Der Wörterbuchangriff — ausführliche Funktionsweise

Referenzdokument des Projekts Time2Crack
Zielgruppe: Entwickler, Sicherheitsforscher, fortgeschrittene Nutzer

Inhalt

  1. Überblick
  2. Historischer und wissenschaftlicher Hintergrund
  3. Warum Wörterbücher funktionieren
  4. Aufbau eines modernen Wörterbuchangriffs
  5. Korpora echter Passwörter
  6. Die HIBP-Prüfung (k-Anonymität)
  7. Die Sprach-Wortlisten von Time2Crack
  8. Der Wörterbuchrang: rankDictionary()
  9. De-Leetifizierung
  10. Vom Rang zur Knackzeit
  11. Vergleich mit abgeleiteten Angriffen
  12. Grenzen des Wörterbuchangriffs
  13. Wirksame Abwehrmaßnahmen
  14. Quellen

1. Überblick

Der Wörterbuchangriff ist die älteste Methode zum Knacken von Passwörtern, die am einfachsten zu verstehende und statistisch die wirksamste gegen echte, von Menschen gewählte Passwörter. Statt wie die Brute-Force-Methode alle möglichen Kombinationen durchzuprobieren, testet er eine vorab erstellte Liste von Kandidaten — das „Wörterbuch“ — in absteigender Wahrscheinlichkeit.

Warum er so gut funktioniert. Menschen wählen ihre Passwörter nicht zufällig. Jahrzehnte von Datenlecks zeigen, dass echte Passwörter extrem konzentriert sind: Im RockYou-Leck wurde 123456 allein von 290.731 Konten verwendet, etwa 2 % aller Konten. Ein gut aufgebauter Wörterbuchangriff testet diese Kandidaten zuerst und findet sie in Sekundenbruchteilen, wo Brute Force Jahre bräuchte.

Time2Crack nutzt zwei voneinander unabhängige Mechanismen:

Beide ergänzen sich: HIBP kennt die bereits geleakten Passwörter, die Wortlisten decken gewöhnliche Wörter ab, die noch nicht geleakt sind.


2. Historischer und wissenschaftlicher Hintergrund

2.1 Ursprünge

Der Wörterbuchangriff ist älter als die moderne IT-Sicherheit. Frühe Unix-Systeme speicherten die Passwort-Hashes in der für alle lesbaren Datei /etc/passwd: Wer sie lesen konnte, konnte eine Wortliste gegen alle Konten testen.

JahrEreignis
1979Morris und Thompson veröffentlichen den ersten wissenschaftlichen Artikel über die Sicherheit von Unix-Passwörtern; ein großer Teil der untersuchten Passwörter waren gängige Wörter oder Namen.
1988Der Morris-Wurm verbreitet sich unter anderem, indem er Passwörter mit einer eingebauten Liste von 432 Wörtern errät, danach mit dem Systemwörterbuch /usr/share/dict/words.
1991Crack (Alec Muffett): der erste weit verbreitete Passwort-Cracker für Unix, mit Regeln zur Abwandlung von Wörtern.
1996John the Ripper macht den Modus „Wortliste + Regeln“ populär.
2009RockYou-Leck: 32 Millionen im Klartext gespeicherte Konten (14,3 Millionen verschiedene Passwörter) zeigen, wie Menschen Passwörter wirklich wählen.
2013Troy Hunt startet Have I Been Pwned. Im selben Jahr legt das Adobe-Leck 153 Millionen Konten offen, deren Passwörter ohne Salt verschlüsselt waren, sodass gleiche Passwörter erkennbar waren.
2015Hashcat wird Open Source; Wörterbuchangriffe auf GPUs werden für alle zugänglich.
2019„Collection #1–5“: Milliarden von E-Mail/Passwort-Paaren aus früheren Lecks kursieren öffentlich.

