Atak słownika - Kompleksowa obsługa

Dokument referencyjny projektu Time2Crack

Odbiorcy: deweloperzy, badacze bezpieczeństwa, zaawansowani użytkownicy

Spis treści

1. Przegląd

Atak słownika jest najstarszą metodą łamania haseł, najprostszą koncepcyjnie i statystycznie najskuteczniejszą na większości prawdziwych haseł ludzkich. Jego zasadą jest testowanie, w kolejności malejącej prawdopodobieństwa, wstępnie skompilowanej listy kandydatów - "słownika" - zamiast wyczerpująco wyliczać wszystkie możliwe kombinacje, jak to robi surowa siła.

W Time2Crack, atak słownika modeluje dwa odrębne, ale uzupełniające się mechanizmy:

Te dwa badania są niezależne i uzupełniające: HiBP obejmuje dokładne poświadczenia kompromisowe, lista słów obejmuje wspólne słowa jeszcze nie wyciekły.

2. Tło historyczne i akademickie

2.1 Początki

Atak słownika poprzedza współczesną erę bezpieczeństwa komputera. Pierwsze systemy Unix przechowywane hasła w języku prostym w /etc/passwd, co każdy atak słownika trywialny jak tylko plik był dostępny.

2.2 Wycieki z zakładu

Niektóre przecieki zmieniły krajobraz ataku przez słownika, ujawniając rzeczywisty rozkład haseł ludzkich:

• Hasło # 1 ("123456") reprezentowało 290,731 rachunków (2%)

2.3 Wartości odniesienia dla ataku słownika

Lista 200 000 wpisów testowana z prędkością RTX 4090:

Atak słownika jest więc niemal natychmiastowy dla MD5, SHA-1 i NTLM - i pozostaje bardzo szybki nawet dla bcrypt na małych listach.

3. Fundamenty koncepcyjne: dlaczego słowniki działają

3.1 Prawo władzy haseł ludzkich

Wszystkie badania empiryczne zbliżają się do tej samej obserwacji: dystrybucja haseł ludzkich nie jest jednorodna - następuje prawo władzy (Zipf). Niektóre hasła koncentrują nieproporcjonalną część wyborów.

Bezpośrednie konsekwencje: 10 najczęściej używanych haseł Napastnik, który testuje tylko 10 kandydatów ma już szansę w 20 odnieść sukces - statystycznie, jest ogromny dla ilości generowanego hałasu.

3.2 Bia kognitywne w tworzeniu haseł

Ludzie nie wybierają losowo, systematycznie stosują heurystykę, która czyni ich hasła przewidywalnymi:

3.3 Koncepcja "hasła już na liście"

Hasło może być na liście ataków z dwóch różnych powodów:

Te dwa przypadki odpowiadają atakom o innym charakterze, z różnymi prędkościami - i właśnie takie są modele Time2Crack.

4. Architektura nowoczesnego ataku słownika

4.1 Gazociąg ogólny

Nowoczesny atak słownika odbywa się w kilku fazach:

Phase 1 : Constitution de la wordlist
    ├── Mots de passe fuités (HIBP, RockYou, Collections)
    ├── Wordlists linguistiques (dictionnaires, prénoms, lieux)
    ├── Wordlists thématiques (sport, pop culture, tech, religion)
    └── Wordlists contextuelles (domaine de l'entreprise cible, noms d'employés)
Faza 2: Wordlist Preprocessing
- Sortuj według częstotliwości (najprawdopodobniej najpierw)
- - Odliczanie (nie dwa razy ten sam kandydat)
- - filtracja długości (długość docelowa + ± 2)
- - Normalizacja (małe skrzynie, Unicode NFC)
Faza 3: Obliczanie haszów kandydackich
Dla każdego kandydata w liście słów:
Roszpunka warzywnakandydat = hashalgo (w)
Promocyjna reklama hashkandydat = = hashCel: USTALENIA
- Prędkość: 168 GH / s dla MD5 na RTX 4090
Faza 4: Analiza wyników
Sprawozdanie dotyczące pękniętych haseł, statystyki zasięgu

4.2 Optymalizacja sprzętu

Nowoczesne ataki słowników są bardzo podobne na GPU:

Dla słownika zawierającego 14 miliardów wpisów (rozmiar HIBP) na 12 × RTX 4090:

Ta różnica ~ 9 rzędów wielkości pomiędzy MD5 i bcrypt wyjaśnia, dlaczego wybór algorytmu haszu jest krytyczny.

