এসওপিজি: অটোরিগ্রেসিভ নিউরাল নেটওয়ার্কের জন্য সার্চ-ভিত্তিক ক্রমানুসারে পাসওয়ার্ড জেনারেশন

সূচিপত্র

• 1.1 ভূমিকা ও সংক্ষিপ্ত বিবরণ
• 2. এসওপিজি পদ্ধতি
  • 2.1 সার্চ-ভিত্তিক ক্রমানুসার জেনারেশনের মূল ধারণা
  • 2.2 অটোরিগ্রেসিভ মডেলের সাথে সংহতকরণ (জিপিটি)
• 3. প্রযুক্তিগত বিবরণ ও গাণিতিক ভিত্তি
• 4. পরীক্ষামূলক ফলাফল ও কর্মদক্ষতা বিশ্লেষণ
  • 4.1 র্যান্ডম স্যাম্পলিংয়ের সাথে তুলনা
  • 4.2 সর্বাধুনিক মডেলগুলোর বিপরীতে তুলনামূলক মূল্যায়ন
• 5. মূল অন্তর্দৃষ্টি ও পরিসংখ্যানগত সারসংক্ষেপ
• 6. বিশ্লেষণ কাঠামো: একটি নন-কোড কেস স্টাডি
• 7. প্রয়োগের সম্ভাবনা ও ভবিষ্যৎ দিকনির্দেশনা
• 8. তথ্যসূত্র
• 9. মূল বিশেষজ্ঞ বিশ্লেষণ

1.1 ভূমিকা ও সংক্ষিপ্ত বিবরণ

পাসওয়ার্ড ব্যবহারকারী প্রমাণীকরণের প্রধান পদ্ধতি হিসেবেই রয়ে গেছে, যা আক্রমণাত্মক (ক্র্যাকিং) এবং প্রতিরক্ষামূলক (শক্তি মূল্যায়ন) উভয় উদ্দেশ্যে সাইবার নিরাপত্তা গবেষণায় পাসওয়ার্ড অনুমানকে একটি গুরুত্বপূর্ণ ক্ষেত্রে পরিণত করেছে। রুল-ভিত্তিক হিউরিস্টিক থেকে মার্কভ চেইন এবং পিসিএফজির মতো পরিসংখ্যানিক মডেল পর্যন্ত ঐতিহ্যবাহী পদ্ধতিগুলোর দক্ষতা ও বৈচিত্র্যে সীমাবদ্ধতা রয়েছে। গভীর শিক্ষণ, বিশেষ করে জিপিটির মতো অটোরিগ্রেসিভ নিউরাল নেটওয়ার্কের আবির্ভাব একটি প্যারাডাইম শিফটের প্রতিশ্রুতি দিয়েছিল। তবে, একটি উল্লেখযোগ্য বাধা থেকেই গেছে: জেনারেশন পদ্ধতিটিই। এই মডেলগুলো থেকে স্ট্যান্ডার্ড র্যান্ডম স্যাম্পলিং পাসওয়ার্ড তৈরি করে এলোমেলো ক্রমে, যার ফলে ব্যাপক ডুপ্লিকেট এবং অদক্ষ আক্রমণ কৌশল দেখা দেয়, কারণ উচ্চ সম্ভাব্য (এবং এইভাবে অধিকতর সম্ভাব্য) পাসওয়ার্ডগুলো অগ্রাধিকার পায় না।

এই গবেষণাপত্রটি এসওপিজি (সার্চ-ভিত্তিক ক্রমানুসারে পাসওয়ার্ড জেনারেশন) উপস্থাপন করে, একটি অভিনব জেনারেশন পদ্ধতি যা একটি অটোরিগ্রেসিভ পাসওয়ার্ড অনুমান মডেলকে পাসওয়ার্ডগুলো সম্ভাব্যতার আনুমানিক অবরোহী ক্রমে আউটপুট দিতে বাধ্য করে। এটি মূল অদক্ষতার সমাধান করে, কোনো ডুপ্লিকেট না থাকা নিশ্চিত করে এবং সর্বাধিক সম্ভাব্য পাসওয়ার্ডগুলো প্রথমে তৈরি করে, পরবর্তী ডিকশনারি আক্রমণের কার্যকারিতা নাটকীয়ভাবে উন্নত করে।