2.2 Die prägenden Lecks

Einige Lecks haben den Wörterbuchangriff verändert, weil sie die tatsächliche Verteilung menschlicher Passwörter offenlegten:

2.3 Wie schnell ist ein Wörterbuchangriff?

Eine Liste mit 1 Million Wörtern, getestet mit den Geschwindigkeiten, die Time2Crack verwendet (12× RTX 5090, das voreingestellte Profil „Standard“):

AlgorithmusGeschwindigkeitZeit für 1 Million Kandidaten
NTLM4.081 GH/s0,25 Mikrosekunden
MD52.634 GH/s0,38 Mikrosekunden
SHA-1837 GH/s1,2 Mikrosekunden
SHA-256332 GH/s3,0 Mikrosekunden
bcrypt (Kosten 5)3.658 kH/s0,27 Sekunden
Argon2id1.000 H/setwa 17 Minuten

Gegen schnelle Hash-Funktionen (MD5, SHA-1, NTLM) ist der Wörterbuchangriff also sofort erfolgreich, und selbst gegen bcrypt bleibt er schnell.


3. Warum Wörterbücher funktionieren

3.1 Das Potenzgesetz menschlicher Passwörter

Empirische Studien kommen alle zum selben Ergebnis: Menschliche Passwörter sind nicht gleichmäßig verteilt. Sie folgen einem Potenzgesetz (Zipfsches Gesetz): Wenige Passwörter vereinen einen unverhältnismäßig großen Anteil aller Entscheidungen auf sich.

Formal: Sortiert man die Passwörter nach absteigender Häufigkeit, ist die Häufigkeit des Passworts auf Rang r ungefähr proportional zu r−s, wobei der Exponent s vom Korpus abhängt (Wang et al., 2017).

Direkte Folge: Ein Angreifer, der nur die 10 häufigsten Passwörter ausprobiert, hat bei einem bestimmten Konto bereits etwa eine Chance von 1 zu 20.

3.2 Kognitive Verzerrungen bei der Passwortwahl

Menschen folgen beim Erstellen eines Passworts vorhersehbaren Gewohnheiten:

3.3 Zwei Wege, „in den Listen“ zu stehen

Ein Passwort kann aus zwei verschiedenen Gründen in einer Angriffsliste stehen:

Diese beiden Fälle entsprechen den beiden unten beschriebenen Mechanismen von Time2Crack.


4. Aufbau eines modernen Wörterbuchangriffs

4.1 Allgemeiner Ablauf

Ein moderner Wörterbuchangriff verläuft in vier Phasen:

Phase 1: Wortliste zusammenstellen
    ├── Geleakte Passwörter (HIBP, RockYou, Sammlungen)
    ├── Sprach-Wortlisten (Wörterbücher, Vornamen, Orte)
    ├── Themenlisten (Sport, Popkultur, Technik, Religion)
    └── Gezielte Listen (Firmendomain, Namen der Mitarbeiter)

Phase 2: Wortliste vorbereiten
    ├── Nach Häufigkeit sortieren (wahrscheinlichste zuerst)
    ├── Duplikate entfernen
    ├── Nach Länge filtern (Ziellänge ± 2)
    └── Normalisieren (Kleinbuchstaben, Unicode NFC)

Phase 3: Hashen und vergleichen
    für jeden Kandidaten w der Wortliste:
        wenn hash(w) == Ziel-Hash: gefunden
    (Milliarden Kandidaten pro Sekunde auf der GPU bei MD5)

Phase 4: Auswertung
    └── Geknackte Passwörter, Abdeckungsstatistik

4.2 Hardware-Optimierungen

Moderne Wörterbuchangriffe laufen massiv parallel auf GPUs:

Für eine Liste von 1 Milliarde geleakter Passwörter auf 12× RTX 5090:

Dieser Unterschied von etwa sechs Größenordnungen zwischen MD5 und bcrypt zeigt, wie wichtig die Wahl des Hash-Algorithmus ist.

4.3 Reihenfolge der Kandidaten

Die Wortliste wird nicht alphabetisch getestet, sondern nach absteigender Wahrscheinlichkeit:

  1. Die häufigsten geleakten Passwörter (RockYou-Top-100)
  2. Passwörter, die in vielen Lecks vorkommen (nach HIBP-Häufigkeit sortiert)
  3. Gängige Wörter der Zielsprache
  4. Eigennamen (Vornamen, Städte, Prominente)
  5. Begriffe mit Bezug zum Ziel
  6. Varianten und gebeugte Formen

Mit dieser Reihenfolge wird ein schwaches Passwort in den ersten Millisekunden gefunden, unabhängig von der Hash-Geschwindigkeit.