4.3 Porządek testowy kandydatów

Lista słów nie jest testowana w porządku alfabetycznym - jest posortowane przez malejące prawdopodobieństwo :

Ten rodzaj zapewnia, że jeśli hasło jest "niskie", zostanie znalezione w pierwszych milisekundach - niezależnie od prędkości haszu.

5. Korpus prawdziwych haseł

5.1 Czy zostałem zaszczepiony (HIBP)

HiBP jest globalnym punktem odniesienia, ponieważ:

Napastnik z kompletnym wysypiskiem HIBP może najpierw przetestować ~ 14 miliardów kandydatów w kolejności malejącej częstotliwości. Dla niesolonych algorytmów (MD5, SHA-1), ta lista obejmuje w kolejności 50- 70% wszystkich prawdziwych haseł online.

5.2 RockYou (2009) - Founding corpus

5.3 Zbiory specjalistycznych list słów

Te korpusy są do publicznego pobrania - ich istnienie jest utrwalonym faktem ofensywnego bezpieczeństwa.

6. K- Weryfikacja anonimowości HIBP: Atak czasu rzeczywistego

6.1 Protokół k- anonimowość

Time2Crack zawiera kontrolę HIBP w czasie rzeczywistym, która odtwarza dokładnie to, co napastnik zrobiłby z bazą danych HIBP - ale nigdy nie przekazuje hasła w języku prostym lub jego pełnym haszu.

Protokół k- anonimowości działa następująco:

1. Calculer SHA-1(password)      → par exemple "CBFDAC6008F9CAB4083784CBD1874F76618D2A97"
Wyślij tylko 5 pierwszych znaków do API HIBP: "CBFDA"
API zwraca wszystkie przyrostki SHA-1 zaczynając od "CBFDA" (około 400- 600 hash)
Szukaj lokalnie, jeśli reszta haszu ("C6008F9CAB4083784CBD1874F76618D2A97") znajduje się na liście
Jeśli znaleziono: hasło zostało naruszone (HIBP zwraca również liczbę przecieków)

6.2 Realizacja w Time2Crack (app.js)

Kontrola HIBP jest asynchroniczna i nieblokująca. Hasło jest natychmiast analizowane metodami lokalnymi, a kontrola HIBP kończy wynik:

// Pseudo-code simplifié
async function checkHIBP(password) {
  const sha1 = await sha1Hash(password);
  const prefix = sha1.substring(0, 5);   // 5 premiers chars
  const suffix = sha1.substring(5);       // reste du hash
const response = hount fetch (
    https://api.pwnedpasswords.com/range/${prefix}
  );
linie const = oczekuj odpowiedzi .text ();
dla (const linii linii.split ('\ n')) {
const [hashSuffix, count] = line.split (":");
if (hashSuffix.toLowerCase () = suffix.toLowerCase ()) {
powrót parseInt (liczba); / / liczba wycieków
¶
¶
powrót 0; / / nie znaleziono
¶

6.3 Interpretacja Hrabiego HIBP

Liczba zwrócona przez HiBP wskazuje liczbę razy to dokładne hasło pojawiło się w indeksowanych przeciekach:

Nawet liczba 1 (hasło pojawiło się tylko raz w przecieku) wskazuje na podatność: jeśli napastnik celuje w to konto specjalnie i ma listę referencji danego przecieku, znajdzie je.

7. Time2Crack Język Wordlist

7.1 Dlaczego listy słów oprócz HIBP

HiBP obejmuje dokładne poświadczenia kompromisowe - ale nie zwykłe słowa nigdy nie uciec jeszcze. Użytkownik frankofonu, który wybiera "efemeryczne" jako hasło może nie być w HiBP (słowo jest mało prawdopodobne w referencjach anglofonu), ale znajduje się na francuskiej liście słów każdego napastnika celem systemu frankofonu.

