PassGAN: Den nye AI kan knække adgangskoder på mindre end et halvt minut
Kort sagt
PassGAN, en adgangskodeknækkende AI udviklet af Home Security Heroes, kan knække adgangskoder på mindre end et halvt minut, 65 % på mindre end en time, 71 % inden for en dag og 81 % inden for en måned.
PassGAN er en bekymrende udvikling inden for adgangskodeknækningsmetoder, da den gør op med manuel adgangskodeanalyse og bruger et Generative Adversarial Network (GAN) til autonomt at lære fordelingen af ægte adgangskoder fra faktiske adgangskodebrud.
PassGAN kan give adskillige adgangskodeattributter og forbedre den forventede adgangskodekvalitet, hvilket gør det nemmere for hackere at gætte dine adgangskoder og få adgang til dine personlige oplysninger.
Artificial Intelligence (AI) teknologien har udviklet sig i et hurtigt tempo og er nu i stand til at gøre mange ting, som man tidligere troede var umulige. Et eksempel på en sådan fremgang er PassGAN, en adgangskodeknækkende AI udviklet af et team af forskere fra Home Security Heroes. Denne AI er skræmmende effektiv: Den kan knække adgangskoder på mindre end et halvt minut, meget hurtigere end menneskelige eksperter eller traditionelle teknikker.
Home Security Heroes har for nylig udgivet en undersøgelse, der viser, hvor effektiv PassGAN er til at knække adgangskoder. De fandt ud af, at 51 % af adgangskoder blev knækket på mindre end et minut, 65 % på mindre end en time, 71 % inden for en dag og 81 % inden for en måned. Med fremkomsten af AI-teknologi er det næsten umuligt at holde dine adgangskoder sikre.
Hovedårsagen til, at PassGAN kan knække adgangskoder så hurtigt og effektivt, er, at det har evnen til at lære af rigtige kodeord fra rigtige lækager. PassGAN er trænet til at identificere distributionen af adgangskoder og bruge disse oplysninger til at foretage hurtigere og mere præcise gæt.
For at sætte dette i perspektiv kan PassGAN køre gennem 15,600,000 almindelige adgangskoder og fortælle dig, hvor lang tid det vil tage AI at knække din adgangskode på under seks minutter. Adgangskoder, der er længere end 18 tegn, er generelt sikre mod AI-adgangskodeknækkere, da PassGAN ville tage mindst 10 måneder at knække adgangskoder, der kun indeholder tal og 6 kvintillioner år at knække adgangskoder, der indeholder symboler, tal, små bogstaver og store bogstaver. sagsbreve.
PassGAN er en bekymrende udvikling inden for adgangskodeknækningsmetoder. Den seneste metode gør op med manuel adgangskodeanalyse ved at bruge et Generative Adversarial Network (GAN) til autonomt at lære fordelingen af ægte adgangskoder fra faktiske adgangskodebrud. Dette øger hastigheden og effektiviteten af adgangskodeknækning, men det udgør også en alvorlig risiko for din online sikkerhed.
PassGAN kan give adskillige adgangskodeattributter og forbedre den forventede adgangskodekvalitet, hvilket gør det nemmere for hackere at gætte dine adgangskoder og få adgang til dine personlige oplysninger. Så det er vigtigt konsekvent at opdatere dine adgangskoder for at beskytte dig mod adgangskodeknækkende teknologi.
At undersøge den konceptuelle underbygning af forskellige moderne adgangskode-gætteteknikker er afgørende for at forstå, hvordan PassGAN fungerer. Generelt bruges datadrevne, ligetil operationer af software til at gætte adgangskoder. Dette indikerer, at de bruger datamodeller at udføre håndkodede adgangskodeevalueringer. Derudover bruger værktøjerne adgangskodeoprettelsesteknikker som sammenkædning og gør andre antagelser om adgangskodemønstre.
Disse metoder til at gætte adgangskoder er forholdsvis effektive til simple og forudsigelige adgangskoder. Ikke desto mindre bliver disse teknikker enten overdrevent træge eller helt ude af stand til at knække sikkerhedskoderne, når prøvestørrelsen er stor og komplicerede adgangskodemønstre er involveret. Systemer som PassGAN kan bruges i denne situation.
Systemer kaldet neurale netværk lære computere at forstå og vurdere data på samme måde som det menneskelige sind. De neurale netværk, der bruges af GAN, er lavet til at registrere en række strukturer og attributter. RockYou-datasættet, et sæt data, der bruges til at træne intelligente systemer i adgangskodeanalyse, blev brugt til træning af PassGAN. Efter træning kunne GAN bruge den lærte information til at producere friske eksempler på adgangskoder, der overholder den neurale netværksdistribution.
Hvordan skal du sikre dine adgangskoder?
Det er afgørende at bevare fortroligheden af dine adgangskoder. Desværre har adskillige adgangskodedatabasedumps vist, at folk foretrækker at bruge mindre komplicerede, enklere adgangskoder. Hvad kan du gøre for at sikre, at din adgangskode er sikker nok til at beskytte dig mod hackere? Lad os se på et par af de top adgangskodesikkerhed valgmuligheder.
Nøgleforskellen mellem en sikker adgangskode og en, der er nem at knække, er adgangskodestyrken. Ifølge oplysningerne fik forskerne ved at køre kodeordsprøver på PassGAN, en adgangskode, der kun er ciffer på 10 tegn, kan knækkes i løbet af få sekunder.
En adgangskode på ti bogstaver med blandede bogstaver ville tage fire uger at knække, men en adgangskode på ti bogstaver med kun små bogstaver ville tage en time. På den anden side ville det tage fem år at knække en ti-tegns stærk adgangskode bestående af bogstaver, symboler og heltal.
Ændrer din adgangskode hver tredje til sjette måned er et vigtigt skridt, du kan tage for at holde din konto sikker. Skift din adgangskode med det samme for at forhindre sikkerhedsbrud, hvis du tror, at nogen har adgang til din konto, eller at du måske har givet din adgangskode til en, du ikke burde have.
Det er klart, at traditionelle former for adgangskodeknækning ikke kan matche PassGAN. Denne AI kan knække enhver adgangskode på mindre end et halvt minut, hvilket gør det vigtigt, at enkeltpersoner implementerer stærke adgangskodebeskyttelsesforanstaltninger. Med AI altid fremme og skabe mere effektive metoder, bliver det stadig sværere at holde adgangskoder sikre.
- Microsofts VAL-E er blevet udråbt som et værktøj til at forbedre folks liv, men det ser nu ud til at være den farligste fidussoftware, der nogensinde er udgivet. Vall-E er en syntetisk stemme, der kan bruges til at efterligne rigtige mennesker og er lavet ved hjælp af en optagelse af en ægte personens stemme og en Microsoft-kode. Det kan bruges til at snyde folk for penge ved at efterligne en vens stemme eller en berømtheds stemme.
- Eksperter i Finland mener, at angribere snart vil begynde at bruge kunstig intelligens til at udføre dødbringende effektive phishing-angreb. WithSecure, det finske transport- og kommunikationsagentur og Federal Emergency Management Agency har udarbejdet en rapport, der analyserer aktuelle tendenser og udviklinger inden for AI, cyberangreb, og hvor de to krydser hinanden. AI-drevne cyberangreb vil være særligt effektive med hensyn til efterligningsteknikker, der ofte bruges til phishing- og vishing-angreb. Hackere bruger allerede AI til at automatisere deres angreb og brug ChatGPT chatbots til at udføre social engineering-angreb.
Læs mere om AI:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