2. এসওপিজি পদ্ধতি

2.1 সার্চ-ভিত্তিক ক্রমানুসার জেনারেশনের মূল ধারণা

এসওপিজি সাধারণ র্যান্ডম স্যাম্পলিংয়ের বাইরে যায়। এটি পাসওয়ার্ড জেনারেশন প্রক্রিয়াটিকে সম্ভাব্য ক্যারেক্টার সিকোয়েন্সের বিশাল স্থানের মধ্য দিয়ে একটি নির্দেশিত অনুসন্ধান হিসেবে বিবেচনা করে। মডেলের সম্ভাব্যতা বন্টনের ভিত্তিতে প্রতিটি ধাপে টোকেন এলোমেলোভাবে স্যাম্পলিং করার পরিবর্তে, এসওপিজি একটি সার্চ অ্যালগরিদম (বীম সার্চ বা একটি বেস্ট-ফার্স্ট ভ্যারিয়েন্টের মতো) ব্যবহার করে প্রার্থী পাসওয়ার্ড প্রিফিক্সগুলোকে পদ্ধতিগতভাবে অন্বেষণ এবং ক্রমানুসারে সাজায়, সর্বদা সবচেয়ে সম্ভাবনাময়গুলোকে প্রথমে প্রসারিত করে। লক্ষ্য হলো মডেলের সম্ভাব্যতা ল্যান্ডস্কেপটিকে একটি নিয়ন্ত্রিত, উচ্চ-সম্ভাব্যতা-প্রথম পদ্ধতিতে অতিক্রম করা।

2.2 অটোরিগ্রেসিভ মডেলের সাথে সংহতকরণ (জিপিটি)

লেখকরা তাদের পদ্ধতি এসওপিজিইএসজিপিটি-তে প্রয়োগ করেছেন, যা জিপিটি আর্কিটেকচার ভিত্তিক একটি পাসওয়ার্ড অনুমান মডেল। জিপিটির অটোরিগ্রেসিভ প্রকৃতি—সমস্ত পূর্ববর্তী টোকেন দেওয়া হলে পরবর্তী টোকেন ভবিষ্যদ্বাণী করা—এসওপিজির জন্য পুরোপুরি উপযুক্ত। সার্চ অ্যালগরিদমটি প্রতিটি জেনারেশন ধাপে জিপিটি মডেলের সম্ভাব্যতা আউটপুটের সাথে ইন্টারঅ্যাক্ট করে, আংশিক পাসওয়ার্ড প্রার্থীদের মূল্যায়ন এবং অগ্রাধিকার দিতে সেগুলো ব্যবহার করে। এই সমন্বয় এসওপিজিইএসজিপিটিকে জিপিটির শক্তিশালী প্যাটার্ন স্বীকৃতির সুবিধা নেওয়ার পাশাপাশি একটি যৌক্তিক, দক্ষ জেনারেশন ক্রম আরোপ করতে দেয়।

3. প্রযুক্তিগত বিবরণ ও গাণিতিক ভিত্তি

এসওপিজির মূল অংশটি অটোরিগ্রেসিভ মডেল দ্বারা সংজ্ঞায়িত সম্ভাব্যতা ট্রি নেভিগেট করতে জড়িত। ধরা যাক একটি পাসওয়ার্ড হলো টোকেনের একটি সিকোয়েন্স $p = (t_1, t_2, ..., t_L)$। মডেলটি সিকোয়েন্সের সম্ভাব্যতা দেয় $P(p) = \prod_{i=1}^{L} P(t_i | t_1, ..., t_{i-1})$ হিসেবে।

