_   _           _               _   ____                _   _        
| | | | __ _ ___| |__   ___ __ _| |_|  _ \ ___  ___  ___| |_| |_ __ _ 
| |_| |/ _` / __| '_ \ / __/ _` | __| |_) / _ \/ __|/ _ \ __| __/ _` |
|  _  | (_| \__ \ | | | (_| (_| | |_|  _ < (_) \__ \  __/ |_| || (_| |
|_| |_|\__,_|___/_| |_|\___\__,_|\__|_| \_\___/|___/\___|\__|\__\__,_|
                                                                  
    पासवर्ड क्रैकिंग नियमों के रोसेटा स्टोन को डिकोड करें

HashcatRosetta

एक Python प्रोजेक्ट जो hashcat डीबग मोड 4 और मोड 5 आउटपुट फ़ाइलों का विश्लेषण करने के लिए डिज़ाइन किया गया है, ताकि सबसे कुशल नियमों की पहचान की जा सके और पासवर्ड क्रैकिंग हमलों के दौरान उपयोग किए जाने वाले बेसवर्ड आवृत्ति पैटर्न को ट्रैक किया जा सके।

विशेषताएँ

• hashcat डीबग फ़ाइलों को पार्स करें (--debug-mode 4 और --debug-mode 5) स्वचालित बेसवर्ड और नियम निष्कर्षण के साथ
• उम्मीदवारों को स्रोत वर्डलिस्टों के लिए एट्रिब्यूट करें (मोड 5) प्रति-वर्डलिस्ट आँकड़ों के लिए
• कई मेट्रिक्स द्वारा नियम दक्षता ट्रैक करें:
  • अनुप्रयोग आवृत्ति (सबसे अधिक बार लागू किए जाने वाले नियम)
  • बेसवर्ड प्रसार (सबसे अद्वितीय बेसवर्डों पर लागू किए गए नियम)
  • उम्मीदवार उत्पादन (सबसे अद्वितीय उम्मीदवार उत्पन्न करने वाले नियम)
• बेसवर्ड पैटर्न की निगरानी करें विस्तृत घटना लॉग और आँकड़ों के साथ
• विस्तृत रिपोर्ट तैयार करें नियम और बेसवर्ड एनालिटिक्स के साथ
• विश्लेषण को JSON या CSV प्रारूपों में निर्यात करें आगे की प्रक्रिया के लिए
• कमांड-लाइन इंटरफ़ेस आसान विश्लेषण और रिपोर्टिंग के लिए

स्थापना

uv के साथ उपयोग करना (अनुशंसित)

यदि आप uv का उपयोग कर रहे हैं, तो आप बिना स्थापना के चला सकते हैं:

# रिपॉजिटरी क्लोन करें
git clone https://github.com/bandrel/HashcatRosetta.git
cd HashcatRosetta

# मॉड्यूल के रूप में चलाएँ (अनुशंसित)
uv run python -m hashcat_rosetta --help

# या स्थापित कमांड का उपयोग करें
uv run hashcat-rosetta --help

स्रोत से

uv tool install git+https://github.com/bandrel/HashcatRosetta.git

विकास निर्भरताओं के साथ

डेव टूल्स dev निर्भरता समूह में रहते हैं।

# uv के साथ (डिफ़ॉल्ट रूप से dev समूह स्थापित करता है)
uv sync

# pip के साथ (25.1+)
pip install -e . --group dev

त्वरित शुरुआत

डीबग फ़ाइलों का विश्लेषण

एक hashcat डीबग फ़ाइल का विश्लेषण करें (डिफ़ॉल्ट रूप से सारांश दिखाता है):

hashcat-rosetta debug_output.txt

आवृत्ति के अनुसार शीर्ष नियम दिखाएँ:

hashcat-rosetta debug_output.txt --rules --top 10 --metric frequency

अन्य मेट्रिक्स के अनुसार शीर्ष नियम दिखाएँ:

hashcat-rosetta debug_output.txt --rules --metric basewords
hashcat-rosetta debug_output.txt --rules --metric candidates

कई बार दिखाई देने वाले बेसवर्ड दिखाएँ:

hashcat-rosetta debug_output.txt --basewords --top 10

शीर्ष वर्डलिस्ट दिखाएँ (केवल डीबग मोड 5):

hashcat-rosetta debug_output.txt --wordlists --top 10

विस्तृत प्रति-वर्डलिस्ट आँकड़े दिखाएँ (अद्वितीय बेसवर्ड, उम्मीदवार, और नियम):

hashcat-rosetta debug_output.txt --wordlists --top 10 --detail

--wordlists आउटपुट --rules को प्रतिबिंबित करता है: एक Top N Wordlists हेडर के बाद क्रमांकित Wordlist: <name> (<count>) पंक्तियाँ। जब किसी मोड-5 फ़ाइल का विश्लेषण बिना किसी आउटपुट फ़्लैग के किया जाता है, तो डिफ़ॉल्ट सारांश में एक Wordlist Statistics अनुभाग भी शामिल होता है।

स्वचालित पहचान के बजाय एक विशिष्ट डीबग मोड को बाध्य करें:

hashcat-rosetta debug_output.txt --debug-mode 5 --wordlists

विस्तृत बेसवर्ड विश्लेषण दिखाएँ:

hashcat-rosetta debug_output.txt --basewords --top 10 --detail --min-occurrences 2

पूर्ण विश्लेषण रिपोर्ट निर्यात करें:

hashcat-rosetta debug_output.txt --export report.json --format json
hashcat-rosetta debug_output.txt --export report.csv --format csv

नियमों की व्याख्या

बताएँ कि एक hashcat नियम चरण-दर-चरण क्या करता है:

hashcat-rosetta --explain "c$1" --baseword admin
hashcat-rosetta --explain "u$!" --baseword myword

प्राकृतिक भाषा के साथ मास्क उत्पन्न करना

एक स्थानीय LLM का उपयोग करके अंग्रेजी विवरणों से hashcat मास्क उत्पन्न करें:

hashcat-rosetta --mask "The word 'Summer' followed by six digits."

