Wetenschappelijke bronnen

Time2Crack is gebaseerd op academisch onderzoek in cryptografie, computerbeveiliging en wachtwoord force estimation. Deze pagina toont de wetenschappelijke bronnen die onze algoritmen, beoordelingsmethoden en kalibraties valideren.

Schatting van wachtwoordsterkte

Wheeler, D.L. (2016). zxcvbn: Low-Budget Wachtwoord Sterkteschatting. In Werkzaamheden van het 25e USENIX Security Symposium 157/173). USENIX Association. https://www.usenix.org/system/files/conference/usenixsecurity16/sec16 paper wheeler.pdf
Relevantie: Opzetmethode voor de realistische schatting van wachtwoordkracht. Wheeler (2016) stelt dat entropie-gebaseerde meters (NIST, OWASP) de veiligheid aanzienlijk overschatten. Time2Crack volgt deze aanpak: schat de kosten van de bekendste aanval, niet theoretische entropie.
Pasquini, D., Cianfriglia, M., Ateniese, G., & Bernaschi, M. (2021). Reducing Bias in Modeling Real-world Password Strength via Deep Learning and Dynamic Dictionaries. In Proceedings of the 30th USENIX Security Symposium (pp. 821–838). USENIX Association. https://www.usenix.org/system/files/sec21-pasquini.pdf
Relevantie: Toont aan dat de configuratie van woordenboekaanvallen (woordenlijst en regels) sterkte-inschattingen sterk vertekent, en stelt adaptieve aanvallen voor die ervaren aanvallers nabootsen. Onderbouwt het modelleren van een goed geconfigureerde aanvaller in plaats van één woordenlijst.

Evaluatiemethoden

Wang, D, & Ding, S. (2023). Geen enkele zilveren kogel: Het meten van de nauwkeurigheid van wachtwoordsterktemeters. In Werkzaamheden van het 32e USENIX Security Symposium 2575-259). USENIX Association. https://www.usenix.org/system/files/sec23fall-prepub-291 wang-ding.pdf
Relevantie: Grote vergelijkende studie (USENIX 2023) van 12 wachtwoordsterktemeters uit 14 echte dataset. Bepaalt dat:
  • Gewogen Speerman correlatie ρ is de standaard metriek om nauwkeurigheid te evalueren
  • Wetenschappelijke doelstelling: ρ > 0,85 voor een goede kalibratie
  • Er bestaat geen meter zonder compromis (zxcvbn: ρ=0,76, Hive Systems: ρ=0,68)
Time2Crack-doelstellingen ρ > 0,80 in het algemeen.
Golla, M., & Dürmuth, M. (2018) Over de nauwkeurigheid van Wachtwoord Krachtmeters. In Werkzaamheden van de 25e ACM-conferentie over computer- en communicatiebeveiliging 1567-1580). ACM. https://maximiliangolla.com/files/2018/papers/ccsf285-finalv3.pdf
Relevantie: Systematische evaluatiekader voor wachtwoordsterktemeters (2018). Aanbevelen: Spearman correlatie + Kullback-Leibler divergentie voor offline aanvallen. Time2Crack bevat deze twee metrics.
Castelluccia, C., Durmuth, M., & Perito, D. (2017). Adaptive Password-Strength Meters van Markov Models. In Werkzaamheden van het NDSS-symposium. Internet Society. https://www.ndss-symposium.org/wp-content/uploads/2017/09/06 3.pdf
Relevantie: Introduceert metriek α - Raadselwerk (Gα) : deel van wachtwoorden gekraakt met G pogingen. Evaluatie van de praktische veiligheid van het model.