র্যান্ডম স্যাম্পলিং $P(t_i | context)$ অনুযায়ী $t_i$ বেছে নেয়, যা একটি র্যান্ডম ওয়াকের দিকে নিয়ে যায়। এসওপিজি, পরিবর্তে, প্রার্থী প্রিফিক্সের একটি সেট বজায় রাখে। প্রতিটি ধাপে, এটি সর্বোচ্চ বর্তমান সম্ভাব্যতা (বা এটি থেকে প্রাপ্ত একটি স্কোর, যেমন লগ-সম্ভাব্যতা) সহ প্রিফিক্সটি প্রসারিত করে। পরবর্তী সেরা প্রার্থী নির্বাচনের জন্য একটি সরলীকৃত মানদণ্ড নিম্নরূপ উপস্থাপন করা যেতে পারে:

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

যেখানে $C$ হলো বিবেচনাধীন সমস্ত প্রার্থী প্রিফিক্সের সেট, এবং $P(c)$ হলো মডেল দ্বারা গণনা করা এর সম্ভাব্যতা। এটি উচ্চ-সম্ভাব্যতা সম্পূর্ণ পাসওয়ার্ডের দিকে একটি লোভী ট্রাভার্সাল নিশ্চিত করে। বীম প্রস্থের মতো কৌশলগুলো সার্চ স্পেস নিয়ন্ত্রণ করে এবং সর্বোত্তমতা ও গণনীয় ব্যয়ের মধ্যে ভারসাম্য বজায় রাখে।

4. পরীক্ষামূলক ফলাফল ও কর্মদক্ষতা বিশ্লেষণ

4.1 র্যান্ডম স্যাম্পলিংয়ের সাথে তুলনা

গবেষণাপত্রটি প্রথমে একই অন্তর্নিহিত মডেলে র্যান্ডম স্যাম্পলিংয়ের তুলনায় এসওপিজির মৌলিক সুবিধা প্রদর্শন করে। মূল ফলাফল:

• শূন্য ডুপ্লিকেট: এসওপিজি একটি অনন্য, ক্রমানুসারিত তালিকা তৈরি করে, পুনরাবৃত্তির উপর নষ্ট হওয়া গণনা দূর করে।
• উৎকৃষ্ট দক্ষতা: একই কভার রেট (একটি টেস্ট সেটে যে পাসওয়ার্ডগুলো অনুমান করা হয় তার শতাংশ) অর্জন করতে, এসওপিজির প্রয়োজন হয় অনেক কম মডেল ইনফারেন্স এবং জেনারেটেড পাসওয়ার্ড। এটি সরাসরি দ্রুততর, সস্তা আক্রমণে রূপান্তরিত হয়।

চার্ট বর্ণনা (পাঠ্যের উপর ভিত্তি করে প্রকল্পিত): "কভার রেট বনাম জেনারেটেড পাসওয়ার্ডের সংখ্যা" দেখানো একটি লাইন চার্ট। এসওপিজি লাইনটি প্রথম দিকেই খাড়াভাবে উঠবে, সর্বোচ্চ কভার রেটের কাছাকাছি প্ল্যাটো করবে। র্যান্ডম স্যাম্পলিং লাইনটি অনেক বেশি ধীরে এবং অনিয়মিতভাবে উঠবে, একই কভার রেটে পৌঁছাতে একটি অর্ডার অফ ম্যাগনিচিউড বেশি অনুমানের প্রয়োজন হবে।

4.2 সর্বাধুনিক মডেলগুলোর বিপরীতে তুলনামূলক মূল্যায়ন

এসওপিজিইএসজিপিটিকে একটি ওয়ান-সাইট টেস্টে প্রধান পূর্বসূরিদের সাথে তুলনা করা হয়েছিল: ওমেন (মার্কভ), এফএলএ, পাসজিএএন (জিএএন-ভিত্তিক), ভিএইপাস (ভিএই-ভিত্তিক), এবং সমসাময়িক পাসজিপিটি (আরেকটি জিপিটি-ভিত্তিক মডেল)।