Lista słów Time2Crack obejmuje tę lukę:

7.2 Ładunek leniwy

Listy wordlist nie są zawarte w kodzie - są ładowane na życzenie przy zmianie języka, aby spełnić budżet sieci:

// app.js - loadDictionary()
async function loadDictionary(lang) {
  if (DICTlang & DICTWORDS) return;  // Déjà chargé
  if (DICT/
DICTPENDINGLANG = lang; / / oczekujący plik
powrót;
¶
DICTLOADING = true;
const res = czekać fetch (data/wordlists/${lang}.txt);
const text = wait res.text ();
/ / Convert to Set < string > for O (1) lookup
DICTWORDS = nowy zestaw (
text.split ("\ n")
.map (w = > w.normalize ("NFC") .trim () .toLowerCase ())
.filter (w = > w.długość > = 4)
);
DICTLANG = Lang;
DICTLOADING = false;
¶

Wczytywanie kolejki

W DICTPRACALANG unika warunków wyścigu podczas szybkich zmian językowych:

Scénario : l'utilisateur switche rapidement EN → FR → DE
├── EN demandé : DICTLOADING = false → początek pobierania PL
FR wymagane podczas pobierania EN: DICTLOADING = true → DICTPRACALANG = "fr"
├── DE demandé pendant fetch EN : DICTLOADING = prawdziwe → DICTPENDINGLANG = "de" (crash "fr")
- Fetch Ends: DICTLANG = "en", puis lance loadDictionary("de")
└── Résultat : seule la dernière langue demandée est chargée

Zachowanie to jest zamierzone: ostatnio wymagany język jest załadowany, nie wszystkie języki pośrednie.

8. Wykrywanie słownika w Time2Crack: isDictWord()

8.1. Operacja wykrywania

Funkcja isDictWord(pw) określa, czy hasło pochodzi z bieżącego słownika:

// app.js - ligne 2181
function isDictWord(pw) {
  if (!DICT(WORDS) zwrot fałszywy;
/ / Normalizacja: NFC + Niska skrzynia
const l = pw.normalize ("NFC") .toLowerCase ();
/ / Bezpośrednia weryfikacja
jeśli (DICT)WORDS.has(l) || DICTWORDS.has (deLeet (pw)) return true;
/ / Zmiany morfologiczne
const deleetWord = deLeet (pw);
zmienności const = getMorphVariations (deleetWord);
dla (const variation of variations) {
jeśli (DICT)WORDS.has(variation)) return true;
  }
zwrot fałszywy;
¶

8.2 Normalizacja jednorodna (NFC)

Normalizacja normalize("NFC") zapewnia, że znaki akcentowane są traktowane konsekwentnie:

Normalizacja ta jest stosowana zarówno przy tworzeniu słownika, jak i przy sprawdzaniu - zapewniając prawidłową korespondencję dla języków akcentu (FR, ES, DE, PT itp.).

8.3 Wpływ na wykrytą podatność na zagrożenia

Kiedy isDictWord() Wracaj. truestosuje się kilka ataków:

9. Odleetyfikacja: jak atakujący dekoduje substytucje

9.1 Leetspeak i jego ograniczenia jako ochrona

Leetspeak (lub "1337 mowy") jest praktyką zastępowania liter podobnymi numerami lub symbolami wizualnymi: a→@, e→3, i→1 lub !, o→0, s→$Użytkownicy używają go do "wzmocnienia" wspólnych słów.

Rzeczywistość: te substytucje są stosowane pierwsze zasady Nie stanowią prawdziwej obrony przed kompetentnym napastnikiem.

9.2 Wdrożenie deLeet() w Time2Crack

// app.js - ligne 3622
const LEETBASE = {
a: ["@", "4"],
e: ["3"],
o: ["0"],
s: ["$", "5"],
t: ["+", "7"],
h: ["#"]
g: ["9"],
!
funkcja LeetWith (pw, oneMap) {
let r = pw.normalize ("NFC") .toLowerCase ();
dla (const [ch, reps] obiektów (LEET)BASE))
    for (const c of reps) r = r.split(c).join(ch);
  // Appliquer la résolution ambiguë (i ou l) en dernier
  for (const [ch, reps] of Object.entries(oneMap))
    for (const c of reps) r = r.split(c).join(ch);
  return r;
}
funkcja leet (pw) {
/ / Niepewność: "1" może być "i" lub "l"
const with I = deLeetWith (pw, {i: "1!", l: "});
const with L = deLeetWith (pw, {l: "1", i: "!"});
/ / Jeśli słownik jest wczytany, preferuj wariant, który pasuje
jeśli (DICT)SŁOWA)
jeśli (DICT)WORDS.has (with L)) return with L;
jeśli (DICT)WORDS.has (with I) return with I;
¶
/ / W przeciwnym razie: preferuj wariant z najmniejszą pozostałą liczbą
const digestsI = (with I.match (/\ d / g)
const digestsL = (with L.match (/\ d / g)
cyfra zwrotna L < = cyfra I? z L: z I;
¶