Aanvalsmodellen

Ma, J., Yang, W., Luo, M., & Li, N. (2014). Een studie van Probabilistische Password Modellen. In Werkzaamheden van het 35e IEEE Symposium over beveiliging en privacy 689/704). IEEE. https://www.ieee-security.org/TC/SP2014/papers/A%20Study%20of%20Probabilistic%20Password%20Models.pdf
Relevantie: Oprichting vergelijking van probabilistische modellen (Markov, PCFG, neuraal). Bepaalt dat aanvallen door combinatie van woorden worden onderschat door naïeve formules (rij vermenigvuldiging = valse onafhankelijkheid hypothese). Time2Crack corrigeert dit met rock you empirische kalibratie.
Hashcat Project (2024). Toggle Attack with Rules. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=toggle_attack_with_rules
Relevantie: Documenteert het toggle-case aanvalsmodel in hashcat: de regelbestanden toggle[1–5].rule sommen alle combinaties op van 1 tot 5 hoofdletter/kleine-letter-omkeringen per positie. Bevestigt dat de aanvaller eerst omkeringen op één positie test (laagste kosten), daarna bredere combinaties — wat een combinatorisch kostenmodel C(n,k) voor hoofdlettervarianten rechtvaardigt.
Hashcat Project (2026). Rule-based Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=rule_based_attack
Relevantie: Regels zijn een kleine taal die telkens één kandidaat aanpast: tekens wijzigen, verwijderen of toevoegen. Het hybride model van Time2Crack volgt deze definitie: één woordenboekwoord plus een korte transformatie.
Hashcat Project (2026). Hybrid Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=hybrid_attack
Relevantie: Een hybride aanval plakt een woordenboekwoord aan een masker (modi 6, 7 en 12), bijvoorbeeld een jaartal of een paar cijfers. De kosten zijn de rang van het woord maal de grootte van het masker: Time2Crack past deze kosten toe op toevoegingen van meer dan 5 tekens.
Hashcat Project (2026). Combinator Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=combinator_attack
Relevantie: Combineert twee woordenboeken: elk woord uit de ene lijst wordt achter elk woord uit de andere geplakt. Wachtwoorden uit meerdere woorden horen bij deze aanval, niet bij de hybride aanval.
Ur, B., Segreti, S. M., Bauer, L., Christin, N., Cranor, L. F., Komanduri, S., Kurilova, D., Mazurek, M. L., Melicher, W., & Shay, R. (2015). Measuring Real-World Accuracies and Biases in Modeling Password Guessability. In Proceedings of the 24th USENIX Security Symposium. USENIX Association. https://www.usenix.org/conference/usenixsecurity15/technical-sessions/presentation/ur
Relevantie: Vergelijkt automatische tools (Markov-modellen, PCFG, John the Ripper en Hashcat met transformatieregels) met professionele kraakexperts. Bij woordenboekaanvallen met regels wordt elk woord afzonderlijk getransformeerd; standaardconfiguraties onderschatten de werkelijke raadbaarheid.
Rao, A., Jha, B., & Kini, G. (2013). Effect of Grammar on Security of Long Passwords. In Proceedings of the 3rd ACM Conference on Data and Application Security and Privacy (CODASPY '13) (pp. 317–324). ACM. https://doi.org/10.1145/2435349.2435395
Relevantie: Grammaticale structuur verkleint de zoekruimte van lange wachtwoorden uit meerdere woorden (met meer dan 50% in hun model); een aanval die grammatica benut, kraakte 10% van een verzameling lange wachtwoorden die andere tools misten. Lengte alleen garandeert geen sterkte.
Bonneau, J., & Shutova, E. (2012). Linguistic Properties of Multi-word Passphrases. In Financial Cryptography and Data Security — Workshop on Usable Security (USEC '12), LNCS 7398 (pp. 1–12). Springer. https://www.cl.cam.ac.uk/~jcb82/doc/BS12-USEC-passphrase_linguistics.pdf
Relevantie: Onderzoek naar het wachtzinsysteem van Amazon: vrij beschikbare lijsten (film- en boektitels…) zijn effectief om zinnen te raden, en gebruikers kiezen bij voorkeur eenvoudige paren zelfstandige naamwoorden. Wachtwoorden uit meerdere woorden blijven kwetsbaar voor woordenboekaanvallen.
Gommans, L. (2018). Probabilistic Passphrase Cracking. Research project report, System and Network Engineering (OS3), University of Amsterdam. https://www.os3.nl/_media/2017-2018/courses/rp1/p86_report.pdf
Relevantie: Vergelijkt Markov-ketens, n-grammen en een hybride woordenboekaanval op wachtzinnen met hashcat; het woordenboek van zinnen met regels bleek het effectiefst. De basiseenheid is daar een hele zin, geen los woord.
Dürmuth, M., Brostoff, S., & Oprea, A. (2015). Het succes van webapplicaties ondanks de moeilijkheid van wachtwoordcreatie regels. In Werkzaamheden van het 22e NDSS-symposium. Internet Society. https://www.ndss-symposium.org/wp-content/uploads/2017/09/ndss2015 09-4 durhmuth paper.pdf
Ur, B., Alfayez, P.G., Bhamasamy, S.M., & Cranor, L.F. (2015). Ontwerp en evaluatie van een data-gedreven wachtwoordmeter. In Werkzaamheden van de ACM SIGCHI Conferentie over menselijke factoren in computersystemen 3775. ACM. https://www.usenix.org/system/files/conference/usenixsecurity15/sec15-paper-ur.pdf