• কভার রেট: এসওপিজিইএসজিপিটি ৩৫.০৬% কভার রেট অর্জন করে, অন্যদের তুলনায় বিশাল ব্যবধানে এগিয়ে: ওমেনের চেয়ে ২৫৪% বেশি, এফএলএর চেয়ে ২৯৮% বেশি, পাসজিএএনের চেয়ে ৪২১% বেশি, ভিএইপাসের চেয়ে ৩৮০% বেশি, এবং পাসজিপিটির চেয়ে ৮১% বেশি।
• কার্যকর হার: গবেষণাপত্রটি "কার্যকর হার"-এও নেতৃত্ব দাবি করে, সম্ভবত বৈধ, অনন্য পাসওয়ার্ড তৈরি করার হার বোঝায় যা টেস্ট সেটের সাথে মেলে, যা দক্ষতাকে আরও জোর দেয়।

চার্ট বর্ণনা: "পাসওয়ার্ড অনুমান মডেলগুলোর কভার রেট তুলনা" শিরোনামের একটি বার চার্ট। এসওপিজিইএসজিপিটির জন্য বার (৩৫.০৬%) ওমেন (~১০%), এফএলএ (~৯%), পাসজিএএন (~৭%), ভিএইপাস (~৭.৫%), এবং পাসজিপিটি (~১৯.৪%) এর জন্য বারগুলোর তুলনায় নাটকীয়ভাবে লম্বা হবে।

5. মূল অন্তর্দৃষ্টি ও পরিসংখ্যানগত সারসংক্ষেপ

6. বিশ্লেষণ কাঠামো: একটি নন-কোড কেস স্টাডি

"password123" এবং "letmein" এর মতো সিকোয়েন্সে উচ্চ সম্ভাব্যতা নির্ধারণ করে এমন পাসওয়ার্ডে প্রশিক্ষিত একটি সরলীকৃত মডেল বিবেচনা করুন।

• র্যান্ডম স্যাম্পলিং ওয়াকথ্রু: মডেলটি তৈরি করতে পারে: "xqjf8*", "password123", "letmein", "xqjf8*" (ডুপ্লিকেট), "aBcDeF", "password123" (ডুপ্লিকেট)। এটি নিম্ন-সম্ভাব্যতা এবং পুনরাবৃত্ত পাসওয়ার্ডে অনুমান নষ্ট করে।
• এসওপিজি ওয়াকথ্রু: এর সার্চ ব্যবহার করে, এটি পদ্ধতিগতভাবে তৈরি করবে: "password123", "password12", "password", "letmein", "letmein1", "123456"। এটি উচ্চ-সম্ভাব্যতা প্রার্থী এবং তাদের কাছাকাছি ভ্যারিয়েন্টগুলো প্রথমে তালিকাভুক্ত করে, প্রাথমিক অনুমান দিয়ে হিটের সম্ভাবনা সর্বাধিক করে। এটি মেশিন ট্রান্সলেশনে বীম সার্চ-এর পিছনের নীতিকে প্রতিফলিত করে (যেমন গুগলের ট্রান্সফরমারের মতো মডেলগুলিতে ব্যবহৃত হয়), যেখানে সর্বাধিক সম্ভাব্য সিকোয়েন্স খুঁজে বের করা বৈচিত্র্যময়, এলোমেলোগুলো তৈরি করার চেয়ে বেশি গুরুত্বপূর্ণ।

7. প্রয়োগের সম্ভাবনা ও ভবিষ্যৎ দিকনির্দেশনা

তাত্ক্ষণিক প্রয়োগ: এসওপিজি সরাসরি প্রোঅ্যাকটিভ পাসওয়ার্ড শক্তি মূল্যায়ন-এর জন্য উপলব্ধ টুলগুলিকে উন্নত করে। নিরাপত্তা ফার্মগুলো এন্টারপ্রাইজ পাসওয়ার্ড নীতি নিরীক্ষণের জন্য আরও দক্ষ ক্র্যাকার তৈরি করতে পারে। এটি প্রতিরক্ষামূলক গবেষণার জন্য মানও বাড়িয়ে দেয়, যার ফলে এই ধরনের ক্রমানুসারিত, বুদ্ধিমান অনুমানের প্রতি সহনশীল পাসওয়ার্ড বিকাশের প্রয়োজনীয়তা তৈরি হয়।

ভবিষ্যৎ গবেষণার দিকনির্দেশনা:

