北京時(shí)間9月19日下午消息，美國史蒂文斯理工學(xué)院(Stevens Institute of Technology)開發(fā)了一個(gè)所謂的生成式對抗網(wǎng)絡(luò)，可以對你所使用的密碼進(jìn)行合理猜測，準(zhǔn)確率達(dá)到四分之一。

　　他們的基本理念非常簡單：讓一個(gè)神經(jīng)網(wǎng)絡(luò)構(gòu)建一個(gè)東西，然后由另外一個(gè)神經(jīng)網(wǎng)絡(luò)判定其質(zhì)量。這個(gè)概念是由伊恩·古德菲洛(Ian Goodfellow)發(fā)明的，他曾經(jīng)入選《麻省理工科技評論》評選的2017年“35歲以下35名優(yōu)秀創(chuàng)新者”榜單，但他本人并未參與該項(xiàng)目。

　　史蒂文斯理工學(xué)院的團(tuán)隊(duì)讓一個(gè)人工智能程序利用數(shù)千萬個(gè)泄露的密碼來學(xué)習(xí)如何生成新密碼，再讓另外一個(gè)人工智能程序?qū)W習(xí)如何判斷新生成的密碼是否有吸引力。

　　將實(shí)際結(jié)果與網(wǎng)上泄露的LinkedIn登錄數(shù)據(jù)進(jìn)行比對后發(fā)現(xiàn)，人工智能生成的密碼有12%與真實(shí)密碼匹配。當(dāng)研究人員從hashCat軟件工具那里獲得一些人類制作的規(guī)則，并將其加入到人工智能系統(tǒng)后，便可猜測27%的密碼——比單純使用hashCat高出24%。

　　雖然這項(xiàng)技術(shù)還處于初期，但這卻是生成式對抗網(wǎng)絡(luò)首次用于破解密碼。另外，只要能夠獲取更多數(shù)據(jù)，這項(xiàng)技術(shù)似乎的確能獲得快于傳統(tǒng)方法的改進(jìn)速度。

　　但無論如何，這似乎都是個(gè)壞消息，因?yàn)椴环ǚ肿涌赡芾眠@項(xiàng)技術(shù)來發(fā)動(dòng)網(wǎng)絡(luò)攻擊。