绝大多数密码都会被AI破解，什么时候轮到你？

        上星期，承诺陈说安排Equifax宣告，黑客泄露了他们系统中1.43亿人的个人信息。当然，这令人担忧，但如果黑客想要经过猜测你的暗码来访问你的在线数据，你的暗码很可能在不到一个小时内就会被破解。现在，还有更多的坏消息：科学家运用人工智能（AI）的力气创立了一个程序，结合现有的东西，在跨过4300万个领英个人资料的调会集破解了跨过四分之一的暗码。但是，研讨人员标明，这项技术也可用于游戏中以打败坏人。

        Thomas Ristenpart是一名计算机科学家，在纽约康奈尔大学研讨计算机安全，他没有参加这项研讨。他说，这项作业可以帮忙普通用户和公司测量暗码强度。“这项新技术还可能被用于生成钓饵暗码，以帮忙发现缝隙。”最健旺的暗码猜测程序John theRipperand HashCat运用了几种技术。一种是简略的蛮力，在这种力气中，他们会随机地查验许多不同的字符组合，直到找到正确的字符连续。但其他的方法包括依据之前泄露的暗码和概率方法来估测暗码中的每个字符。在一些网站上，这些程序现已破解了跨过90%的暗码。但是他们需求多年的手工编码来树立他们的侵略计划。

        这项新研讨旨在经过运用深度学习来加速这一进程，这是一种以大脑为中心的方法，在人工智能范畴处于领先地位。坐落新泽西州霍博肯市的史蒂文斯理工学院的研讨人员从一个所谓的“生成式敌视网络”（GAN）初步，该网络由两个人工神经网络组成。一个“出产者”发作模仿真实比方（真实相片）的人工输出（如图片），而“差异者”则从假例中辨认真实的图像。它们彼此完善，直到出产者变成娴熟的伪造者。
暗码不再可靠！快来看看你的暗码被AI显露了吗？
        Giuseppe Ateniese是史蒂文斯的计算机科学家，也是论文的合著者。他把出产者和差异者别离比作差人素描画家和目击者，这位素描艺术家妄图发明出一种可以作为罪犯准确肖像的东西。GANs（生成式敌视网络）用于制造逼真的图像，但对文本没有太大的运用。史蒂文斯的团队发明了一个叫做PassGAN的GAN，并将其与两个版其他HashCat（GPU破解神器） 和John the Ripperr的一个版别进行了比较。科学家们为每个东西供应了数千万个被泄露的暗码，这些暗码来自一个名为RockYou的游戏网站，并要求他们自己生成数亿个新暗码。然后，他们计算出这些新暗码中有多少与一组来自领英的泄露暗码相匹配，以此来衡量他们破解暗码的成功率。
        就其自身而言，PassGAN在领英上生成了12%的暗码，而它的三个竞争对手的暗码在6%到23%之间。但体现最好的来自于PassGAN和HashCat的组合。研讨人员本月在arXiv网站上宣告的一篇论文中陈说称，他们在领英上成功破解了27%的暗码。甚至连PassGAN破解失利的暗码都不太真实，比方：saddracula、santazone、coolarse18。

        运用GANs来帮忙猜测暗码是“特别的”，Martin Arjovsky说，他是纽约纽约大学研讨这项技术的计算机科学家。他说，这篇论文“证清楚在运用简略的机器学习处理计划可以带来要害优势的问题上，存在着一些明显而重要的问题。”尽管如此，Ristenpart说：“我不清楚，是否需求GANs的重型机械来获得这样的收益。”他说，或许更简略的机器学习技术也可以帮忙HashCat（Arjovsky附和）。事实上，宾夕法尼亚州匹兹堡的卡耐基梅隆大学出产的高效神经网络最近有了期望，而Ateniese计划在提交论文进行同行断定之前，直接与PassGAN进行比较。
        暗码不再可靠！快来看看你的暗码被AI显露了吗？
        Ateniese说，尽管在这个试点演示中，PassGAN给了hashCat帮忙，但他“必定”其未来的迭代可能会跨过HashCat。部分原因在于，HashCat运用了固定的规则，无法自己生成6.5亿多个暗码。PassGan发清楚自己的规则，可以无限期地创立暗码。他说：“在我们说话的时分，它就能生成数百万个暗码。”Ateniese还标明，PassGAN将在神经网络中添加更多层次，并对更多泄露的暗码进行操练。
        他将PassGAN与AlphaGo进行了比较，后者是谷歌DeepMind的一个项目，该项目最近在棋盘游戏中运用深度学习算法打败了人类围棋冠军。“AlphaGo正在规划一些专家从未见过的新策略，”Ateniese说。“所以我个人认为，如果你向PassGAN供应满意的数据，它就能拟定出人类无法考虑的规则。”
        如果你担忧自己的暗码安全，专家给出了主张——可以运用长但易记的暗码，并运用两步验证。