System Password Security: Attack and Defense Mechanisms
Hainan University（海南大学）
本文研究了系统密码安全问题，分析了暴力攻击、字典攻击和彩虹表攻击等密码破解方法，并评估了防御措施如盐值和慢哈希算法的有效性，同时探讨了账户锁定策略、多因素认证等防御机制的优缺点。
2026-02-02 cs.CR
Privacy-Preserving Password Cracking: How a Third Party Can Crack Our Password Hash Without Learning the Hash Value or the Cleartext
针对不可信第三方破解密码哈希的隐私风险，提出基于谓词加密扩展与诱饵哈希匿名集的3PC协议，实现常数时间高效扩展，经理论与FPGA实测验证隐私保护与破解可行性。
2023-06-14 cs.CR cs.IT math.IT
SE#PCFG: Semantically Enhanced PCFG for Password Analysis and Cracking
University of Kent（肯特大学）；Haitong Securities（海通证券）
本文提出语义增强的PCFG框架SE#PCFG，考虑43种语义信息分析密码，并基于此提出SEPCA破解架构，在17个数据库上显著优于三种最先进基准。
2025-03-26 cs.CL cs.CR
Universal Neural-Cracking-Machines: Self-Configurable Password Models from Auxiliary Data
EPFL（洛桑联邦理工学院）；George Mason University（乔治梅森大学）
提出通用密码模型概念，利用用户辅助信息通过深度学习自动生成定制密码模型，无需明文密码或再训练，改进了密码强度评估与攻击，并普及了密码安全部署。
2024-03-13 cs.CR cs.LG
When Intelligence Fails: An Empirical Study on Why LLMs Struggle with Password Cracking
Future Data Minds Research Lab（未来数据智能研究实验室）
本研究发现LLMs在密码破解任务中表现不佳，指出其在领域适应和记忆能力上的不足，强调需要改进的密码推断方法。
2025-12-31 cs.AI cs.CR cs.LG
Investigating the Distribution of Password Choices
在本文中，我们将研究选择密码的分布。齐普夫定律通常在选择的单词列表中得到遵守。使用密码列表从四个不同的在线来源，我们将调查如果齐普夫定律是一个很好的候选人描述的频率与密码的选择。我们研究了一些标准统计数据，用于衡量密码分发的安全性，并查看使用Zipf定律对数据进行建模是否会产生对这些统计数据的良好估计。然后，我们使用猜测作为度量标准，查看每个来源的密码分布的相似性。这表明这些发行版提供了有效的破解密码的工具。最后，我们将展示如何通过偶尔要求用户选择不同的密码来塑造使用中密码的分布。
2011-04-19 cs.CR
CASH: A Cost Asymmetric Secure Hash Algorithm for Optimal Password Protection
已经获得用户密码的加密散列的攻击者可以发起离线攻击，通过将该散列值与可能的密码猜测的加密散列进行比较来破解密码。这种离线攻击者只受到他愿意投入的资源的限制来破解密码。密钥扩展工具可以帮助减轻离线攻击的威胁，使每个密码猜测更昂贵的对手来验证。然而，密钥拉伸增加了合法认证服务器的认证成本。我们介绍了一种新颖的Stackelberg游戏模型，它捕捉到了这种防御者和离线攻击者之间的互动的基本要素。然后，我们引入成本不对称安全哈希（CASH），一个随机密钥拉伸机制，最大限度地减少密码的比例，将被一个合理的离线攻击者破解，而不增加合法的认证服务器的摊销认证成本。CASH的动机是观察到合法的身份验证服务器通常会运行身份验证过程来验证正确的密码，而离线攻击者通常会使用不正确的密码猜测。通过使用随机化，我们可以确保运行CASH来验证正确密码猜测的摊销成本明显小于拒绝错误密码的成本。使用我们的Stackelberg游戏框架，我们可以量化质量的基础现金运行时间分布的密码，一个理性的离线对手会破解的分数。我们提供了一个有效的算法来计算高质量的现金分布的后卫。最后，我们使用两个大规模密码频率数据集的经验数据来分析CASH。我们的分析表明，现金可以显着减少（高达$50\%$）的分数密码破解一个理性的离线对手。
2016-05-04 cs.CR
