簡介本資源為基于Python的密碼破解分析系統(tǒng)源碼包面向具備一定Python與深度學(xué)習(xí)基礎(chǔ)、關(guān)注密碼安全與口令猜測方向的學(xué)習(xí)者和研究人員。項目圍繞密碼破解數(shù)據(jù)展開涵蓋數(shù)據(jù)清洗、分割與標(biāo)準(zhǔn)化等預(yù)處理流程并利用LSTM與Seq2Seq模型進(jìn)行訓(xùn)練通過貪婪搜索和集束搜索評估命中率、召回率等指標(biāo)最后借助matplotlib完成結(jié)果可視化幫助讀者理解從數(shù)據(jù)到模型評估的完整分析鏈路。壓縮包共74個文件以60個py源碼文件為核心輔以6個sh腳本、3個svg架構(gòu)圖、2個txt說明、2個json配置及1個md文檔整體約711KB結(jié)構(gòu)清晰便于按模塊查閱。目前已有62人學(xué)習(xí)下載適合作為密碼安全分析、序列建模與模型評估的實踐參考也可用于二次開發(fā)與實驗復(fù)現(xiàn)。1. 從一份 Python 密碼破解分析源碼說起它到底能跑出什么結(jié)果很多人第一次看到「密碼破解分析系統(tǒng)」這幾個字腦子里浮現(xiàn)的是暴力跑字典的腳本。但這套基于 Python 的源碼包走的是另一條路它不直接硬碰密碼而是用 LSTM 和 Seq2Seq 去學(xué)習(xí)真實泄露口令的編輯規(guī)律再拿模型去猜。換句話說它研究的是「人怎么改密碼」而不是「機(jī)器怎么撞密碼」。包里同時給了 Pass2Path、PITG 兩條技術(shù)路線的訓(xùn)練與評估腳本還有一整套可視化繪圖代碼能直接產(chǎn)出命中率曲線、編輯距離分布圖。適合做安全研究、口令強(qiáng)度評估、課程設(shè)計或者想拿一份能跑通的深度學(xué)習(xí)口令分析工程練手的人。下面我按「能干什么 → 怎么裝怎么跑 → 坑在哪 → 怎么驗證」的順序拆一遍。2. 先看清工程結(jié)構(gòu)src 目錄里到底藏了哪幾條技術(shù)線2.1 baseline、targuess、das 三個目錄的分工解壓后進(jìn)src第一眼會看到baseline、targuess、das三個并列目錄外加一堆散落的.py。這不是隨手堆的而是三條獨立可跑的分析線baseline基礎(chǔ)統(tǒng)計與行為分析。user_pwd_reader.py、user_pwd_behavior.py、user_edit_behavior.py負(fù)責(zé)讀原始口令 CSV、統(tǒng)計用戶改密行為、輸出structure_analysis.txt和edit_analysis.txt這類中間結(jié)果。targuess目標(biāo)猜測線。核心是pitg_trainer.py、pitg_model.py、pitg_cracker.py配合pitg_preprocess.py做數(shù)據(jù)預(yù)處理pitg_evaluator.py做評估。PITG 是這套源碼里最完整的訓(xùn)練閉環(huán)。dasPass2Path 線。pass2path_trainer.py、pass2path_evaluator.py、generate_path.py、generate_inplace_edits.py組成「生成編輯路徑 → 訓(xùn)練 → 評估」的鏈路。utils目錄放sample_data.py和通用工具draw目錄全是繪圖腳本script目錄是.sh批處理入口config和figure分別放配置與架構(gòu)圖。理解這個分層后面找入口就不會迷路。2.2 數(shù)據(jù)流從 CSV 到命中率曲線整條鏈路的數(shù)據(jù)流是固定的照著走不會錯原始口令 CSV含用戶名、舊密碼、新密碼字段進(jìn)入user_pwd_reader.py行為分析腳本產(chǎn)出編輯行為統(tǒng)計落到edit_analysis.txtpitg_preprocess.py把統(tǒng)計結(jié)果轉(zhuǎn)成模型可讀的序列樣本pitg_trainer.py訓(xùn)練pitg_evaluator.py用貪婪/集束搜索算命中率draw下的腳本讀評估輸出畫成曲線圖。常見做法是先用sample_data.py生成一小份樣例數(shù)據(jù)把整條鏈路跑通再換真實數(shù)據(jù)集。這樣能避免一上來就被數(shù)據(jù)格式問題卡住。2.3 環(huán)境依賴與最小可跑配置這套代碼依賴 PyTorch、pandas、numpy、matplotlib。我一般會單獨建虛擬環(huán)境避免和系統(tǒng)里的包打架# 建獨立環(huán)境Python 3.8 兼容性最穩(wěn) python -m venv pwd_env source pwd_env/bin/activate # Windows 用 pwd_env\Scripts\activate # 裝核心依賴torch 按自己顯卡情況選 CPU 或 CUDA 版 pip install torch pandas numpy matplotlib scikit-learn參數(shù)說明torch版本決定后面訓(xùn)練能不能用 GPUpitg_trainer.py里通常有device判斷CPU 也能跑但慢。