5. Korpora echter Passwörter

5.1 Have I Been Pwned (HIBP)

HIBP ist die weltweite Referenz, weil es fast alle großen öffentlichen Lecks abdeckt, die Häufigkeit jedes Passworts angibt und aktiv gepflegt wird. Ein Angreifer mit der vollständigen Liste kann die häufigsten Passwörter zuerst testen.

5.2 RockYou (2009): das grundlegende Korpus

14,3 Millionen verschiedene Passwörter im Klartext. Der Anfang der Liste:

RangPasswortKontenAnteil
1123456290.7312,03 %
21234579.0780,55 %
312345678976.7900,54 %
4password59.4620,42 %
5iloveyou49.9520,35 %

Fazit: Eine Handvoll Kandidaten, gegen MD5 in wenigen Nanosekunden getestet, reicht aus, um einen messbaren Anteil der Konten einer geleakten Datenbank zu kompromittieren.

5.3 Spezialisierte Wortlisten-Sammlungen

Diese Korpora sind öffentlich herunterladbar: Ihre Existenz ist eine feststehende Tatsache der offensiven Sicherheit.


6. Die HIBP-Prüfung (k-Anonymität)

6.1 Das k-Anonymitäts-Protokoll

Time2Crack prüft das Passwort bei HIBP, ohne es jemals zu senden, auch nicht seinen vollständigen Hash. Das Protokoll funktioniert so:

1. SHA-1(Passwort) berechnen
     → z. B. CBFDAC6008F9CAB4083784CBD1874F76618D2A97
2. Nur die ersten 5 Zeichen an die HIBP-API senden
     → GET https://api.pwnedpasswords.com/range/CBFDA
3. Die API liefert alle Hash-Suffixe, die mit diesem Präfix beginnen
     (mehrere Hundert Zeilen, mit falschen Einträgen aufgefüllt)
4. Den Rest des Hashes lokal in der Antwort suchen
     → C6008F9CAB4083784CBD1874F76618D2A97
5. Gefunden: Das Passwort wurde geleakt, HIBP nennt die Anzahl
   Nicht gefunden: Das Passwort ist nicht in HIBP

Datenschutzgarantie: Der HIBP-Server sieht nur ein 5-stelliges Präfix, das Hunderte Passwörter gemeinsam haben. Er kann nicht wissen, welches Passwort geprüft wurde. Der Vergleich findet im Browser statt.

6.2 Umsetzung in Time2Crack

Die Prüfung startet eine halbe Sekunde nach dem letzten Tastenanschlag, parallel zur lokalen Analyse:

// app.js - checkHIBP()
async function checkHIBP(password) {
  const sha1 = await sha1Hex(password);   // uppercase hex SHA-1
  const prefix = sha1.slice(0, 5);        // sent to the API
  const suffix = sha1.slice(5);           // never leaves the browser

  const res = await fetch(`https://api.pwnedpasswords.com/range/${prefix}`, {
    headers: { "Add-Padding": "true" },   // hide the real size of the response
  });
  if (!res.ok) return null;               // API unavailable

  const text = await res.text();
  for (const line of text.split("\n")) {
    const [hashSuffix, count] = line.trim().split(":");
    if (hashSuffix === suffix) return parseInt(count, 10); // number of leaks
  }
  return 0;                               // not found
}

Das Ergebnis erscheint als Abzeichen: „N-mal gefunden“, „nicht gefunden“ oder „nicht verfügbar“, wenn die API nicht erreichbar ist. Es verändert die Knackzeiten nicht, die lokal berechnet werden.

6.3 Den HIBP-Zähler lesen

Der Zähler gibt an, wie oft genau dieses Passwort in den erfassten Lecks gesehen wurde:

ZählerBedeutung
Mehr als 1.000.000Eines der meistgenutzten Passwörter der Welt: wird von jedem Angreifer zuerst probiert
10.000 bis 1.000.000Sehr häufig
1.000 bis 10.000Häufig
100 bis 1.000Selten, aber bekannt
1 bis 100Sehr selten, aber kompromittiert

Schon ein Zähler von 1 ist eine Warnung: Das Passwort steht in den Listen, über die Angreifer verfügen, und wer das Konto angreift, aus dem es stammt, wird es ausprobieren.