Modellen Markov en PCFG

Weir, M., Aggarwal, S., de Medeiros, B., & Glodek, B. (2009). Password Cracking Using Probabilistic Context-Free Grammars. In Proceedings of the 30th IEEE Symposium on Security and Privacy (pp. 391–405). IEEE. https://doi.org/10.1109/SP.2009.8
Relevantie: Baanbrekend PCFG-artikel: een wachtwoord wordt opgesplitst in basisstructuren (bijv. S1L3D2) waarvan de segmenten afzonderlijk worden geraden, in afnemende volgorde van waarschijnlijkheid. Wachtwoorden met meerdere segmenten, zoals D1L4S1L3S1L3S1D1, vallen onder dit model.
Weir, M., Aggarwal, S., Collins, M., & Stern, H. (2009). Testen Metrics voor Wachtwoord Creatie Beleid door het nemen van grote verzamelingen van onthulde wachtwoorden. In Werkzaamheden van de 17e ACM-conferentie over computer- en communicatiebeveiliging 162. ACM. https://www.researchgate.net/publication/221614956
Relevantie: Oprichtende methodologie van PCFG (Probabilistic Context-Free Grammar). Opgericht:
  • Structuurindeling (L=letter, D=cijfer, S=symbool)
  • Skeletdrempel 20-50 voor het vastleggen van reële structuren
  • Validatie op echte datasets (LinkedIn, Yahoo, RockYou)
Time2Crack maakt gebruik van SKELETON BEDREIGING=100 (herzien tot 30-50).
Dürmuth, M., Freeman, D., & Yazan, B. (2014). Wachtwoord raden met Neural Networks. In Werkzaamheden van het 25e USENIX Security Symposium. USENIX Association. https://courses.csail.mit.edu/6857/2017/project/13.pdf
Houshmand, S., & Aggarwal, S. (2015). Volgende Gen PCFG Password Cracking. In IEEE-transacties inzake informatieforensisch onderzoek en beveiliging, 10(8), 1776 IEEE. https://ieeexplore.ieee.org/document/7098389
Relevantie: Next-gen PCFG uitbreiding met prestatieverbeteringen en nauwkeurigheid. Geldige aanpak PCFG op miljoenen wachtwoorden.
Narayanan, A., & Shmatikov, V. (2005). Fast Dictionary Attacks op wachtwoorden met behulp van Time-Space Tradeoff. In Werkzaamheden van de twaalfde ACM-conferentie over computer- en communicatiebeveiliging (blz. 364 ACM. https://www.usenix.org/legacy/event/sec05/tech/full papers/narayanan/narayanan.pdf
Relevantie: Stichtingen van aanvallen door woordenboek en groove tafels. Stelt in dat woordenboek + mutaties ~95% van wachtwoorden in de praktijk omvat.