1. হাইব্রিড সার্চ কৌশল: এসওপিজিকে সীমিত র্যান্ডমনেসের সাথে একত্রিত করে সামান্য নিম্ন-সম্ভাব্যতা কিন্তু সম্ভাব্য বৈধ "অফ-দ্য-বিটেন-পাথ" পাসওয়ার্ড অন্বেষণ করা, সম্ভাব্যতা স্থানের লোকাল ম্যাক্সিমা এড়ানো।
2. অ্যাডাপটিভ/অ্যাডভারসারিয়াল জেনারেশন: মডেলগুলো যা একটি টার্গেট সিস্টেম থেকে আংশিক ফিডব্যাকের ভিত্তিতে তাদের জেনারেশন ক্রম সামঞ্জস্য করতে পারে (যেমন, রেট-লিমিটিং প্রতিক্রিয়া), এমএল-এ অ্যাডভারসারিয়াল আক্রমণের মতো।
3. পাসওয়ার্ডের বাইরে: ক্রমানুসারিত জেনারেশন প্যারাডাইম অন্যান্য অটোরিগ্রেসিভ মডেল অ্যাপ্লিকেশনগুলিতে উপকার করতে পারে যেখানে আউটপুট সম্ভাব্যতা "গুণমান" বা "সম্ভাব্যতা" এর সাথে সম্পর্কিত, যেমন নিরাপত্তা পরীক্ষার জন্য বিশ্বাসযোগ্য সফটওয়্যার ভালনারেবিলিটি প্যাটার্ন বা নেটওয়ার্ক ট্র্যাফিক সিকোয়েন্স তৈরি করা।
4. প্রতিরক্ষামূলক পাল্টা ব্যবস্থা: পাসওয়ার্ড তৈরির নীতি এবং হ্যাশিং অ্যালগরিদম নিয়ে গবেষণা যা বিশেষভাবে সম্ভাব্যতা-ক্রমানুসারিত অনুমান আক্রমণের দক্ষতা হ্রাস করে।

8. তথ্যসূত্র

1. এম. জিন, জে. ইয়ে, আর. শেন, এইচ. লু, "সার্চ-ভিত্তিক অর্ডার্ড পাসওয়ার্ড জেনারেশন অফ অটোরিগ্রেসিভ নিউরাল নেটওয়ার্কস," প্রকাশনার জন্য জমা দেওয়া পান্ডুলিপি, ২০২৩।
2. এ. র্যাডফোর্ড, এট আল., "ল্যাঙ্গুয়েজ মডেলস আর আনসুপারভাইজড মাল্টিটাস্ক লার্নারস," ওপেনএআই, ২০১৯। (জিপিটি-২ ফাউন্ডেশন)
3. জে. গুডফেলো, এট আল., "জেনারেটিভ অ্যাডভারসারিয়াল নেটস," নিউরাল ইনফরমেশন প্রসেসিং সিস্টেমসে অগ্রগতি, ২০১৪। (পাসজিএএন ভিত্তি)
4. এম. হিটাজ, এট আল., "পাসজিএএন: এ ডিপ লার্নিং অ্যাপ্রোচ ফর পাসওয়ার্ড গেসিং," ইন্টারন্যাশনাল কনফারেন্স অন অ্যাপ্লাইড ক্রিপ্টোগ্রাফি অ্যান্ড নেটওয়ার্ক সিকিউরিটি, ২০১৯।
5. পি. জি. কেলি, এট আল., "গেস অ্যাগেইন (অ্যান্ড অ্যাগেইন): মেজারিং পাসওয়ার্ড স্ট্রেংথ বাই সিমুলেটিং পাসওয়ার্ড-ক্র্যাকিং অ্যালগরিদমস," আইইইই সিম্পোজিয়াম অন সিকিউরিটি অ্যান্ড প্রাইভেসি, ২০১২। (ওমেন, মার্কভ মডেল)
6. এনআইএসটি স্পেশাল পাবলিকেশন ৮০০-৬৩বি, "ডিজিটাল আইডেন্টিটি গাইডলাইনস: অথেন্টিকেশন অ্যান্ড লাইফসাইকেল ম্যানেজমেন্ট," ২০১৭।