7. Die Sprach-Wortlisten von Time2Crack

7.1 Warum Sprach-Wortlisten zusätzlich zu HIBP

HIBP deckt Passwörter ab, die bereits geleakt wurden, nicht aber gewöhnliche Wörter, die noch nicht geleakt sind. Wer Regenschirm als Passwort wählt, steht vielleicht nicht in HIBP, aber das Wort steht in der deutschen Wortliste jedes Angreifers, der deutschsprachige Nutzer ins Visier nimmt. Die Sprach-Wortlisten von Time2Crack schließen diese Lücke:

SpracheDateiWörter
Englischen.txt.gz748.958
Französischfr.txt.gz550.235
Spanisches.txt.gz284.834
Portugiesischpt.txt.gz507.721
Deutschde.txt.gz2.009.880
Italienischit.txt.gz3.252.670
Niederländischnl.txt.gz2.678.323
Polnischpl.txt.gz3.670.705
Türkischtr.txt.gz400.442
Gesamt14.103.768

Die ersten Versionen stammten aus den Wikipedia-Wortlisten von SecLists und den Wortlisten von kkrypt0nn; sie wurden seitdem erweitert. Beim Laden wird jede Zeile von Leerzeichen befreit und in Kleinbuchstaben umgewandelt; Wörter mit weniger als 3 Zeichen werden verworfen.

7.2 Laden bei Bedarf

Die Wortlisten sind nicht im Code enthalten. Nur die Liste der gewählten Sprache wird heruntergeladen, beim ersten Bedarf, als gzip-Datei:

// app.js - loadDictionary() (simplified: progress bar updates removed)
async function loadDictionary(lang = AppConfig.lang) {
  // Already loaded for this language
  if (AppConfig.dictWords !== null && AppConfig.dictLang === lang) return;

  // 1. Local cache (IndexedDB)
  const cached = await cacheGet(`dict_${lang}`);
  if (cached) {
    AppConfig.setDictionary(new Set(cached), lang);
    return;
  }

  // 2. Download the compressed list
  const res = await fetch(`${basePath}data/wordlists/${lang}.txt.gz`);
  if (!res.ok) throw new Error(`HTTP ${res.status}`);
  const buffer = await res.arrayBuffer();

  // 3. Decompress in the browser (plain .txt if DecompressionStream is missing)
  let text;
  try {
    text = await new Response(
      ReadableStream.from([new Uint8Array(buffer)])
        .pipeThrough(new DecompressionStream("gzip"))
    ).text();
  } catch {
    text = await (await fetch(`${basePath}data/wordlists/${lang}.txt`)).text();
  }

  // 4. Normalise, filter, index
  const words = text.split("\n")
    .map(w => w.trim().toLowerCase())
    .filter(w => w.length >= 3);
  AppConfig.setDictionary(new Set(words), lang);

  // 5. Keep it for the next visit
  await cachePut(`dict_${lang}`, words);
}

Warum ein Set? Ein JavaScript-Set beantwortet dictWords.has(word) in konstanter Zeit, ob die Liste 285.000 Wörter (Spanisch) oder 3,7 Millionen (Polnisch) enthält. Mit einem Array könnte jede Suche einen Vergleich pro Wort erfordern.

7.3 Lokaler Cache (IndexedDB)

Die vorbereitete Liste wird in der IndexedDB des Browsers unter dem Schlüssel dict_<Sprache> gespeichert. Beim nächsten Besuch wird sie aus dem Cache gelesen, statt erneut heruntergeladen und entpackt zu werden:

Erster Besuch                        Weitere Besuche
-------------                        ---------------
fetch de.txt.gz                      cacheGet("dict_de")
  └── gunzip (DecompressionStream)     └── new Set(words)
        └── trim / Kleinbuchst. / ≥ 3        └── bereit
              └── new Set(words)
                    └── cachePut("dict_de")
                          └── bereit

Das Passwort verlässt nie den Browser: Die Liste wird vom Time2Crack-Server heruntergeladen, der Vergleich findet lokal statt.


