SOPG: توليد كلمات المرور المرتبة القائم على البحث للشبكات العصبية ذاتية الانحدار

جدول المحتويات

• 1.1 المقدمة والنظرة العامة
• 2. منهجية SOPG
  • 2.1 المفهوم الأساسي للتوليد المرتب القائم على البحث
  • 2.2 التكامل مع النماذج ذاتية الانحدار (GPT)
• 3. التفاصيل التقنية والأساس الرياضي
• 4. النتائج التجريبية وتحليل الأداء
  • 4.1 المقارنة مع أخذ العينات العشوائية
  • 4.2 المقارنة مع أحدث النماذج
• 5. الرؤى الرئيسية والملخص الإحصائي
• 6. إطار التحليل: دراسة حالة غير برمجية
• 7. آفاق التطبيق والاتجاهات المستقبلية
• 8. المراجع
• 9. التحليل الخبير الأصلي

1.1 المقدمة والنظرة العامة

لا تزال كلمات المرور هي الطريقة السائدة لمصادقة المستخدمين، مما يجعل تخمين كلمات المرور مجالًا حاسمًا في أبحاث الأمن السيبراني لأغراض هجومية (الاختراق) ودفاعية (تقييم القوة). الطرق التقليدية، من الاستدلالات القائمة على القواعد إلى النماذج الإحصائية مثل سلاسل ماركوف و PCFG، لها قيود في الكفاءة والتنوع. ظهور التعلم العميق، وخاصة الشبكات العصبية ذاتية الانحدار مثل GPT، وعد بتحول نموذجي. ومع ذلك، استمر وجود عنق زجاجة كبير: طريقة التوليد نفسها. أخذ العينات العشوائية القياسية من هذه النماذج ينتج كلمات مرور بترتيب عشوائي، مما يؤدي إلى تكرارات هائلة واستراتيجيات هجوم غير فعالة، حيث لا يتم إعطاء الأولوية لكلمات المرور عالية الاحتمال (وبالتالي الأكثر ترجيحًا).

تقدم هذه الورقة البحثية SOPG (توليد كلمات المرور المرتبة القائم على البحث)، وهي طريقة توليد جديدة تدفع نموذج تخمين كلمات المرور ذاتي الانحدار إلى إخراج كلمات المرور بترتيب تنازلي تقريبي للاحتمال. يتناول هذا الأمر عدم الكفاءة الأساسي، مما يضمن عدم وجود تكرارات وأن كلمات المرور الأكثر احتمالًا يتم توليدها أولاً، مما يحسن بشكل كبير من فعالية هجمات القاموس اللاحقة.

2. منهجية SOPG

2.1 المفهوم الأساسي للتوليد المرتب القائم على البحث

يتجاوز SOPG أخذ العينات العشوائية البسيطة. إنه يعامل عملية توليد كلمات المرور على أنها بحث موجه عبر الفضاء الشاسع لتسلسلات الأحرف المحتملة. بدلاً من أخذ عينات من الرموز بشكل عشوائي في كل خطوة بناءً على توزيع الاحتمال للنموذج، يستخدم SOPG خوارزمية بحث (تشبه بحث الحزمة أو أحد متغيرات "الأفضل أولاً") لاستكشاف وترتيب بادئات كلمات المرور المرشحة بشكل منهجي، مع توسيع البادئات الأكثر وعدًا أولاً دائمًا. الهدف هو اجتياز المشهد الاحتمالي للنموذج بطريقة خاضعة للتحكم، مع إعطاء الأولوية للاحتمالات العالية أولاً.

2.2 التكامل مع النماذج ذاتية الانحدار (GPT)

يطبق المؤلفون طريقتهم في SOPGesGPT، وهو نموذج لتخمين كلمات المرور يعتمد على بنية GPT. الطبيعة الذاتية الانحدار لـ GPT - التنبؤ بالرمز التالي في ضوء جميع الرموز السابقة - مناسبة تمامًا لـ SOPG. تتفاعل خوارزمية البحث مع مخرجات الاحتمال لنموذج GPT في كل خطوة توليد، باستخدامها لتقييم وإعطاء الأولوية للمرشحين الجزئيين لكلمات المرور. يسمح هذا التآزر لـ SOPGesGPT بالاستفادة من التعرف القوي على الأنماط الخاص بـ GPT مع فرض ترتيب توليد منطقي وفعال.

