Грамматические ошибки повышают надежность паролей

Александр Панасенко 18 Января 2013 - 12:15

...

Группа ученых из американского университета Карнеги-Меллон предлагает обитателям глобальной сети простой и эффективный способ защиты персональных учетных записей от взлома. При выборе пароля, предназначенного для входа на различные сайты, исследователи рекомендуют использовать слова и фразы, написанные с ошибками.

Многим интернет-пользователям известно, что дата собственного дня рождения, кличка домашнего любимца или название родного города являются классическими образцами небезопасного пароля. Однако, большинство владельцев компьютеров уверены в том, что надежность пароля напрямую зависит от количества символов. Специальный алгоритм, разработанный учеными в демонстрационных целях, без труда опровергает это распространенное заблуждение, передает soft.mail.ru.

«Самые хитроумные пользователи пытаются решить проблему путем увеличения длины пароля. Однако им также необходимо сделать кодовое слово легко запоминающимся. Так на свет появляются сложные конструкции, состоящие из нескольких слов или фраз, такие как «длинныйиоченьнадежныйпароль. – объясняет руководитель исследовательской группы Ашвини Рао (Ashwini Rao), – Однако для нашего алгоритма такие пароли не являются серьезной преградой, также как и другие осмысленные сочетания символов, например, почтовый адрес, адрес электронной почты или URL».

В отличие от стандартных атак «brute force», которые заключаются в подстановке отдельных слов из словаря, новая методика позволяет испытывать пароли на прочность путем перебора различных сочетаний слов. Ашвини Рао утверждает, что во время проводимых испытаний алгоритм смог без труда подобрать 10% длинных паролей, представляющих собой осмысленную фразу.

А учитывая стремительно растущие вычислительные мощности современных систем, на решение этой задачи уходит все меньше и меньше времени. Не самый дорогой компьютер, стоимостью в 3000 долларов, способен осуществлять перебор паролей со скоростью до 33 миллиардов вариантов в секунду.

Зато такой простой способ, как намеренное искажение известных слов срабатывает «на ура». Таким образом, грамматические ошибки, намеренно допущенные пользователем, способны существенно снизить эффективность атак, проводимых с применением «грубой силы».

Ученые готовы поделиться своими наблюдениями и продемонстрировать работу алгоритма на конференции «Conference on Data and Application Security and Privacy», которая состоится в городе Сан-Антонио в следующем месяце.

Следующая главная новость »

Публичное облако 2026: где заканчивается удобство и начинаются риски?
Регистрируйтесь на эфир!

Екатерина Быстрова 02 Июня 2026 - 13:29

Корпорации Системы для анализа защищенности информационных систем Аудит информационной безопасности Сканеры исходного кода Positive Technologies

Positive Technologies научила ИИ замечать подозрительные сценарии в коде

Positive Technologies сообщила о разработке нейросети MOLOT, предназначенной для поиска вредоносного кода в проектах на Python, JavaScript и TypeScript. Технология уже используется в составе анализатора исходного кода PT Application Inspector версии 6.0.

В отличие от традиционных инструментов статического анализа, которые ищут опасные конструкции по заранее заданным правилам, новая модель анализирует последовательность действий, выполняемых программой.

Нейросеть оценивает не отдельные фрагменты кода, а их совокупность и пытается определить, формируют ли они подозрительный сценарий.

Проблема, которую пытаются решить разработчики, связана с так называемым намеренно внедрённым вредоносным кодом. В отличие от обычных уязвимостей, такой код не содержит ошибок, которые можно эксплуатировать извне. Он работает как легитимная часть приложения и использует те же права доступа, что и остальная программа.

По словам специалистов, именно поэтому многие подобные закладки остаются незамеченными при стандартных проверках безопасности.

Отдельные действия вредоносного кода сами по себе обычно не вызывают подозрений. Чтение файла, обращение к сети, шифрование данных или запуск процесса встречаются в тысячах обычных приложений. Однако если программа, например, считывает логины и пароли, кодирует их и затем отправляет на внешний сервер, такая последовательность уже может указывать на вредоносную активность.

Для анализа MOLOT строит цепочку действий программы — обращений к файлам, сетевых запросов, запуска процессов, использования криптографических функций и других операций. Затем эта последовательность передаётся в нейросеть, которая обучена отличать типичные сценарии работы приложений от поведения, характерного для вредоносного кода.

В компании утверждают, что тестирование проводилось на вредоносных пакетах из репозиториев PyPI и npm. По словам разработчиков, в ряде тестов модель показала более высокую точность по сравнению с существующими аналогами с открытым исходным кодом.

Одной из особенностей системы стала возможность объяснять свои выводы. Помимо самого вердикта нейросеть показывает строки кода, которые повлияли на решение. Это позволяет специалисту быстро перейти к подозрительному фрагменту и самостоятельно проверить результаты анализа.

Интерес к подобным инструментам растёт на фоне увеличения числа атак через цепочки поставок ПО, вредоносные пакеты в публичных репозиториях и распространения ИИ-инструментов для генерации программного кода.

Публичное облако 2026: где заканчивается удобство и начинаются риски?
Регистрируйтесь на эфир!