pandas用于讀 CSVmatplotlib供draw目錄調(diào)用。裝完先別急著訓(xùn)練跑一遍python -c import torch; print(torch.__version__)確認(rèn)沒報錯。提示如果import torch報 DLL 相關(guān)錯誤多半是 CPU/GPU 版本裝混了卸載重裝對應(yīng)版本即可。3. 把 PITG 訓(xùn)練鏈路跑通預(yù)處理、訓(xùn)練、評估三步3.1 預(yù)處理把原始口令轉(zhuǎn)成編輯序列PITG 的核心思想是把「舊密碼 → 新密碼」的變換拆成一系列編輯操作插入、刪除、替換、移動。pitg_preprocess.py就是干這個的。跑之前要確認(rèn)輸入 CSV 的列名和腳本里讀的字段一致否則會直接拋 KeyError。# 進(jìn)入 targuess 目錄先跑預(yù)處理 cd src/targuess python pitg_preprocess.py \ --input ../data/raw_passwords.csv \ --output ../data/processed/ \ --min_freq 5邏輯說明腳本讀原始 CSV對每條「舊密碼-新密碼」對做編輯距離對齊抽取出高頻編輯模式輸出成訓(xùn)練樣本。參數(shù)--min_freq 5表示出現(xiàn)次數(shù)少于 5 的編輯模式被過濾掉這個值調(diào)大能減少噪聲但會丟長尾規(guī)律調(diào)小則樣本更全但訓(xùn)練更慢。我一般先用 5 跑通再根據(jù)樣本量調(diào)整。3.2 訓(xùn)練LSTM Seq2Seq 的關(guān)鍵參數(shù)pitg_trainer.py是訓(xùn)練入口內(nèi)部調(diào)用pitg_model.py里的 Seq2Seq 結(jié)構(gòu)編碼器解碼器都是 LSTM。訓(xùn)練前重點看三個參數(shù)學(xué)習(xí)率、batch size、訓(xùn)練輪數(shù)。# 啟動訓(xùn)練輸出模型權(quán)重到 checkpoints python pitg_trainer.py \ --train_data ../data/processed/train.pkl \ --valid_data ../data/processed/valid.pkl \ --epochs 30 \ --batch_size 64 \ --lr 0.001 \ --save_dir ../checkpoints/邏輯說明--epochs 30是訓(xùn)練輪數(shù)口令數(shù)據(jù)模式相對集中輪數(shù)過多容易過擬合--batch_size 64在顯存夠的情況下可以調(diào)到 128 加速--lr 0.001是常見起點如果 loss 震蕩就降到 0.0005。訓(xùn)練過程中會打印每輪的 loss 和驗證集命中率盯著驗證集指標(biāo)別只看訓(xùn)練 loss。注意如果 loss 一直不降先檢查預(yù)處理輸出的樣本是不是空的train.pkl里樣本數(shù)為 0 是最常見的翻車原因。3.3 評估貪婪搜索與集束搜索的差別pitg_evaluator.py支持兩種解碼策略。貪婪搜索每步取概率最高的詞快但容易陷入局部最優(yōu)集束搜索保留 top-k 候選命中率更高但更慢。# 用集束搜索評估beam 寬度設(shè) 10 python pitg_evaluator.py \ --model ../checkpoints/best_model.pt \ --test_data ../data/processed/test.pkl \ --decode beam \ --beam_width 10 \ --output ../results/eval_result.txt邏輯說明--decode beam切換解碼方式--beam_width 10是集束寬度調(diào)大命中率通常上升但耗時線性增長。評估輸出里會包含 top-10、top-100 命中率這是衡量口令猜測模型的核心指標(biāo)。跑完拿results/eval_result.txt去喂draw目錄的繪圖腳本就能出曲線。3.4 可視化把命中率畫成能放進(jìn)報告的圖draw目錄下腳本很多常用的有draw_targuess_guessrate.py、draw_targuess_guessrate_comparison.py、draw_guessrate_via_editdistance.py。它們讀評估結(jié)果輸出 PNG。cd ../draw python draw_targuess_guessrate.py \ --input ../results/eval_result.txt \ --output ../figure/guessrate.png \ --title PITG Guess Rate邏輯說明--input指向評估輸出--output是圖片路徑--title控制圖標(biāo)題。對比腳本draw_targuess_guessrate_comparison.py能同時讀多份結(jié)果畫對比曲線適合把 baseline 和 PITG 放一起比。