Cost-Asymmetric Memory Hard Password Hashing
在过去的十年中，数十亿用户密码暴露在离线密码破解攻击的危险威胁中。窃取用户密码的加密散列的离线攻击者可以检查尽可能多的密码猜测，因为他/她只受他/她愿意投入破解密码的资源的限制。Pepper和密钥拉伸是两种通过增加猜测成本来阻止离线攻击者的技术。Pepper确保拒绝错误密码猜测的成本高于验证正确密码猜测的（预期）成本。这很有用，因为大多数离线攻击者的猜测都是不正确的。不幸的是，正如我们所观察到的，传统的peppering防御似乎与现代内存硬键拉伸算法（如Argon 2或Scrypt）不兼容。我们介绍了一种替代胡椒，我们称之为成本不对称内存硬密码认证，它受益于与经典胡椒防御相同的成本不对称性，即，拒绝不正确的密码猜测的成本大于验证正确的密码猜测的预期成本。当配置正确时，我们证明我们的机制只能减少被目标是最大化（预期）利润的理性离线攻击者破解的用户密码的百分比，即，破解密码的总价值减去总猜测成本。我们评估我们的机制对理性离线攻击者的经验密码数据集的有效性。我们的实证分析表明，我们的机制可以显着减少用户密码被破解的理性攻击者高达10%的百分比。
2022-06-26 cs.CR
Client-CASH: Protecting Master Passwords against Offline Attacks
对密码的离线攻击越来越普遍和危险。离线攻击者只受到他或她愿意投入的计算资源量的限制，以破解用户的密码。由于存在未能采用适当的密码存储实践（如密钥扩展）的身份验证服务器，这种危险更加严重。密码管理器可以通过采用哈希迭代或内存硬函数等密钥扩展过程来帮助减轻这些风险，从而从客户端的用户主密码中获取特定于站点的密码。虽然密钥拉伸可以降低离线对手的成功率，但这些过程也增加了合法用户的计算成本。由于离线攻击者的密码猜测大多数是不正确的，我们提出了一个客户端代价不对称的安全哈希方案（Client-CASH）。Client-CASH随机化客户端密钥拉伸过程的运行时间，使得我们的密钥导出函数在使用不正确的主密码运行时的预期计算成本更大。我们做出了一些贡献。首先，我们展示了如何通过使用在帐户创建时随机选择的停止谓词将随机性引入客户端密钥拉伸算法。其次，我们正式的问题，找到最佳的运行时间分布受到一定的成本约束的客户端和一定的安全约束的停机谓词。最后，我们证明了客户端现金可以减少对手的成功率高达$21\%$。这些结果证明了客户端-现金机制的前景。
2016-03-02 cs.CR
LLM-Guided Prompt Evolution for Password Guessing
Applied AI Center（应用人工智能中心）；MTUCI（莫斯科国立大学）
本文利用LLM驱动的进化计算优化密码猜测框架的提示，通过OpenEvolve系统提升破解率，验证了自动提示进化在增强LLM密码审计中的有效性。
2026-04-14 cs.AI cs.CR
Password Cracking: The Effect of Hash Function Bias on the Average Guesswork
现代认证系统使用密码散列函数存储用户密码的散列值。因此，要破解密码，攻击者需要猜测映射到散列值的散列函数输入，而不是密码本身。我们调用一个哈希函数，它将相同数量的输入映射到每个bin，如\textbf{unbiased}。然而，使用中的密码散列函数尚未被证明是无偏的（即，它们可以具有映射到不同仓的不相等数量的输入）。加密散列函数具有计算上难以找到映射到bin的输入的特性。在这项工作中，我们引入了一个有偏见的哈希函数的结构化概念，我们分析了在某些类型的蛮干攻击的平均猜测。这项工作表明，安全级别取决于有效用户的散列值集以及散列函数的统计配置文件，这是由偏见造成的。我们研究了以散列值集为条件的平均猜测，并通过映射到bin的输入数量的经验分布来建模统计配置文件。特别是，我们专注于一类统计配置文件（捕获偏差），我们称之为类型类统计配置文件，具有经验分布的类型的方法中定义的类型类的概率。对于这样的配置文件，我们表明，平均猜测有关的基本措施，如熵和发散信息论。我们用这个来表明，偏见的影响的条件平均猜测是有限的相比，其他系统参数，如有效的用户存储在系统中的散列密码的数量。
2019-11-27 cs.CR cs.IT math.IT
A novel Two-Factor HoneyToken Authentication Mechanism
