Fontes científicas

Time2Crack depende de pesquisas acadêmicas em criptografia, segurança computacional e estimativa de força de senha. Esta página lista as fontes científicas que validam nossos algoritmos, métodos de avaliação e calibrações.

Estimação da força da senha

Wheeler, D.L. (2016). zxcvbn: Estimativa de Força de Senha de Baixo Orçamento. In Procedimentos do 25o Simpósio de Segurança USENIX (pp. 157-173). Associação USENIX. https://www.usenix.org/system/files/conference/usenixsecurity16/sec16 paper wheeler.pdf
Relevância: Metodologia de fundação para a estimativa realista da força de senha. Wheeler (2016) afirma que os medidores baseados em entropia (NIST, OWASP) superestimam significativamente a segurança. Time2Crack segue esta abordagem: estimar o custo do ataque mais conhecido, não entropia teórica.
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
Relevância: Mostra que a configuração dos ataques de dicionário (lista de palavras e regras) enviesa fortemente as estimativas de robustez, e propõe ataques adaptativos que imitam atacantes especialistas. Justifica modelar um atacante bem configurado em vez de uma única lista de palavras.

Métodos de avaliação

Wang, D., & Ding, S. (2023). Sem bala de prata única: Medindo a precisão dos medidores de força de senha. In Procedimentos do 32o Simpósio de Segurança USENIX (pp. 2575–2592). Associação USENIX. https://www.usenix.org/system/files/sec23fall-prepub-291 wang-ding.pdf
Relevância: Maior estudo comparativo (USENIX 2023) de 12 medidores de força de senha de 14 conjuntos de dados reais. Determina que:
  • Correlação ponderada de Spearman ρ é a métrica padrão para avaliar a precisão
  • Objectivo científico: ρ > 0,85 para boa calibração
  • Nenhum medidor existe sem compromisso (zxcvbn: ρ=0,76, Hive Systems: ρ=0,68)
Time2Crack visa ρ > 0,80 globalmente.
Golla, M., & Dürmuth, M. (2018). Sobre a precisão dos medidores de força de senha. In Procedimentos da 25.a Conferência ACM sobre Segurança da Computação e das Comunicações (pp. 1567-1580). ACM. https://maximiliangolla.com/files/2018/papers/ccsf285-finalv3.pdf
Relevância: Estrutura de avaliação sistemática para medidores de força de senha (2018). Recomendar: Correlação de Spearman + divergência Kullback-Leibler para ataques offline. Time2Crack incorpora estas duas métricas.
Castelluccia, C., Durmuth, M., & Perito, D. (2017). Medidores adaptativos de força de senha de modelos de Markov. In Procedimentos do Simpósio NDSS. Sociedade da Internet. https://www.ndss-symposium.org/wp-content/uploads/2017/09/06 3.pdf
Relevância: Apresenta a métrica α-Guesswork (Gα) : proporção de senhas quebradas com tentativas de G. Avalie a segurança prática do modelo.