8. Der Wörterbuchrang: rankDictionary()

8.1 Das Prinzip: erst ein Rang, dann eine Zeit

Time2Crack fragt nicht nur „Ist das ein Wörterbuchwort?“, sondern „Nach wie vielen Versuchen fände ein Wörterbuchangriff es?“. Diese Anzahl von Versuchen ist der Rang. Die Funktion rankDictionary() (Datei core/rank/dictionary.js) gibt ihn zurück, oder null, wenn der Angriff nicht greift:

// core/rank/dictionary.js - rankDictionary()
export function rankDictionary(password, dictWords = null) {
  const lower = password.toLowerCase();
  const deleeted = deleet(password);
  const alpha = password.replace(/[^a-zA-Z]/g, "");
  const uCost = uppercaseCost(alpha);        // capital letters, see 8.3

  // 1. In the top passwords as is?
  const topIdx = TOP_PASSWORDS.indexOf(lower);
  if (topIdx !== -1) return { rank: (topIdx + 1) * uCost, model: "dictionary" };

  // 2. De-leeted form in the top passwords?
  const deIdx = TOP_PASSWORDS.indexOf(deleeted);
  if (deIdx !== -1) return { rank: (deIdx + 1) * 10 * uCost, model: "dictionary" };

  // 3. In the wordlist of the selected language?
  if (dictWords instanceof Set) {
    if (dictWords.has(lower) || dictWords.has(deleeted)) {
      const mid = Math.floor(dictWords.size / 2);
      if (passwordLength(password) >= 9) {
        // a long word may also be split into shorter words, see 8.4
        const compound = rankGermanCompound(password, dictWords);
        if (compound && compound.rank < mid)
          return { rank: compound.rank * uCost, model: "dictionary" };
      }
      return { rank: mid * uCost, model: "dictionary" };
    }

    // 4. Compound made of several dictionary words?
    const compound = rankGermanCompound(password, dictWords);
    if (compound) return { rank: compound.rank * uCost, model: "dictionary" };
  }

  // Not found: the dictionary attack does not apply
  return { rank: null, model: "dictionary" };
}

8.2 Vier Stufen

StufeRegelBeispielRang
1. Häufigste PasswörterPosition in einer Liste von 105 der häufigsten Passwörter (RockYou, HIBP)password2
2. Leetspeak-VariantePosition der de-leetifizierten Form × 10p@ssw0rd20
3. Sprach-WortlisteDie Hälfte der Listengrößesoleil (Französisch)275.117
4. KompositumSiehe 8.4apfelbaumkuchen (Deutsch)21.129

Warum die Hälfte der Liste? Die Wortlisten sind nicht nach Häufigkeit sortiert: Die Position eines Wortes in der Datei sagt nichts darüber aus, wann ein Angreifer es ausprobieren würde. Im Durchschnitt findet ein Angreifer, der die Liste durchgeht, ein bestimmtes Wort nach der Hälfte.

8.3 Großbuchstaben

Ein Angreifer beginnt mit kleingeschriebenen Wörtern und probiert dann Varianten mit Großbuchstaben. Der Rang wird mit der Anzahl der Varianten multipliziert, die nötig sind, um die Schreibweise des Passworts zu erreichen (Funktion uppercaseCost(), gleiche Methode wie zxcvbn):

SchreibweiseFaktorBeispielRang
Alles klein× 1soleil275.117
Nur der erste Buchstabe groß× 2Soleil550.234
Nur der letzte Buchstabe groß× 2soleiL550.234
Alles groß× 2PASSWORD4
Jede andere MischungSumme von C(n, i) für i = 1 … min(Groß-, Kleinbuchstaben)PaSsWoRd324

8.4 Zusammengesetzte Wörter

Das Deutsche (und das Niederländische) fügt Wörter zusammen: Apfelbaumkuchen = Apfel + Baum + Kuchen. Ein solches Wort fehlt oft in der Liste, doch ein Angreifer kann es aus kürzeren Wörtern zusammensetzen. Time2Crack versucht, das Passwort in 2 bis 4 Wörter der Liste zu zerlegen, und lässt dabei die üblichen deutschen Fugenelemente zu (-s-, -es-, -n-, -en-, -er-, -e-). Der Rang ist dann der Maskenrang des Passworts, multipliziert mit 0,25 (2 Wörter), 0,16 (3 Wörter) oder 0,10 (4 Wörter), und mit 0,75, wenn das letzte Teilstück ein häufiges Suffix ist (-heit, -ung, -haus …).