3. التفاصيل التقنية والأساس الرياضي

جوهر SOPG يتضمن التنقل في شجرة الاحتمال المحددة بواسطة النموذج الذاتي الانحدار. لنفترض أن كلمة المرور هي تسلسل للرموز $p = (t_1, t_2, ..., t_L)$. يعطي النموذج احتمال التسلسل كـ $P(p) = \prod_{i=1}^{L} P(t_i | t_1, ..., t_{i-1})$.

يختار أخذ العينات العشوائية $t_i$ وفقًا لـ $P(t_i | context)$، مما يؤدي إلى مسار عشوائي. بدلاً من ذلك، يحافظ SOPG على مجموعة من البادئات المرشحة. في كل خطوة، يقوم بتوسيع البادئة ذات الاحتمال الحالي الأعلى (أو درجة مشتقة منه، مثل لوغاريتم الاحتمال). يمكن تمثيل معيار اختيار مبسط للمرشح التالي الأفضل على النحو التالي:

$\text{NextCandidate} = \arg\max_{c \in C} \, \log P(c)$

حيث $C$ هي مجموعة جميع البادئات المرشحة قيد النظر، و $P(c)$ هو احتمالها كما يحسبه النموذج. يضمن هذا اجتيازًا جشعًا نحو كلمات المرور الكاملة عالية الاحتمال. تقنيات مثل عرض الحزمة تتحكم في مساحة البحث وتوازن بين الأمثلية والتكلفة الحسابية.

4. النتائج التجريبية وتحليل الأداء

4.1 المقارنة مع أخذ العينات العشوائية

تظهر الورقة أولاً الميزة الأساسية لـ SOPG مقارنة بأخذ العينات العشوائية على نفس النموذج الأساسي. النتائج الرئيسية:

• صفر تكرارات: يولد SOPG قائمة مرتبة فريدة، مما يلغي الهدر الحسابي على التكرارات.
• كفاءة فائقة: لتحقيق نفس معدل التغطية (نسبة كلمات المرور في مجموعة الاختبار التي تم تخمينها)، يتطلب SOPG عددًا أقل بكثير من استدعاءات النموذج وكلمات المرور المولدة. وهذا يترجم مباشرة إلى هجمات أسرع وأرخص.

وصف الرسم البياني (افتراضي بناءً على النص): رسم بياني خطي يوضح "معدل التغطية مقابل عدد كلمات المرور المولدة". سيرتفع خط SOPG بسرعة في البداية، ليستقر بالقرب من الحد الأقصى لمعدل التغطية. بينما سيرتفع خط أخذ العينات العشوائية ببطء وعدم انتظام أكبر بكثير، مما يتطلب عدد تخمينات أكبر بمقدار رتبة عشرية للوصول إلى نفس معدل التغطية.

4.2 المقارنة مع أحدث النماذج

تمت مقارنة SOPGesGPT في اختبار موقع واحد مع النماذج السابقة الرئيسية: OMEN (ماركوف)، FLA، PassGAN (القائم على GAN)، VAEPass (القائم على VAE)، ونموذج PassGPT المعاصر (نموذج آخر قائم على GPT).

• معدل التغطية: حقق SOPGesGPT معدل تغطية قدره 35.06%، متفوقًا على جميع النماذج الأخرى بهامش كبير: أعلى بنسبة 254% من OMEN، و 298% من FLA، و 421% من PassGAN، و 380% من VAEPass، وأعلى بنسبة 81% من PassGPT.
• المعدل الفعال: تدعي الورقة أيضًا الريادة في "المعدل الفعال"، مما يعني على الأرجح معدل توليد كلمات المرور الصالحة والفريدة التي تطابق مجموعة الاختبار، مما يؤكد كفاءتها بشكل أكبر.

وصف الرسم البياني: رسم بياني شريطي بعنوان "مقارنة معدل التغطية لنماذج تخمين كلمات المرور". سيكون الشريط الخاص بـ SOPGesGPT (35.06%) أطول بشكل كبير من الأشرطة الخاصة بـ OMEN (~10%)، و FLA (~9%)، و PassGAN (~7%)، و VAEPass (~7.5%)، و PassGPT (~19.4%).

5. الرؤى الرئيسية والملخص الإحصائي

6. إطار التحليل: دراسة حالة غير برمجية

فكر في نموذج مبسط تم تدريبه على كلمات مرور تعطي احتمالية عالية لتسلسلات مثل "password123" و "letmein".