大多数系统依赖于密码的用户身份验证，但密码有很多弱点和广泛的使用，很容易引起重大的安全问题，无论其加密形式如何。用户为不同的帐户持有相同的密码，管理员从不检查密码文件中可能导致成功破解的缺陷，以及缺乏关于定期密码更换的严格安全策略是需要解决的几个问题。拟议的研究工作旨在加强这种安全机制，防止渗透，密码盗窃，并试图闯入安全计算系统。所选的解决方案方法是双重的;它实现了双因素身份验证方案以防止未经授权的访问，并伴随着Honeyword原则来检测损坏或被盗的令牌。两者都可以集成到任何平台或Web应用程序中，使用QR码和手机。
2021-01-20 cs.CR
Increasing the Security of Weak Passwords: the SPARTAN Interface
密码身份验证受到安全性和可用性之间的权衡的影响。安全的密码很难让用户记住，而容易记住的密码往往很容易被猜到。SPARse Two-dimensional AuthenticatioN（SPARTAN）允许用户在二维网格而不是线性文本框中输入其文本密码。由于攻击者需要确定密码的文本和网格中每个字符的位置，因此该接口使相对较短的密码具有更高的计算安全级别。我们创建了一个SPARTAN原型，并进行了初步的用户研究，以评估与线性密码输入界面相比，SPARTAN界面的实际可用性和安全性。我们发现，虽然用户创建的SPARTAN密码往往比线性密码更短，但用户创建的SPARTAN密码的计算安全性高于用户创建的线性密码。我们还要求参与者完成一项关于SPARTAN界面可用性的调查，并确定了一些需要改进的领域，而原型交互提供了用户随着时间的推移越来越熟悉SPARTAN的证据。最后，我们对密码破解工具进行了调查，并断言SPARTAN密码比线性密码需要更多的资源来破解。这些发现表明，从安全的角度来看，SPARTAN是线性密码的一个有前途的替代方案。SPARTAN密码的接口和记忆的可用性是一个有趣的研究问题，应在今后的工作中进一步调查。
2019-05-21 cs.CR
PassTSL: Modeling Human-Created Passwords through Two-Stage Learning
School of Cyber Science and Engineering, Shanghai Jiao Tong University（上海交通大学网络空间安全学院）；Institute of Cyber Security for Society (iCSS), University of Kent（肯特大学社会网络安全研究所）
本文提出PassTSL，一种基于预训练-微调两阶段学习的密码建模方法，在六个大型泄露密码数据库上显著优于五种SOTA破解方法，并实现了更准确的密码强度评估。
2024-07-19 cs.AI cs.CL cs.CR
GNPassGAN: Improved Generative Adversarial Networks For Trawling Offline Password Guessing
Ontario Tech University（安大略理工大学）
密码的安全性取决于对攻击者使用的策略的透彻理解。不幸的是，现实世界的对手使用实用的猜测策略，如字典式攻击，这是很难模拟密码安全研究。必须仔细配置和修改字典式攻击，以表示实际威胁。然而，这种方法需要难以复制的特定领域的知识和专长。本文回顾了各种基于深度学习的密码猜测方法，这些方法不需要领域知识或关于用户密码结构和组合的假设。它还介绍了GNPassGAN，这是一种建立在生成对抗网络上的密码猜测工具，用于搜索离线攻击。与最先进的PassGAN模型相比，GNPassGAN能够多猜测88.03%的密码，并减少31.69%的重复。
2022-08-14 cs.AI cs.CR
DAHash: Distribution Aware Tuning of Password Hashing Costs
入侵认证服务器并窃取所有加密密码散列的攻击者能够对每个用户的密码发起离线蛮干攻击。针对密码的离线蛮干攻击越来越普遍，并且有据可查的人类倾向于选择低熵密码和/或在多个帐户中重复使用这些密码，从而放大了这种危险。通常部署中等难度的密码散列函数，以通过增加攻击者的猜测成本来帮助保护密码免受离线攻击。然而，由于认证服务器是资源受限的，并且必须避免引入大量的认证延迟，因此可以使密码散列函数“硬”到何种程度是有限制的。观察到不同用户选择的密码强度存在很大差距，我们引入了DAHash（分布式感知密码哈希），这是一种新的机制，可以减少攻击者将破解的密码数量。我们的关键见解在于，资源受限的认证服务器可以根据用户密码的（估计）强度动态调整密码哈希函数的硬度参数。我们引入了一个Stackelberg游戏模型之间的相互作用的防御者（认证服务器）和离线攻击者。我们的模型允许防御者优化DAHash的参数，例如，指定对弱/中等/高强度密码进行哈希运算所花费的工作量。我们使用几个大规模的密码频率数据集，实证评估我们的差异化成本密码哈希机制的有效性。我们发现，使用我们的机制的防御者可以将被理性离线攻击者破解的密码减少约15%。