Kalibratie en dataset

Zhang, Y., Monrose, F., & Reiter, M.K. (2010). De veiligheid van het moderne wachtwoord vervaldatum: een algoritmisch kader en empirisch onderzoek. In Werkzaamheden van de 17e ACM-conferentie over computer- en communicatiebeveiliging 176. ACM. https://users.cs.jmu.edu/reiter/papers/10ccs.pdf
Nationaal Instituut voor Normen en Technologie (NIST) (2024). SP 800-132: Afgeleide sleutelwoorden (PBKDF2) US Department of Commerce https://nvlpubs.nist.gov/nistpubs/Legacy/SP/nistsspecialpublication800-132.pdf
Nationaal Instituut voor Normen en Technologie (NIST) (2024). SP 800-63-3: Digitale Identiteitsrichtlijnen - Authenticatie en Lifecycle Management. US Department of Commerce https://pages.nist.gov/800-63-3/sp800-63b.html
Relevantie: NIST aanbevelingen voor het selecteren van wachtwoorden en hash algoritmen. Opgericht:
  • bcrypt, scrypt, PBKDF2, Argon2 als aanvaardbare algoritmen
  • MD5, SHA-1 ongezouten zijn niet aanvaardbaar (regenboogtabellen)
  • woordenboeken van 100k+ aanbevolen woorden voor aanvallen
Bijenkorven (2025). Hive Systems Wachtwoord Tabel 2025. https://www.hivesystems.io/password-table
Relevantie: Industriële benchmarkreferentie met 12× RTX 5090 GPU's. Time2Crack gebruikt dit profiel als "ervaren aanvaller" (12 GPU cluster).
Sprengers, Mr. (2011). GPU-gebaseerde wachtwoord kraken (Master's thesis) Radboud Universiteit Nijmegen. https://www.ru.nl/
Relevantie: GPU snelheidsstudie voor hash kraken. Stelt benchmarks voor MD5, SHA-1, NTLM, bcrypt met moderne GPU.

Hash snelheden en benchmarks

Hashcat-project (2025). Hashcat - Advanced Password Recovery (Officiële Benchmarks v6.2.6). https://hashcat.net/hashcat/
Relevantie: Officiële Hashcat Benchmarks op RTX 5090 voor alle hash-algoritmen. Time2Crack gebruikt deze nummers als enkele GPU snelheden en vermenigvuldigt ze met 12 voor het ervaren profiel.
Gosney, J. (2016). 8x Nvidia GTX 1080 Hashcat Benchmarks. GitHub Gist. https://gist.github.com/epixoip/
Relevantie: Eerste systeem van meer dan 330 GH/s NTLM (8 GPU cluster). Gevalideerd door de industrie als multi-GPU referentie.
Amazon Web Services (2024). Amazon EC2 P4d Processies - GPU Computing. https://aws.amazon.com/ec2/e instance-types/p4/
Relevantie: Commerciële GPU-infrastructuur beschikbaar (100-1000 GPU clusters). Time2Crack gebruikt voor professionele profilering (~100 GPU).

Aanvullende verwijzingen

Oechsle, D., Bauer, L., Grupe, J., & ... Durmuth, M. (2021). Naar een stevige statistische analyse van Empirical Password Dataset. arXiv preprint ArXiv:2105.14170. https://arxiv.org/abs/2105.14170
Klebanov, S., & Malone, D. (2012). Onderzoek naar de verspreiding van wachtwoordkeuzes. In Werkzaamheden van de 21e Internationale Wereldwijde Webconferentie 569 ACM. https://www.maths.tcd.ie/~dwmalone/p/www2012.pdf
Castelluccia, C., Durmuth, M., & Perito, D. (2015). Wachtwoord raden via Neural Language Modeling. In IEEE-transacties inzake informatieforensisch onderzoek en beveiliging, 10(6), 1285 IEEE. https://link.springer.com/hoofdstuk/10.1007/978-3-030-30619-9 7
Asgharpour, F., Bardas, A.G., & Liu, D. (2017). Het vergelijken en combineren van Voelanalysemethoden. In Werkzaamheden van de COLLING 1637-1648). ACL.

Update: 17 oktober 2026

← Terug naar gereedschap