• شرح أخذ العينات العشوائية: قد يولد النموذج: "xqjf8*"، "password123"، "letmein"، "xqjf8*" (تكرار)، "aBcDeF"، "password123" (تكرار). إنه يهدر التخمينات على كلمات المرور منخفضة الاحتمال والمتكررة.
• شرح SOPG: باستخدام بحثه، سيقوم بشكل منهجي بتوليد: "password123"، "password12"، "password"، "letmein"، "letmein1"، "123456". يسرد المرشحين عاليي الاحتمال ومتغيراتهم القريبة أولاً، مما يزيد من فرصة الإصابة بالتخمينات المبكرة. هذا يعكس المبدأ وراء بحث الحزمة في الترجمة الآلية (كما هو مستخدم في نماذج مثل Transformer من Google)، حيث يكون العثور على التسلسل الأكثر ترجيحًا أكثر أهمية من توليد تسلسلات عشوائية متنوعة.

7. آفاق التطبيق والاتجاهات المستقبلية

التطبيقات الفورية: يعزز SOPG مباشرة الأدوات المتاحة لـ تقييم قوة كلمات المرور الاستباقي. يمكن لشركات الأمن بناء أدوات اختراق أكثر كفاءة لمراجعة سياسات كلمات المرور المؤسسية. كما أنه يرفع سقيف البحث الدفاعي، مما يستلزم تطوير كلمات مرور مقاومة لمثل هذا التخمين المرتب والذكي.

اتجاهات البحث المستقبلية:

1. استراتيجيات البحث الهجينة: الجمع بين SOPG وعشوائية محدودة لاستكشاف كلمات مرور ذات احتمالية أقل قليلاً ولكنها قد تكون صالحة "خارج المسار المطروق"، وتجنب الحدود القصوى المحلية في فضاء الاحتمال.
2. التوليد التكيفي/الهجومي: نماذج يمكنها تكييف ترتيب توليدها بناءً على ردود فعل جزئية من نظام مستهدف (مثل استجابات تحديد المعدل)، على غرار الهجمات الخصومية في التعلم الآلي.
3. ما بعد كلمات المرور: يمكن أن يفيد نموذج التوليد المرتب تطبيقات النماذج ذاتية الانحدار الأخرى حيث يرتبط احتمال المخرجات بـ "الجودة" أو "الترجيح"، مثل توليد أنماط ثغرات برمجية محتملة أو تسلسلات حركة مرور الشبكة لاختبار الأمان.
4. إجراءات مضادة دفاعية: البحث في سياسات إنشاء كلمات المرور وخوارزميات التجزئة التي تقلل بشكل خاص من كفاءة هجمات التخمين المرتبة بالاحتمال.

8. المراجع

1. M. Jin, J. Ye, R. Shen, H. Lu, "Search-based Ordered Password Generation of Autoregressive Neural Networks," Manuscript Submitted for Publication, 2023.
2. A. Radford, et al., "Language Models are Unsupervised Multitask Learners," OpenAI, 2019. (أساس GPT-2)
3. J. Goodfellow, et al., "Generative Adversarial Nets," Advances in Neural Information Processing Systems, 2014. (أساس PassGAN)
4. M. Hitaj, et al., "PassGAN: A Deep Learning Approach for Password Guessing," International Conference on Applied Cryptography and Network Security, 2019.
5. P. G. Kelley, et al., "Guess Again (and Again): Measuring Password Strength by Simulating Password-Cracking Algorithms," IEEE Symposium on Security and Privacy, 2012. (OMEN، نماذج ماركوف)
6. NIST Special Publication 800-63B, "Digital Identity Guidelines: Authentication and Lifecycle Management," 2017.

9. التحليل الخبير الأصلي

الرؤية الأساسية: الاختراق الحقيقي للورقة ليس بنية عصبية أخرى - إنه ضربة جراحية على عنق زجاجة التوليد. لسنوات، كان مجال تخمين كلمات المرور، يشبه إلى حد كبير توليد النصوص المبكر، مهووسًا ببناء مقدرات احتمالية أفضل (النموذج) مع استخدام طريقة بسيطة لاستخراج التخمينات منه (أخذ العينات العشوائية). يحدد SOPG هذا الانفصال بشكل صحيح. إن الفكرة القائلة بأن كيفية التوليد من نموذج لا تقل أهمية عن النموذج نفسه هي فكرة عميقة. إنه يحول المشهد التنافسي من سباق تسلح بحت لحجم النموذج وبيانات التدريب إلى مشهد يتضمن الكفاءة الخوارزمية في فك التشفير، وهو درس تعلمه مجتمع التعلم الآلي الأوسع مع نماذج التسلسل إلى التسلسل منذ سنوات.