2021-01-30 cs.CR cs.GT
Towards a Rigorous Statistical Analysis of Empirical Password Datasets
密码安全性的一个主要挑战是描述攻击者的猜测曲线，即，攻击者在第一次$G$猜测中破解随机用户密码的概率是多少。一个关键的挑战是，猜测曲线取决于攻击者的猜测策略和用户密码的分布，这两者都是未知的。在这项工作中，我们的目标是遵循Kerckhoffs的原则和分析的最佳攻击者谁知道密码分布的性能。让$λ_G$表示这样的攻击者可以在$G$猜测范围内破解随机用户密码的概率。我们开发了几种统计上严格的技术，上限和下限$λ_G$给定$N$独立样本从未知的分布。我们表明，我们的边界具有很高的信心，并应用我们的技术来分析八个密码数据集。我们的实证分析表明，即使是最先进的密码破解模型往往是显着低于猜测效率比攻击者谁可以优化其攻击的基础上，其（部分）知识的密码分布。我们还应用我们的技术重新检查经验密码分布和齐普夫定律。我们发现，当$G$不是太大时，经验分布与我们在$λ_G$上的界限紧密匹配，即，$G \ll N$。然而，对于较大的$G$值，我们的经验分析严格地证明了经验分布（分别为Zipf定律）高估了攻击者的成功率。我们应用我们的技术上/下限的有效性的密码节流机制（密钥拉伸），用于减少攻击者猜测$G$的数量。最后，如果我们对用户对密码限制的反应方式做一个额外的假设，我们可以使用我们的技术来评估限制用户可能选择的密码的密码组合策略的有效性。
2022-09-21 cs.CR
PALPAS - PAsswordLess PAssword Synchronization
在多个用户设备上同步密码的工具通常将加密的密码存储在中央在线数据库中。对于加密，使用基于密码的低熵密钥。这样的数据库可能会受到未经授权的访问，这可能导致通过离线蛮干攻击泄露所有密码。在本文中，我们提出了PALPAS，一个安全和用户友好的工具，在用户设备之间的密码，而不集中存储有关他们的信息。PALPAS的思想是从所有设备共享的高熵秘密和每个服务的随机盐值生成密码。只有盐值存储在服务器上，而不是秘密。盐使用户设备能够生成相同的密码，但在统计上独立于密码。为了使PALPAS能够根据不同的密码策略生成密码，我们还提出了一种自动检索和处理服务密码需求的机制。PALPAS用户只需要记住一个密码，在另一个设备上设置PALPAS只需要一次性传输少量静态数据。
2015-06-15 cs.CR
Interpretable Probabilistic Password Strength Meters via Deep Learning
Stevens Institute of Technology（斯蒂文斯理工学院）；Sapienza University of Rome（罗马第一大学）；Institute of Applied Computing, CNR（意大利国家研究委员会应用计算研究所）
概率密码强度计已被证明是测量密码强度最准确的工具。不幸的是，通过构造，它们仅限于产生不透明的安全估计，无法在密码组合期间完全支持用户。在目前的工作中，我们迈出了解决这类引人注目的仪表的清晰度障碍的第一步。我们表明，概率密码米固有的描述密码强度和密码结构之间发生的潜在关系的能力。在我们的方法中，组成密码的每个字符的安全贡献被解开，并用于为用户提供明确的细粒度反馈。此外，与现有的启发式构造不同，我们的方法不受任何人为偏见的影响，更重要的是，它的反馈具有概率解释。在我们的贡献：（1）我们制定了可解释的概率密码强度计;（2）我们描述了如何通过适用于客户端可操作性的高效且轻量级的深度学习框架来实现它们。
2021-05-11 cs.CR cs.LG
Passwords: Divided they Stand, United they Fall
如今，离线攻击是对密码安全的最严重威胁之一。这些攻击已经从包括雅虎、LinkedIn、Twitter、索尼、Adobe等在内的知名网站上窃取了数百万个密码。因此，作为预防措施，有必要衡量离线猜测密码数据库的阻力，并帮助用户选择安全的密码。依赖于最小密码长度和不同字符类的基于规则的机制太天真，无法捕捉复杂的人类行为，而那些基于概率模型的机制需要整个密码分布的知识，这并不总是容易学习的。在本文中，我们提出了一个空间分区攻击模型，利用以前的泄漏，调查，攻击和其他来源的信息划分的密码搜索空间为非重叠的分区和学习分区密度。我们证明了一个分区攻击者的预期成功是最大的，如果由此产生的分区探索密度的降序。我们表明，所提出的攻击模型是更一般的和各种流行的攻击技术，包括基于概率，基于字典，基于语法和暴力只是不同的分区攻击者的实例。随后，我们介绍了bin攻击者，分区攻击者的另一个实例，并测量了真实世界的密码数据库的猜测阻力。我们证明了利用的搜索空间是非常小的，因此，即使是一个弱的攻击者可以造成足够的损害系统。我们证明了分区攻击可以反击，只有当分区密度是均匀的。我们使用这个结果，并提出了一个系统，通过在不同的分区分布用户，挫败分区攻击者。最后，我们演示了一些著名的密码方案可以适应，以帮助用户选择密码从系统分配的分区。
