。
  論文  参考訳（メタデータ） (2022-08-15T00:06:29Z)

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。