9. মূল বিশেষজ্ঞ বিশ্লেষণ

মূল অন্তর্দৃষ্টি: গবেষণাপত্রের আসল যুগান্তকারী আবিষ্কার হলো আরেকটি নিউরাল আর্কিটেকচার নয়—এটি হলো জেনারেশন বাধা-এর উপর একটি সার্জিক্যাল স্ট্রাইক। বছরের পর বছর ধরে, পাসওয়ার্ড অনুমান ক্ষেত্রটি, প্রাথমিক টেক্সট জেনারেশনের মতোই, আরও ভাল সম্ভাব্যতা অনুমানকারী (মডেল) তৈরি করার প্রতি আবেশী ছিল যখন এটি থেকে অনুমান বের করার জন্য একটি সাধারণ পদ্ধতি (র্যান্ডম স্যাম্পলিং) ব্যবহার করছিল। এসওপিজি সঠিকভাবে এই বিচ্ছিন্নতাকে চিহ্নিত করে। আপনি কীভাবে একটি মডেল থেকে জেনারেট করেন তা মডেল নিজের মতোই সমালোচনামূলক এই অন্তর্দৃষ্টিটি গভীর। এটি প্রতিযোগিতামূলক ল্যান্ডস্কেপটিকে মডেলের আকার এবং প্রশিক্ষণ ডেটার বিশুদ্ধ অস্ত্র প্রতিযোগিতা থেকে ডিকোডিংয়ে অ্যালগরিদমিক দক্ষতা অন্তর্ভুক্তকারী একটিতে স্থানান্তরিত করে, যা বিস্তৃত এমএল সম্প্রদায় বছর আগে সিকোয়েন্স-টু-সিকোয়েন্স মডেলগুলির সাথে শিখেছিল।

যৌক্তিক প্রবাহ ও শক্তি: যুক্তিটি অমোঘ: ১) জিপিটির মতো অটোরিগ্রেসিভ মডেলগুলো চমৎকার পাসওয়ার্ড সম্ভাব্যতা অনুমানকারী। ২) অনুমানের জন্য সেগুলো থেকে র্যান্ডম স্যাম্পলিং অদক্ষ, যেখানে লক্ষ্য হলো প্রতি ইউনিট গণনায় হিট সর্বাধিক করা। ৩) অতএব, র্যান্ডম স্যাম্পলিংকে একটি সার্চ অ্যালগরিদম দিয়ে প্রতিস্থাপন করুন যা স্পষ্টভাবে উচ্চ-সম্ভাব্যতা আউটপুটগুলিকে অগ্রাধিকার দেয়। শক্তিটি এর সরলতা এবং প্রদর্শনযোগ্য, বিশাল ফলাফলের মধ্যে নিহিত। পাসজিপিটির তুলনায় ৮১% উন্নতি, যা একটি অনুরূপ বেস মডেল ব্যবহার করে, প্রায় সম্পূর্ণরূপে জেনারেশন পদ্ধতির জন্য দায়ী, থিসিস প্রমাণ করে। ডুপ্লিকেট দূর করা একটি বিনামূল্যের, উল্লেখযোগ্য দক্ষতা বৃদ্ধি।