Modelos de ataque

Ma, J., Yang, W., Luo, M., & Li. (2014). Um estudo de modelos de senha probabilísticos. In Procedimentos do 35.o Simpósio IEEE sobre Segurança e Privacidade (pp. 689–704). IEEE. https://www.ieee-security.org/TC/SP2014/papers/A%20Estudo%20of%20Probabilistic%20Password%20Models.pdf
Relevância: Comparação de modelos probabilísticos (Markov, PCFG, neural). Determina que os ataques por combinação de palavras são subestimados por fórmulas ingênuas (re multiplicação = falsa hipótese de independência). Time2Crack corrige isso com calibração empírica.
Hashcat Project (2024). Toggle Attack with Rules. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=toggle_attack_with_rules
Relevância: Documenta o modelo de ataque toggle-case no hashcat: os ficheiros de regras toggle[1–5].rule enumeram todas as combinações de 1 a 5 inversões de maiúsculas/minúsculas por posição. Confirma que o atacante testa primeiro as inversões de posição única (custo mais baixo), depois combinações mais amplas — justificando um modelo de custo combinatório C(n,k) para as variantes de capitalização.
Hashcat Project (2026). Rule-based Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=rule_based_attack
Relevância: As regras são uma pequena linguagem que modifica um candidato de cada vez: alterar, remover ou acrescentar caracteres. O modelo híbrido do Time2Crack segue esta definição: uma palavra do dicionário mais uma transformação curta.
Hashcat Project (2026). Hybrid Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=hybrid_attack
Relevância: Um ataque híbrido junta uma palavra do dicionário a uma máscara (modos 6, 7 e 12), por exemplo um ano ou alguns algarismos. O seu custo é o posto da palavra multiplicado pelo tamanho da máscara: o Time2Crack aplica este custo às decorações com mais de 5 caracteres.
Hashcat Project (2026). Combinator Attack. Hashcat Wiki. https://hashcat.net/wiki/doku.php?id=combinator_attack
Relevância: Combina dois dicionários: cada palavra de uma lista é acrescentada a cada palavra da outra. As palavras-passe formadas por várias palavras pertencem a este ataque, não ao ataque híbrido.
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
Relevância: Compara ferramentas automáticas (modelos de Markov, PCFG, John the Ripper e Hashcat com regras de transformação) com profissionais de quebra de palavras-passe. Nos ataques de dicionário com regras, cada palavra é transformada isoladamente; as configurações predefinidas subestimam a vulnerabilidade real.
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
Relevância: A estrutura gramatical reduz o espaço de pesquisa das palavras-passe longas com várias palavras (mais de 50 % no seu modelo); um ataque baseado na gramática quebrou 10 % de um conjunto de palavras-passe longas que as outras ferramentas não encontraram. O comprimento, por si só, não garante a robustez.
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
Relevância: Estudo do sistema de frases-passe da Amazon: listas facilmente disponíveis (títulos de filmes e livros…) são eficazes para adivinhar frases, e os utilizadores preferem pares de substantivos simples. As palavras-passe com várias palavras continuam vulneráveis a ataques de dicionário.
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
Relevância: Compara cadeias de Markov, n-gramas e um ataque híbrido de dicionário sobre frases-passe com o hashcat; o dicionário de frases com regras foi o mais eficaz. A unidade de base é uma frase inteira, não uma palavra isolada.
Dürmuth, M., Brostoff, S., & Oprea, A. (2015). O sucesso das aplicações Web apesar da dificuldade das regras de criação de senha. In Procedimentos do 22.o Simpósio NDSS. Sociedade da Internet. 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). Concepção e avaliação de um medidor de senha de dados. In Procedimentos da Conferência ACM SIGCHI sobre Fatores Humanos em Sistemas de Computação (pp. 3775–3786). ACM. https://www.usenix.org/system/files/conference/usenixsecurity15/sec15-paper-ur.pdf

Modelos Markov e 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
Relevância: Artigo fundador do PCFG: uma palavra-passe é decomposta em estruturas de base (p. ex. S1L3D2) cujos segmentos são adivinhados separadamente, por ordem decrescente de probabilidade. As palavras-passe com vários segmentos, como D1L4S1L3S1L3S1D1, pertencem a este modelo.
Weir, M., Aggarwal, S., Collins, M., & Stern, H. (2009) Testando Métricas para Políticas de Criação de Senhas por Attaking Grandes Conjuntos de Senhas Reveladas. In Procedimentos da 17a Conferência ACM sobre Segurança da Computação e das Comunicações (pp. 162-175). ACM. https://www.researchgate.net/publication/221614956
Relevância: Metodologia de fundação do PCFG (Probabilistic Context-Free Grammar). Fundada:
  • Desagregação da estrutura (L=letter, D=digit, S=symbol)
  • Limiar de esqueleto 20-50 para capturar estruturas reais
  • Validação em conjuntos de dados reais (LinkedIn, Yahoo, RockYou)
Time2Crack usa SKELETON THRESHOLD=100 (revisão para diminuir para 30-50).
Dürmuth, M., Freeman, D., & Yazan, B. (2014). Senha Adivinhando com Redes Neurais. In Procedimentos do 25o Simpósio de Segurança USENIX. Associação USENIX. https://cursos.csail.mit.edu/6.857/2017/project/13.pdf
Houshmand, S., & Aggarwal, S. (2015). Próximo Gen PCFG senha cracking. In Transacções IEE sobre a Forense e Segurança da Informação, 10(8), 1776–91. IEEE. https://ieexplore.ieee.org/document/7098389
Relevância: Expansão PCFG de próximo-Gen com melhorias de desempenho e precisão. Abordagem válida PCFG em milhões de senhas.
Narayanan, A., & Shmatikov, V. (2005). Rápido Dicionário Ataques sobre senhas Usando Tradeoff Tempo-Espaço. In Procedimentos da 12a Conferência ACM sobre Segurança da Informação e das Comunicações (pp. 364–372). ACM. https://www.usenix.org/legacy/event/sec05/tech/full papers/narayanan/narayanan.pdf
Relevância: Fundamentos de ataques por dicionário e mesas de ranhura. Define que dicionário + mutações cobre ~95% de senhas na prática.