التدفق المنطقي والمزايا: المنطق لا تشوبه شائبة: 1) النماذج ذاتية الانحدار مثل GPT هي مقدرات ممتازة لاحتمال كلمات المرور. 2) أخذ العينات العشوائية منها غير فعال للتخمين، حيث الهدف هو تعظيم الإصابات لكل وحدة حسابية. 3) لذلك، استبدل أخذ العينات العشوائية بخوارزمية بحث تعطي الأولوية صراحةً للمخرجات عالية الاحتمال. تكمن القوة في بساطتها ونتائجها الهائلة القابلة للإثبات. تحسن بنسبة 81% مقارنة بـ PassGPT، الذي يستخدم نموذجًا أساسيًا مشابهًا، يُعزى بالكامل تقريبًا إلى طريقة التوليد، مما يثبت الفرضية. إن إزالة التكرارات هي دفعة كفاءة مجانية وهامة.

العيوب والمحاذير: التحليل، رغم إقناعه، به نقاط عمياء. أولاً، يترك "اختبار موقع واحد" أسئلة مفتوحة حول التعميم. كما لوحظ في ورقة CycleGAN (Zhu et al., 2017) والأدبيات الأوسع للتعلم الآلي، يمكن للنموذج أن يفرط في التكيف مع توزيع مجموعة بيانات محددة. هل تتفوق SOPGesGPT عبر مجموعات بيانات كلمات المرور المتنوعة من ثقافات وأنواع خدمات مختلفة؟ ثانيًا، عملية البحث أكثر تكلفة حسابيًا لكل كلمة مرور مولدة من أخذ العينات العشوائية. تدعي الورقة فوزًا صافيًا في "الاستدعاءات"، لكن وقت الحائط والعبء الزائد للذاكرة للحفاظ على حزمة البحث لم يتم استكشافهما بالكامل. هل يمكن أن يصبح البحث عنق زجاجة للنماذج أو الحزم الكبيرة للغاية؟ أخيرًا، تم التطرق إلى الآثار الأخلاقية بشكل عابر. هذه أداة قوية تخفض عتبة الهجمات الفعالة. بينما هي مفيدة للدفاع، فإن نشرها يستلزم مناقشة متوازية حول استراتيجيات التخفيف، وهي غير مطورة بما فيه الكفاية.

رؤى قابلة للتنفيذ: بالنسبة للممارسين في مجال الأمن، هذه الورقة هي تفويض: أعد تقييم سياسات كلمات المرور على الفور في ظل نموذج التهديد الجديد هذا. قد تسقط متطلبات الطول والتعقيد التي تعيق نماذج ماركوف بشكل أسرع أمام نماذج GPT المدعومة بـ SOPG. يجب أن تتطور السياسات نحو تعزيز عدم القدرة على التنبؤ بدلاً من التعقيد فقط (على سبيل المثال، "Tr0ub4dor&3" معقدة ولكن يمكن تخمينها؛ "correct-horse-battery-staple" أطول وأقل احتمالًا لهذه النماذج). بالنسبة للباحثين، المسار واضح: 1) كرر واختبر على مجموعات بيانات متعددة للتحقق من المتانة. 2) استكشف الأساليب الهجينة، ربما بتزويد SOPG بقواعد من PCFG لتوجيه البحث نحو كلمات المرور ذات البنية الدلالية. 3) ابدأ بحثًا دفاعيًا حول إنشاء كلمات مرور "مقاومة لـ SOPG"، باستخدام النماذج التوليدية ربما لإنشاء كلمات مرور قوية ويسهل تذكرها تقع في مناطق منخفضة الاحتمال في نماذج المهاجمين الحالية. يجب على عمل مؤسسات مثل المعهد الوطني للمعايير والتقنية (NIST) بشأن إرشادات كلمات المرور أن يأخذ في الاعتبار الآن هذه القفزة في ذكاء التخمين. SOPG ليس مجرد تحسين؛ إنه تحول نموذجي يتطلب استجابة عبر نظام أمن كلمات المرور بأكمله.