ত্রুটি ও সতর্কতা: বিশ্লেষণটি, যদিও আকর্ষক, অন্ধ স্পট রয়েছে। প্রথমত, "ওয়ান-সাইট টেস্ট" সাধারণীকরণ সম্পর্কে প্রশ্ন উন্মুক্ত রাখে। সাইকেলজিএএন গবেষণাপত্রে (ঝু এট আল., ২০১৭) এবং বিস্তৃত এমএল সাহিত্যে উল্লিখিত হিসাবে, একটি মডেল একটি নির্দিষ্ট ডেটাসেটের বন্টনের সাথে ওভারফিট করতে পারে। বিভিন্ন সংস্কৃতি এবং পরিষেবা প্রকারের বিভিন্ন পাসওয়ার্ড ডেটাসেট জুড়ে কি এসওপিজিইএসজিপিটির শ্রেষ্ঠত্ব বজায় থাকে? দ্বিতীয়ত, সার্চ প্রক্রিয়াটি প্রতি জেনারেটেড পাসওয়ার্ডের জন্য র্যান্ডম স্যাম্পলিংয়ের তুলনায় গণনীয়ভাবে বেশি ব্যয়বহুল। গবেষণাপত্রটি "ইনফারেন্সেস"-এ নেট জয় দাবি করে, কিন্তু সার্চ বীম বজায় রাখার ওয়াল-ক্লক সময় এবং মেমরি ওভারহেড সম্পূর্ণরূপে অন্বেষণ করা হয়নি। অত্যন্ত বড় মডেল বা বীমের জন্য কি সার্চ একটি বাধা হয়ে উঠতে পারে? সর্বশেষে, নৈতিক প্রভাবগুলোর উপর দৃষ্টিপাত করা হয়েছে। এটি একটি শক্তিশালী টুল যা দক্ষ আক্রমণের জন্য বাধা কমিয়ে দেয়। যদিও রক্ষকদের জন্য দরকারী, এর প্রকাশের জন্য পাল্টা কৌশলগুলির উপর একটি সমান্তরাল আলোচনার প্রয়োজন, যা অপর্যাপ্তভাবে বিকশিত।

কার্যকরী অন্তর্দৃষ্টি: নিরাপত্তা অনুশীলনকারীদের জন্য, এই গবেষণাপত্রটি একটি আদেশ: এই নতুন হুমকি মডেলের অধীনে অবিলম্বে পাসওয়ার্ড নীতি পুনর্মূল্যায়ন করুন। মার্কভ মডেলগুলিকে ব্যর্থ করে দেয় এমন দৈর্ঘ্য এবং জটিলতার প্রয়োজনীয়তা এসওপিজি-চালিত জিপিটি মডেলগুলির কাছে দ্রুত পড়তে পারে। নীতিগুলোকে অবশ্যই শুধুমাত্র জটিলতার পরিবর্তে অপ্রত্যাশিততা প্রচারের দিকে বিবর্তিত হতে হবে (যেমন, "Tr0ub4dor&3" জটিল কিন্তু অনুমানযোগ্য; "correct-horse-battery-staple" দীর্ঘতর এবং এই মডেলগুলির জন্য কম সম্ভাব্য)। গবেষকদের জন্য, পথটি পরিষ্কার: ১) বহু ডেটাসেটে প্রতিলিপি তৈরি করুন এবং পরীক্ষা করুন রোবাস্টনেস যাচাই করতে। ২) হাইব্রিড পদ্ধতি অন্বেষণ করুন, সম্ভবত সেমান্টিকভাবে কাঠামোগত পাসওয়ার্ডের দিকে সার্চকে নির্দেশিত করতে পিসিএফজি থেকে নিয়ম দিয়ে এসওপিজি সিডিং করা। ৩) প্রতিরক্ষামূলক গবেষণা শুরু করুন "এসওপিজি-প্রতিরোধী" পাসওয়ার্ড তৈরির উপর, সম্ভাব্যভাবে জেনারেটিভ মডেল ব্যবহার করে শক্তিশালী, স্মরণীয় পাসওয়ার্ড তৈরি করতে যা বর্তমান আক্রমণকারী মডেলগুলির নিম্ন-সম্ভাব্যতা অঞ্চলে অবস্থিত। ন্যাশনাল ইনস্টিটিউট অফ স্ট্যান্ডার্ডস অ্যান্ড টেকনোলজি (এনআইএসটি)-এর মতো প্রতিষ্ঠানগুলোর পাসওয়ার্ড নির্দেশিকাগুলোর উপর কাজ এখন অবশ্যই অনুমান বুদ্ধিমত্তার এই লাফের হিসাব নিতে হবে। এসওপিজি শুধু একটি উন্নতি নয়; এটি একটি প্যারাডাইম শিফট যা সমগ্র পাসওয়ার্ড নিরাপত্তা ইকোসিস্টেম জুড়ে একটি প্রতিক্রিয়া দাবি করে।