Calibração e conjunto de dados

Zhang, Y., Monrose, F., & Reiter, M. K. (2010). A Segurança da Validação Moderna da Senha: Um Framework Algorítmico e Estudo Empírico. In Procedimentos da 17a Conferência ACM sobre Segurança da Computação e das Comunicações (pp. 176-186). ACM. https://users.cs.jmu.edu/reiter/papers/10ccs.pdf
Instituto Nacional de Normas e Tecnologia (NIST) (2024). SP 800-132: Função de Derivação de Chave Baseada em Senha (PBKDF2). Departamento de Comércio dos EUA https://nvlbubs.nist.gov/nistpubs/Legacy/SP/nistsspecialpublication800-132.pdf
Instituto Nacional de Normas e Tecnologia (NIST) (2024). SP 800-63-3: Diretrizes de Identidade Digital - Autenticação e Gestão do Ciclo de Vida. Departamento de Comércio dos EUA https://pages.nist.gov/800-63-3/sp800-63b.html
Relevância: Recomendações NIST para selecionar senhas e algoritmos de hash. Fundada:
  • bcrypt, scrypt, PBKDF2, Argon2 como algoritmos aceitáveis
  • MD5, SHA-1 sem sal não são aceitáveis (quadros de arco-íris)
  • dicionários de 100k+ palavras recomendadas para ataques
Sistemas de Colmeia (2025). Hive Systems Senha Tabela 2025. https://www.hivesystems.io/password-table
Relevância: Referência de referência industrial com 12× RTX 5090 GPUs. Time2Crack usa este perfil como um "ataque experiente" de base (12 GPU cluster).
Sprengers, o Sr. (2011). Quebra de senha baseada em GPU (Tese do Mestre) Universidade de Radboud Nijmegen. https://www.ru.nl/
Relevância: Estudo de velocidade da GPU para quebra de hash. Define parâmetros de referência para MD5, SHA-1, NTLM, bcrypt com GPU moderna.

Velocidades e parâmetros de referência

Projeto Hashcat (2025). Hashcat - Recuperação de senha avançada (Benchmarks oficiais v6.2.6). https://hashcat.net/hashcat/
Relevância: Benchmarks Hashcat oficiais em RTX 5090 para todos os algoritmos de hash. Time2Crack usa esses números como velocidades GPU simples e os multiplica por 12 para o perfil experiente.
Gosney, J. (2016). 8x Nvidia GTX 1080 Hashcat Benchmarks. GitHub Gist. https://gist.github.com/epixoip/
Relevância: Primeiro sistema a exceder 330 GH/s NTLM (8 GPU cluster). Validada pela indústria como uma referência multi-GPU.
Serviços Web da Amazon (2024). Processos Amazon EC2 P4d - GPU Computing. https://aws.amazon.com/ec2/e instance-types/p4/
Relevância: Infraestrutura comercial GPU disponível (100-1000 clusters GPU). Time2Crack usa para perfis profissionais (~100 GPU).

Referências complementares

Oechsle, D., Bauer, L., Grupe, J., & ... Durmuth, M. (2021) Rumo a uma Análise Estatística Rigorosa de Dados de Senha Empírica. preprint arXiv arXiv:2105.14170. https://arxiv.org/abs/2105.14170
Klebanov, S., & Malone, D. (2012). Investigando a Distribuição de Opções de Senha. In Anais da 21a Conferência Internacional Mundial da Web (pp. 569–578). ACM. https://www.maths.tcd.ie/~dwmalone/p/www2012.pdf
Castelluccia, C., Durmuth, M., & Perito, D. (2015). Senha Adivinhando via Neural Language Modeling. In Transacções IEE sobre a Forense e Segurança da Informação, 10(6), 1285-1296. IEEE. https://link.springer.com/chapter/10.1007/978-3-030-30619-9 7
Asgharpour, F., Bardas, A. G., & Liu, D. (2017). Comparando e Combinando Métodos de Análise de Sentimento. In ACTIVIDADES DO COLING (pp. 1637-1648). ACL.

Actualização: 17 de outubro de 2026

← Voltar à ferramenta