2020-09-12 cs.CR
Password Authentication Scheme with Secured Login Interface
本文提出了一种新的解决方案，在输入级的密码安全的年龄长的问题。在我们的解决方案中，可以组成密码的各种字符中的每一个都用随机的单个数字整数编码，并通过输入接口表单呈现给用户。一个合法的用户输入他的密码只需要仔细研究描述他的密码的代码序列，然后输入这些代码来代替他的实际密码字符。这种方法不需要出于安全原因对任何人隐藏输入代码或将其转换为占位符。我们的解决方案引擎在每次按下回车键时为每个字符重新生成新代码，从而生成一个比传统密码输入系统更安全的强化密码，可以抵御在线和离线攻击。使用经验数据和原型实现我们的计划，我们给出的证据表明，我们的方法在实践中是可行的，在易用性，提高安全性和性能。
2012-02-27 cs.CR
CompChall: Addressing Password Guessing Attacks
尽管密码是最方便的身份验证手段，但它们也带来了字典式攻击的威胁。字典式攻击可能有两种：在线攻击和离线攻击。虽然离线字典攻击只有在对手能够通过窃听通信信道来收集数据以成功执行协议时才是可能的，并且可以使用公钥密码学成功地进行反击，但是任何人都可以执行在线字典式攻击，并且没有令人满意的解决方案来反击它们。提出了一种新的认证协议CompChall（Computational Challenge）。该协议仅使用单向哈希函数作为构建模块，并试图通过实现挑战-响应系统来消除在线字典式攻击。该质询-响应系统以这样的方式设计，即它不会对真正的用户造成任何困难，但是对于试图在每单位时间内发起大量登录请求的对手来说是耗时且计算密集的，如在线字典式攻击的情况。该协议是无状态的，因此不易受到DoS（拒绝服务）攻击。
2011-11-16 cs.CR
Naturally Rehearsing Passwords
我们引入量化的可用性和安全性模型来指导密码管理方案的设计-帮助用户创建和记住多个密码的系统策略。与密码学中的安全证明基于复杂性理论假设（例如，困难的因素和离散对数），我们量化的可用性引入可用性假设。特别地，密码管理依赖于关于人类记忆的假设，例如，遵循特定排练时间表的用户将成功地保持相应的存储器。这些假设是由认知科学的研究提供信息，并通过实证研究得到验证。给定排练要求和用户对每个帐户的访问时间表，我们使用用户为了记住所有密码而必须进行的额外排练的总数来衡量密码方案的可用性。我们的可用性模型使我们得到一个关键的观察结果：密码重用不仅通过减少用户必须记住的密码数量而使用户受益，更重要的是通过增加每个密码的自然排练率。我们还提出了一个安全模型，该模型考虑了多个帐户和相关威胁（包括在线，离线和明文密码泄漏攻击）的密码管理的复杂性。观察到目前的密码管理方案是不安全的或不可用的，我们提出了共享线索-一个新的计划，其中的基础秘密是战略性地跨帐户共享，以确保大多数排练的要求自然得到满足，同时提供强大的安全性。该构造使用中国剩余定理来实现这些竞争目标。
2013-09-09 cs.CR
Password-authenticated Decentralized Identities
密码验证身份是互联网上最广泛的用户验证方法，用户在其中与各个服务器建立用户名-密码对，并在以后使用它们进行验证。虽然它们简单、用户友好且被广泛采用，但它们提供了不安全的身份验证，并将服务器操作员定位为受信任方，使他们能够完全控制用户的身份。为了减轻这些限制，许多身份系统采用了公钥密码学和分散化概念。然而，所有这些系统都需要用户创建和管理公钥-私钥对。不幸的是，用户通常没有所需的知识和资源来正确处理他们的加密秘密，这可能导致许多以最终用户为中心的公钥基础设施（PKI）失败。事实上，到目前为止，没有一种能够向Web服务器验证用户的最终用户PKI具有显著的采用率。在本文中，我们提出了密码认证的分散身份（PDID），身份和认证框架，用户可以注册自己的主权用户名密码对，并使用它们作为通用凭证。我们的系统提供了全球命名空间，人类有意义的用户名，并对用户名冲突攻击的弹性。用户的身份可用于向任何服务器认证用户，而不向该服务器泄露关于密码的任何信息，从而不可能针对密码进行离线字典式攻击。我们分析PDID并使用现有的基础设施和工具实现它。我们报告我们的实施和评估。
2021-09-16 cs.CR
GOTCHA Password Hackers!