Die Zerlegung wird auch bei langen Wörtern versucht, die in der Liste stehen (ab 9 Zeichen), und beibehalten, wenn sie einen niedrigeren Rang ergibt: Sonnenblume erhält den Rang 42.680 statt der Hälfte der deutschen Liste (1.004.940).


9. De-Leetifizierung

9.1 Leetspeak schützt nicht

Leetspeak ersetzt Buchstaben durch ähnlich aussehende Ziffern oder Symbole: a → @, e → 3, i → 1, o → 0, s → $. Man verwendet es, um ein gängiges Wort zu „verstärken“: password → p@$$w0rd.

In Wirklichkeit gehören diese Ersetzungen zu den ersten Regeln, die Cracking-Tools anwenden. Einen kompetenten Angreifer halten sie nicht auf.

9.2 Die Funktion deleet()

// core/rank/dictionary.js - deleet()
function deleet(pw) {
  return pw
    .toLowerCase()
    .replace(/0/g, "o")
    .replace(/1/g, "i")
    .replace(/3/g, "e")
    .replace(/4/g, "a")
    .replace(/5/g, "s")
    .replace(/7/g, "t")
    .replace(/8/g, "b")
    .replace(/@/g, "a")
    .replace(/\$/g, "s")
    .replace(/!/g, "i");
}

Das Passwort wird sowohl in der eingegebenen als auch in der de-leetifizierten Form gesucht. Bei den häufigsten Passwörtern kostet die de-leetifizierte Form das Zehnfache (der Angreifer muss die Varianten durchprobieren): p@ssw0rd → 20 statt 2. In der Sprach-Wortliste kostet sie so viel wie das einfache Wort.

9.3 Was nicht dekodiert wird


10. Vom Rang zur Knackzeit

Der Rang wird in Sekunden umgerechnet, indem man ihn durch die Hash-Geschwindigkeit des Angreifers teilt:

// core/time.js - rankToSeconds()
export function rankToSeconds(rank, algo, profile = "experienced") {
  const baseRate = HASH_RATES[algo];   // guesses per second, 12× RTX 5090
  if (!baseRate) throw new Error(`Unknown algorithm: ${algo}`);
  const multiplier = ATTACKER_MULTIPLIERS[profile] ?? 1;
  return rank / (baseRate * multiplier);
}

Beispiel für soleil (französische Wortliste, Rang 275.117) mit dem voreingestellten Profil:

AlgorithmusGeschwindigkeit (12× RTX 5090)RechnungZeit
NTLM4.081 GH/s275.117 / 4.081 × 10967 Nanosekunden
MD52.634 GH/s275.117 / 2.634 × 109104 Nanosekunden
SHA-1837 GH/s275.117 / 837 × 109329 Nanosekunden
SHA-256332 GH/s275.117 / 332 × 109829 Nanosekunden
bcrypt (Kosten 5)3.658 kH/s275.117 / 3.658.0000,08 Sekunden
Argon2id1.000 H/s275.117 / 1.0004 Minuten 35 Sekunden

Selbst mit Argon2id fällt ein einfaches französisches Wort in weniger als 5 Minuten. Das Angreiferprofil ändert die Geschwindigkeiten: von einer einzigen GPU (Profil „Amateur“) bis zu etwa 10.000 GPUs (Profil „Staat“). Wie bei allen anderen Modellen kann der Wörterbuchrang nie höher sein als der Brute-Force-Rang desselben Passworts.


11. Vergleich mit abgeleiteten Angriffen

Der „reine“ Wörterbuchangriff ist der erste einer Familie von Angriffen, die alle von einer Wortliste ausgehen. Time2Crack berechnet neun Modelle (Brute Force, Wörterbuch, Hybrid, Maske, PCFG, Markov, Kombinator, Tastaturmuster, Daten), die das Passwort jeweils aus einem anderen Blickwinkel angreifen.

11.1 Wörterbuch und Hybrid

KriteriumWörterbuchHybrid (Wörterbuch + Regeln)
KandidatenDie Wörter der Liste, unverändertJedes Wort mit seinen Abwandlungen (Ziffern, Symbole, Großbuchstaben …)
Geknackte Beispielepassword, soleilP@ssw0rd!, sommer2024
GeschwindigkeitWeniger Kandidaten, also schnellerViel breitere Abdeckung
Greift, wennDas genaue Wort in der Liste stehtDas Passwort von einem Wort der Liste abgeleitet ist

Der Hybridangriff beginnt dort, wo das reine Wörterbuch aufhört: Er wendet systematische Abwandlungsregeln auf jedes Wort der Liste an (im Stil von best64.rule aus hashcat).