參數(shù)改錯最常見的是路徑腳本不會自動找文件路徑必須寫對。4. 避坑與排查這套源碼最容易卡住的五個地方4.1 現(xiàn)象預(yù)處理報 KeyError提示找不到列名原因pitg_preprocess.py里硬編碼了列名常見是username、old_password、new_password而你的 CSV 列名可能是中文或別的寫法。解決先用pandas打印df.columns確認(rèn)列名要么改 CSV 表頭要么改腳本里的字段映射。別直接改腳本邏輯改表頭更快。4.2 現(xiàn)象訓(xùn)練 loss 變成 nan原因?qū)W習(xí)率過大或者預(yù)處理后的序列里有超長樣本導(dǎo)致梯度爆炸。解決把--lr降到 0.0005 甚至 0.0001同時在pitg_model.py里確認(rèn)有沒有梯度裁剪常見做法是clip_grad_norm_。如果還沒有手動加一行裁剪閾值設(shè) 5.0 左右。4.3 現(xiàn)象評估命中率全是 0原因測試集和訓(xùn)練集的編輯模式分布差異太大或者評估時讀錯了模型權(quán)重文件。解決先確認(rèn)--model指向的是訓(xùn)練產(chǎn)出的best_model.pt而不是空文件再檢查測試集是不是用了和訓(xùn)練集同一套預(yù)處理參數(shù)預(yù)處理不一致是命中率為 0 的高頻原因。4.4 現(xiàn)象繪圖腳本報中文字體缺失原因matplotlib默認(rèn)字體不含中文標(biāo)題里有中文就顯示成方框或報 warning。解決在繪圖腳本開頭加plt.rcParams[font.sans-serif] [SimHei]和plt.rcParams[axes.unicode_minus] False。Linux 下沒裝 SimHei 就換成系統(tǒng)里有的中文字體。4.5 現(xiàn)象script 目錄下的 .sh 跑不動原因.sh里寫死了絕對路徑或者換行符是 Windows 的 CRLF。解決用sed -i s/\r$// xxx.sh去掉回車符再把里面的路徑改成自己機(jī)器上的相對路徑。跑之前chmod x xxx.sh給執(zhí)行權(quán)限這兩步做完基本就能跑。5. 進(jìn)階玩法用 crack_with_username.py 做定向猜測與結(jié)果驗證把基礎(chǔ)鏈路跑通后真正有意思的是crack_with_username.py。它把用戶名信息融進(jìn)猜測過程——因為大量用戶會把用戶名變形后塞進(jìn)密碼里。這個腳本的用法和評估腳本類似但輸入要多一列用戶名輸出的是針對特定用戶集的定向猜測結(jié)果。cd src/targuess python crack_with_username.py \ --model ../checkpoints/best_model.pt \ --target_users ../data/processed/target_users.csv \ --top_k 100 \ --output ../results/directed_guess.txt邏輯說明--target_users是待猜測的用戶列表--top_k 100表示每個用戶輸出前 100 個候選口令--output存結(jié)果。驗證方法很直接拿輸出和真實口令比對算命中率。我一般會寫個小腳本做比對而不是手工看。# verify_guess.py 簡易驗證腳本 import pandas as pd # 讀定向猜測結(jié)果和真實口令 guesses pd.read_csv(../results/directed_guess.txt, sep\t, headerNone, names[username, rank, guess]) truth pd.read_csv(../data/processed/truth.csv) # 按用戶名合并判斷真實口令是否落在 top_k 里 merged guesses.merge(truth, onusername) hit merged[merged[guess] merged[password]] hit_rate hit[username].nunique() / truth[username].nunique() print(f定向命中率: {hit_rate:.4f})參數(shù)說明sep\t要和輸出文件的實際分隔符一致不對就換成逗號。rank列記錄候選排序想看 top-10 命中率就加個merged[merged[rank] 10]過濾。這個驗證腳本不依賴原工程單獨跑就行。進(jìn)階方向有兩個一是把--top_k從 100 調(diào)到 1000看命中率曲線的拐點在哪判斷模型是否還有提升空間二是把 PITG 和 Pass2Path 兩條線的結(jié)果做交集交集命中的口令往往置信度更高。我習(xí)慣每次改完參數(shù)都固定跑一遍驗證腳本把命中率記在表格里避免憑感覺判斷模型好壞。從那以后我每次調(diào)參都強(qiáng)制走一遍「訓(xùn)練 → 評估 → 驗證」三步不再只看 loss 就下結(jié)論。希望幫到你。本文還有配套的精品資源點擊獲取