論文の概要: PassGPT+: Leveraging Linguistic Priors for Password Modeling

• arxiv url: http://arxiv.org/abs/2609.39880v1
• Date: Wed, 30 Sep 2026 14:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.948126
• Title: PassGPT+: Leveraging Linguistic Priors for Password Modeling
• Title（参考訳）: PassGPT+: パスワードモデリングにおける言語的優先事項の活用
• Abstract要約: 人間のパスワード生成において,言語的先行性は永続的な規則性を捉えていることを示す。 PassGPT+は、文字認識トークン化によるパスワード観察にGPT-2の言語的先行を適応させる。 PassDiffusionはパスワード生成のための最初の吸収状態離散拡散モデルである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Passwords remain the dominant online authentication mechanism, and understanding how humans choose them is essential for defensive strength estimation and attack simulation alike. Recent learning-based approaches such as PassGAN and PassGPT have shown that deep generative models can learn password structure directly from leaked corpora. However, both train from random initialization on password data alone. The role of linguistic prior knowledge in password modeling, and what it reveals about how humans create secrets, remains largely underexplored. Here, we address this gap with PassGPT+, which adapts the linguistic prior of GPT-2 to password observations through character-aware tokenization. We also introduce PassDiffusion, the first absorbing-state discrete diffusion model for password generation, as a probe of whether non-autoregressive approaches are competitive. On the RockYou benchmark, PassGPT+ recovers 22.53% of held-out passwords at 108 guesses, a 16% relative gain over PassGPT, and retains 79% of this match rate when transferred without retraining to a disjoint 2020 leak dataset, demonstrating that linguistic priors capture persistent regularities of human password generation. PassDiffusion underperforms by two to three orders of magnitude, indicating that autoregressive modeling is substantially better matched than iterative denoising to the discrete, exact-match nature of password generation.
• Abstract（参考訳）: パスワードは依然として主要なオンライン認証メカニズムであり、人間の選択方法を理解することは防御力の推定や攻撃シミュレーションにも不可欠である。 PassGANやPassGPTのような最近の学習ベースのアプローチは、深い生成モデルが流出したコーパスから直接パスワード構造を学習できることを示している。 しかし、どちらもパスワードデータだけでランダムな初期化から訓練する。 パスワードモデリングにおける言語的事前知識の役割と、それが人間がどのように秘密を創り出すかについて明らかにするものは、いまだほとんど解明されていない。 ここでは,文字認識トークン化によるパスワード観測にGPT-2の言語的先行を適応させるPassGPT+を用いて,このギャップに対処する。 また、パスワード生成のための最初の吸収状態離散拡散モデルであるPassDiffusionを、非自己回帰的アプローチが競合するかどうかの探索として導入する。 RockYouベンチマークでは、PassGPT+は108の推測で22.53%のパスワードの保持を回復し、PassGPTよりも16%上昇し、2020年の不規則なリークデータセットに再トレーニングすることなく、このマッチレートの79%を維持している。 PassDiffusionは2～3桁の精度で性能を低下させ、自己回帰モデリングは、パスワード生成の離散的かつ正確なマッチの性質に反復的に着目するよりも、かなりよく一致していることを示している。

関連論文リスト

• DiffGRM: Diffusion-based Generative Recommendation Model [63.35379395455103]
  ジェネレーティブレコメンデーション(GR)は、トークン化器を介して各項目をn桁のセマンティックID(SID)として表現する新興パラダイムである。 自己回帰デコーダをマスク付き離散拡散モデル(MDM)に置き換える拡散ベースGRモデルDiffGRMを提案する。 実験では、複数のデータセットに対する強力な生成的および差別的推奨ベースラインよりも一貫した利得を示す。
  論文  参考訳（メタデータ） (2025-10-21T03:23:32Z)
• 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)
• Nudging Users to Change Breached Passwords Using the Protection Motivation Theory [58.87688846800743]
  我々は保護動機理論(PMT)に基づいて、侵入したパスワードの変更を促すナッジを設計する。 本研究は, PMTのセキュリティ研究への応用に寄与し, 漏洩したクレデンシャル通知を改善するための具体的な設計上の意味を提供する。
  論文  参考訳（メタデータ） (2024-05-24T07:51:15Z)
• PagPassGPT: Pattern Guided Password Guessing via Generative Pretrained Transformer [8.591143235694826]
  本稿では,GPT(Generative Pretrained Transformer)を用いたパスワード推測モデルPagPassGPTを提案する。 パターン構造情報を背景知識として組み込むことでパターンガイドによる推測を行うことができ、それによってヒット率が大幅に向上する。 また,D&C-GENを用いて生成したパスワードの繰り返し率を低減する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-07T09:06:14Z)
• Search-based Ordered Password Generation of Autoregressive Neural Networks [0.0]
  GPTに基づくパスワード推測モデルであるSOPGesGPTを構築し,SOPGを用いてパスワードを生成する。 最も影響力のあるモデルであるOMEN、FLA、PassGAN、VAEPassと比較すると、SOPGesGPTは有効率とカバーレートの両方においてはるかに優れている。
  論文  参考訳（メタデータ） (2024-03-15T01:30:38Z)
• 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)
• Paraphrasing evades detectors of AI-generated text, but retrieval is an effective defense [56.077252790310176]
  本稿では,パラフレーズ生成モデル(DIPPER)を提案する。 DIPPERを使って3つの大きな言語モデル(GPT3.5-davinci-003)で生成されたテキストを言い換えると、透かしを含むいくつかの検出器を回避できた。 我々は,言語モデルAPIプロバイダによって維持されなければならない,意味論的に類似した世代を検索するシンプルなディフェンスを導入する。
  論文  参考訳（メタデータ） (2023-03-23T16:29:27Z)
• Unsupervised Paraphrasing with Pretrained Language Models [85.03373221588707]
  教師なし環境で,事前学習した言語モデルを用いて高品質なパラフレーズを生成する訓練パイプラインを提案する。 提案手法は,タスク適応,自己スーパービジョン,動的ブロッキング(Dynamic Blocking)という新しい復号アルゴリズムから構成される。 提案手法は,Quora Question PairとParaNMTの両方のデータセット上で,最先端の性能を達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T11:55:28Z)

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。