11.2 Wörterbuch und PCFG

KriteriumWörterbuchPCFG
ModellFeste Liste von KandidatenProbabilistische Grammatik der Passwortstrukturen
StärkeGenaue WörterStrukturen wie Wort + Ziffern, Groß + klein + Symbol
Beispielpassword ✓Password123 ✓ (Struktur erkannt)

Password123 ist als solches kein Wörterbuchwort, aber PCFG erkennt die Struktur [Großbuchstabe][Kleinbuchstaben][Ziffern] und knackt es sehr schnell.

11.3 Wörterbuch und Markov

KriteriumWörterbuchMarkov
KandidatenVorab erstellte ListeVon einem statistischen Modell laufend erzeugt
AbdeckungBekannter WortschatzJede Zeichenfolge, die „menschlich aussieht“
VorteilSehr schnell bei genauen WörternDeckt auch Wörter ab, die in keiner Liste stehen

Markov deckt Passwörter ab, die wie menschliche Wörter aussehen, ohne in einer Liste zu stehen.

11.4 Wörterbuch und Credential Stuffing

KriteriumWörterbuchCredential Stuffing
ZielEinen Hash knackenSich bei einem Konto anmelden
MechanismusLokale Hash-BerechnungAnmeldeversuche aus der Ferne
QuelleAllgemeine WortlisteGeleakte E-Mail/Passwort-Paare
AbwehrLangsamer Hash-AlgorithmusRatenbegrenzung, MFA, IP-Sperren

Credential Stuffing greift keinen Hash an: Es probiert geleakte E-Mail/Passwort-Paare direkt bei Online-Diensten aus. Das ist ein anderer Angriff, der aber dieselben Daten nutzt (Lecks wie die von HIBP erfassten). Time2Crack modelliert ihn nicht.


12. Grenzen des Wörterbuchangriffs

12.1 Grundsätzliche Grenzen

12.2 Was Time2Crack nicht modelliert


13. Wirksame Abwehrmaßnahmen

13.1 Was schützt

Ein langsamer Hash-Algorithmus (bcrypt, Argon2id). Das ist die wirksamste Abwehr auf Serverseite: Jeder Versuch kostet mehr. Für soleil (Rang 275.117):

Ein langsamer Hash bremst den Angreifer, rettet aber kein Wörterbuchwort: Die Liste ist einfach zu kurz.

Ein eigener Salt pro Konto. Er macht vorberechnete Tabellen (Rainbow Tables) nutzlos und zwingt den Angreifer, Konto für Konto vorzugehen. Einen Wortlistenangriff auf ein einzelnes Konto verhindert er nicht.

Länge und Zufall. Ein einzelnes Wörterbuchwort ist immer angreifbar. Eine Passphrase aus 4 oder 5 Wörtern widersteht dem reinen Wörterbuchangriff, nicht aber dem Kombinatorangriff, wenn die Wörter vorhersehbar sind: Sie müssen zufällig gezogen werden.

Zufällig erzeugte Passwörter. Die eigentliche Lösung: ein Passwortmanager, der lange Zufallspasswörter erzeugt (20 Zeichen oder mehr). Sie stehen in keinem Wörterbuch.

Mehr-Faktor-Authentifizierung (MFA). Sie verhindert nicht das Offline-Knacken gestohlener Hashes, aber sie hindert den Angreifer daran, sich mit einem geknackten Passwort anzumelden.

Ratenbegrenzung und Anomalieerkennung. Sie schützen vor Online-Versuchen, nicht vor dem Offline-Knacken gestohlener Hashes.

13.2 Was nicht schützt

13.3 Praktische Empfehlungen


14. Quellen

Wissenschaftliche Quellen

Quellen aus der Praxis

Hintergrund


Quellcode: core/rank/dictionary.js (rankDictionary, deleet), core/rank/uppercase.js (uppercaseCost), core/time.js (rankToSeconds), app.js (loadDictionary, checkHIBP).