Optimizacija metode razbijanja gesel z uporabo kontekstualnih informacij in umetne inteligencePrajnc, Martin (Avtor) Modic, David (Mentor) Prešeren, Grega (Komentor) kibernetska varnostinformacijska varnostumetna inteligencatransformer modelugibanje geselrazbijanje geselGesla so že več kot 50 let prevladujoča metoda za preverjanje pristnosti, trend, ki kaže, da bo še dolgo prisoten. So ključni del varnosti digitalnih oseb, sistemov in kritičnih podatkov, vendar pogosto predstavljajo najšibkejšo točko pri vstopu v digitalne sisteme. Gesla pogosto odražajo osebne značilnosti in preference svojih ustvarjalcev, kar omogoča zlonamernim akterjem, da jih izkoristijo z uporabo razpoložljivih kontekstualnih informacij o ustvarjalcu gesla. Nedavne raziskave so pokazale, da lahko posebej prilagojeni seznami gesel, oblikovani na podlagi teh kontekstualnih informacij, izboljšajo učinkovitost metod za razbijanje gesel. V magistrski nalogi predstavimo optimizacijo metode za razbijanje gesel z uporabo kontekstualnih informacij. Uporabimo inovativno metodo za sestavo kontekstualnega slovarja gesel, da bi povečali verjetnost hitrega uspeha pri razbijanju gesel. Pri tem postopku se poslužimo uporabe velikih jezikovnih modelov, z namenom, da bi optimizirali generiranje gesel z uporabo kontekstualnih slovarjev. Predstavimo model CtxPassGPT, ki temelji na avto-regresivnem modelu GPT-2 in uporablja kontekstne besede za generiranje gesel. Potrdimo, da uporaba kontekstualnih informacij, specifičnih za določeno področje, v povezavi z umetno inteligenco, lahko izboljša uspešnost napadov. Eksperimentalni rezultati so pokazali, da je metoda ctxPassGPT, zlasti v kombinaciji z naborom gesel Ignis-10M, učinkovita pri ugibanju gesel, predvsem tistih z višjo oceno moči. Prispevek poudarja potencial kombinacije jezikovnih modelov in kontekstualnih informacij pri izboljšanju učinkovitosti slovarskih napadov, kar ima posledice za varnost gesel med drugim pa tudi za razvoj novih metod na tem področju.20242025-02-06 09:52:56Magistrsko delo/naloga167072VisID: 37167COBISS_ID: 220668675sl