Carnegie Mellon University（卡内基梅隆大学）
我们引入GOTCHAs（生成泛光学图灵测试来区分计算机和人类）作为防止针对用户选择的密码的自动离线字典式攻击的一种方式。GOTCHA是一种随机的谜题生成协议，它涉及计算机和人类之间的交互。非正式地说，GOTCHA应该满足两个关键属性：（1）谜题对人类来说很容易解决。(2)这些谜题对计算机来说很难解决，即使它有计算机用来生成最终谜题的随机比特-不像CAPTCHA。我们的主要定理表明，GOTCHA可以用来减轻离线字典式攻击对密码的威胁，确保密码破解者必须不断收到来自人类的反馈，同时安装一个攻击。最后，我们提供了一个基于墨迹图像的GOTCHA候选结构。我们的建设依赖于可用性的假设，用户可以识别的短语，他们最初用来描述每个墨迹图像-一个弱得多的可用性假设比以前的密码系统的基础上，墨迹，要求用户准确地回忆他们的短语。我们进行用户研究，以评估我们的GOTCHA建设的可用性。我们还生成了一个GOTCHA挑战，我们鼓励人工智能和安全研究人员尝试破解几个受我们方案保护的密码。
2013-10-04 cs.AI cs.CR
DALock: Distribution Aware Password Throttling
大规模的在线密码猜测攻击是广泛存在的，并且一直是最大的网络安全风险之一。降低在线破解风险的常用方法是在连续错误登录尝试达到固定次数（$K$）后锁定用户。选择$K$的值会导致经典的安全性-可用性权衡。当$K$太大时，黑客可以（快速）侵入相当一部分用户帐户，但当$K$太低时，我们会在几次错误后锁定诚实的用户，从而开始惹恼他们。出于观察，诚实的用户的错误通常看起来完全不同的密码猜测的在线攻击者，我们引入DALock { \em分布感知}密码锁定机制，以减少用户的烦恼，同时最大限度地减少用户的风险。顾名思义，DALock被设计为知道用于登录攻击的密码的频率和流行度，而标准节流机制（例如，$K$ -strikes）对密码分发不敏感。具体地，DALock除了针对每个用户的“点击计数”之外还维护额外的“点击计数”，其基于针对该特定账户的{ \em all}登录尝试的累积概率（的估计）。我们根据经验评估DALock与广泛的电池模拟使用真实世界的密码数据集。与传统的$K$ -strikes机制相比，我们发现DALock提供了一个优越的安全性/可用性权衡。例如，在我们的一个模拟中，我们能够将攻击者的成功率降低到$0.05\%$（与$10$ -strikes机制的$1\%$相比），同时将未受到攻击的帐户的不必要锁定率降低到仅$0.08\%$（与$3$ -strikes机制的$4\%$相比）。
2020-05-18 cs.CR cs.CY
Kintsugi: Decentralized E2EE Key Recovery
针对 E2EE 密钥恢复依赖中心化服务器的问题，本文提出去中心化协议 Kintsugi，通过多恢复节点门限协作与密码认证，在异步网络中抵御离线暴力破解并容忍节点串通或离线。
2025-07-18 cs.CR
From Dragondoom to Dragonstar: Side-channel Attacks and Formally Verified Implementation of WPA3 Dragonfly Handshake
针对 WPA3 Dragonfly 握手实现，论文提出 Dragondoom 侧信道攻击恢复密码，并给出基于 HACL* 形式化验证的 Dragonstar 实现，以低改动和相当性能消除泄漏。
2023-07-18 cs.CR