9.3 Zarządzanie wszechstronnością "1" → "i" lub "l"

Zastępstwo "1" jest dwuznaczne: "1" może reprezentować "i" (jak w "1nfo" → "info") lub "l" (jak w "p1ayer" → "gracz"). Time2Crack rozwiązuje tę dwuznaczność poprzez:

9.4 Zastępstwa nieobjęte (celowo)

Time2Crack nie obejmuje rzadkich lub niejednoznacznych substytucji poza wzorami LEETBASE. Jest to wybór projektu: pokrycie zbyt wielu przypadków zwiększyłoby fałszywe pozytywne (wykrywanie hasła jako "aktualnego słowa", podczas gdy nie jest). Uwzględnione wzorce obejmują > 95% rzeczywistej leetications obserwowane w korpusie.

10. Obliczanie czasu pękania: addDictionaryAttacks()

Logika obliczania

// app.js - ligne 3848
function addDictionaryAttacks(rows, common, weak, dictWord) {
  for (const a of ALGOS) {
    let sec;
    if (weak)     sec = 100 / a.rate;     // Top ~100 entrées
    else if (common) sec = 10000 / a.rate; // HIBP priority list ~10k
    else if (dictWord) sec = 200000 / a.rate; // Scan wordlist complète ~200k mots
    else sec = null;                        // Non applicable
const note = słaby? t ("nWeakPassword")
("nInLeaks")
: dictWord? t (nDictHit)
: t (nAbsentLeaks);
rows.push ({atk: t ("aDict"), hash: a.name, śledziona: a.rate, sec, note, cat: "dict"};
¶
¶

10.2 Trzy poziomy wrażliwości

10.3 Dlaczego te liczby (100, 10 000, 200 000)?

Wartości te są skalibrowane na rzeczywiste dane:

10.4 Kompletny przykład numeryczny

Hasło "słońce" (obecne francuskie słowo, wykryte jako dictWord):

Nawet dla Argon2id, 250 sekund to mniej niż 5 minut - za proste słowo z francuskiego słownika.

11. Wysoka kalibracja wierności: applyHighFidelityCalibration()

11.1 Dlaczego dodatkowa kalibracja?

Obliczenie brutto addDictionaryAttacks() daje oszacowanie "najgorszego przypadku" - tak jakby napastnik testował jednolicie całą listę słów. według prawdopodobieństwa : najczęstsze hasła są najpierw.

Wysoka kalibracja wierności stosuje mnożnik korekcyjny na podstawie obserwacji empirycznych:

// app.js - ligne 4442
case "dict":
  // Ur et al. 2012 : mots communs trouvés dans les 100-10k premiers essais
  // Weir 2009 : mots dict trouvés dans les 200k premiers essais (scan ordonné)
  m = context.common? 0.15: context.dicWord? 0.5: 1.0;
Przerwa;

11.2 Źródła kalibracji akademickiej

12. Prawdopodobieństwo zastosowania i stopień ufności

12.1 System punktowy

Time2Crack nie tylko oblicza czas - ocenia również prawdopodobieństwo, że atak słownika jest rzeczywiście najszybszym atakiem, poprzez wieloczynnikowy system punktacji:

// Score d'applicabilité (0-1)
case "dict":
  return context.common ? 0.99 : context.dictWord ? 0.85 : 0;

12.2 Wynik dowodowy

Równolegle z punktacją stosowalności "dowody" rejestrują obserwowane sygnały:

case "dict":
  return Number(!!context.common) + Number(!!context.dictWord);
  // 0 : aucun signal
  // 1 : un signal (common OU dictWord)
  // 2 : deux signaux (common ET dictWord)

Wynik dowodowy 2 (słowo w HIBP i słowniku językowym) zwiększa ostateczne zaufanie 0,08 (2 × 0,04).

12.3 Ostateczna ocena zaufania

const base = confidenceBase["dict"] || 0.6;  // confiance de base
const evidenceBoost = Math.min(0.12, row.evidenceScore  0.04);
const speculativePenalty = speculativeCats.has("dict") ? 0.08 : 0;  // dict n'est pas spéculatif
row.confidence = Math.max (0, Math.min (1,
Math.max (możliwość zastosowania, podstawa) + dowód Boost - specyficzna kara
);

Hasło common z dictWord wykryto również:

Maksymalna pewność: Atak słownika jest pierwszym atakiem jednoznacznie.

13. Filtr Bloom RockYou: lokalna detekcja powszechnych haseł

13.1 Kontekst

Oprócz weryfikacji HIBP (która wymaga połączenia sieciowego) Time2Crack zawiera filtr rozkwitu Filtr bloom jest probabilistyczną strukturą danych, która pozwala na testowanie przynależności do zestawu z prawdopodobieństwem fałszywie dodatnich (~ 1%), bez przechowywania samych elementów.

13.2 Korzyści z filtra rozkwitu

13.3 Działanie podwójnego rozłupywania

// app.js - ligne 1962
function bloomHas(filter, word) {
  if (!filter) return false;
  const { bitArray, m, k } = filter;
  const w = word.toLowerCase();
/ / Double- hashing: h1 i h2 to dwie niezależne funkcje haszu
const h1 = fnv1a32 (w, 2166136261); / / FNV1a ze standardowym materiałem siewnym
const h2 = fnv1a32 (w, 0x811c9dc5); / / FNV1a z alternatywnym materiałem siewnym
dla (niech i = 0; i < k; i + +) {
const pos = (h1 + (i)  (h2) > > > (0))% m; / / k pozycji w tablicy bitów
const byteIdx = Math.floor (pos / 8);
const bitIdx = pos% 8;
/ / Jeśli bit jest 0: słowo jest nieobecne
jeżeli ((bitArray [byteIdx] & (1 < < bitIdx)) = 0) zwraca false;
¶
/ / Wszystkie bity są na 1: słowo jest PROBABLY obecny (z 1% FP)
zwrot true;
¶

FNV1a-hashing zapewnia jednolity rozkład pozycji w tablicy bitowej, minimalizując kolizje i utrzymując wskaźnik fałszywie dodatni blisko 1%.

13.4 Format załadowczy i binarny

Filtr kwitnący jest przechowywany w data/rockyou.bloom - plik binarny z:

Obciążenie jest uruchamiane ręcznie przez użytkownika (przycisk w UI), nie automatycznie przy załadowaniu strony - aby zachować początkową wydajność.

14. Porównanie z atakami pochodnymi

"Czysty" atak słownika jest pierwszym z rodziny ataków, które wszystkie mają wspólny root: leksykalna lista słów. Time2Crack wdraża 7 modeli offline crack (siła brutto, słownik, hybryda, maska, PCFG, Markov, combinator), każdy atakuje hasło pod innym kątem.

14.1 Słownik vs Hybrid

Atak hybrydowy rozpoczyna się tam, gdzie kończy się czysty słownik: bierze każde słowo z listy słów i stosuje systematyczne zasady mutacji (hashcat "best64.rule" na myśli).

14.2 Dictionary vs PCFG

Hasło takie jak "Password123" może być niezauważone w słowniku (dokładne słowo "Password123" może nie być wymienione), ale zostanie bardzo szybko złamana przez PCFG, który rozpoznaje strukturę [Majuskule] [minuskuły] [cyfry].

14.3 Słownik vs Markov

Markov zajmuje się sprawami, w których hasło wygląda jak ludzkie słowo, nie będąc na żadnej liście.

14.4 Dictionary vs Credential farshing

Ufarbowanie kredowe nie atakuje haszu - bezpośrednio próbuje par logowania / hasła na zdalnych usługach. Pojęcie różni się od pęknięcia, ale posiada to samo źródło danych (HIBP / fail).

15. Ograniczenia słownika ataku

15. 1 Wartości graniczne wewnątrz

15.2 Jakie obliczenia Time2Crack nie model

16. Skuteczna obrona

16.1 Co chroni przed atakiem słownika

Różnica 10 + rzędu wielkości między MD5 i Argon2id sprawia, że hasło słownika "słońce" jest w praktyce odporny, jeśli jest chronione przez Argon2id - nawet jeśli napastnik wie, że jest to francuskie słowo.

16. 2 Czego nie chroni

16.3 Zalecenia praktyczne

17. Referencje

Źródła pierwotne (studia akademickie)