आउटपुट:

Mask Suggestions for: 'The word 'Summer' followed by six digits.'
======================================================================

1. Summer?d?d?d?d?d?d
   literal "Summer", then 6 × digit → 1,000,000 candidates
   Why: matches the literal word followed by a 6-digit number

उत्पन्न मास्क को एक फ़ाइल में सहेजें:

hashcat-rosetta --mask "The word 'Summer' followed by six digits." -o masks.hcmask

अन्य विवरणों से मास्क उत्पन्न करें:

hashcat-rosetta --mask "a capitalized season, two digits, and a special char"
hashcat-rosetta --mask "year 2020-2025 followed by exclamation or question mark"

मास्क जनरेशन सुविधा एक स्थानीय Ollama सर्वर का उपयोग करती है जो OpenAI-संगत चैट एंडपॉइंट चला रहा है। डिफ़ॉल्ट रूप से, यह http://localhost:11434 से कनेक्ट होता है और मॉडल gemma3:27b का उपयोग करता है (नीचे देखें)। इन्हें पर्यावरण चर या CLI फ़्लैग के माध्यम से कॉन्फ़िगर किया जा सकता है:

# पर्यावरण चर का उपयोग करना
OLLAMA_HOST=http://192.168.1.100:11434 OLLAMA_MODEL=llama2:70b \
  hashcat-rosetta --mask "your description here"

# CLI फ़्लैग का उपयोग करना (पर्यावरण चर को ओवरराइड करता है)
hashcat-rosetta --mask "your description" --ollama-host http://custom.host:11434 --model llama2

सुरक्षा नोट: मास्क विवरण केवल उस Ollama एंडपॉइंट पर भेजे जाते हैं जिसे आप कॉन्फ़िगर करते हैं (डिफ़ॉल्ट रूप से localhost, या जहाँ --ollama-host/OLLAMA_HOST इंगित करता है) — कभी भी किसी क्लाउड प्रदाता को नहीं। OpenAI SDK का उपयोग विशुद्ध रूप से उस एंडपॉइंट के विरुद्ध एक HTTP क्लाइंट के रूप में किया जाता है; कोई डेटा या API कुंजी कभी भी api.openai.com पर प्रसारित नहीं की जाती है।

gemma3:27b क्यों?

डिफ़ॉल्ट को scripts/benchmark_mask_models.py द्वारा चुना जाता है, जो 14 --mask-शैली प्रॉम्प्ट्स का एक निश्चित सेट चलाता है — जिसमें कस्टम-चारसेट बैक-रेफरेंस और श्रेणी-रिकॉल प्रॉम्प्ट्स (बाइबल की पुस्तकें, बाइबल पद संदर्भ, यूरोपीय राजधानी शहर) शामिल हैं — हर स्थानीय रूप से स्थापित उम्मीदवार मॉडल के विरुद्ध और प्रत्येक प्रतिक्रिया को तीन तरीकों से ग्रेड करता है:

• नियतात्मक गेट। प्रत्येक प्रॉम्प्ट का एक हस्त-लिखित चेकर होता है (सही कीस्पेस, सही टोकन गणना, कोई डुप्लिकेट सुझाव नहीं, आदि)। एक हार्ड फेल का अर्थ है कि मॉडल की प्रतिक्रिया को एक वैध मास्क में पार्स भी नहीं किया जा सका (खराब JSON, एक अनुत्तरदायी सर्वर); एक सॉफ्ट फेल का अर्थ है कि यह ठीक से पार्स हुआ लेकिन अनुरोध को संतुष्ट नहीं किया (गलत अंक गणना, गैर-स्वर कस्टम चारसेट, ...)। सॉफ्ट-फेल प्रॉम्प्ट्स को अभी भी जज किया जाता है, चुपचाप बाहर नहीं रखा जाता।
• कीस्पेस क्रॉस-चेक। प्रत्येक मान्य सुझाव के कीस्पेस को स्वतंत्र रूप से hashcat-utils के mp64 (maskprocessor) के विरुद्ध सत्यापित किया जाता है, जब स्थापित हो — यह वही जाँच है जो generate_masks() स्वयं उत्पादन में प्रत्येक सुझाव पर चलाता है, इसलिए यहाँ एक बेंचमार्क हार्ड फेल का अर्थ है कि वास्तविक --mask उपयोग ने भी इसे अस्वीकार कर दिया होता।
• LLM जज। एक अलग होस्ट पर एक मॉडल (gemma3:12b एक दूसरी मशीन पर, विशेष रूप से इसलिए चुना गया क्योंकि यह स्वयं एक उम्मीदवार नहीं है — स्व-ग्रेडिंग पूर्वाग्रह से बचता है) प्रत्येक प्रतिक्रिया को 1-5 तक स्कोर करता है कि यह मूल अनुरोध को कितनी अच्छी तरह संतुष्ट करती है। अनुरोध थिंकिंग सक्षम के साथ भेजे जाते हैं, क्योंकि एक धीमा मॉडल वैसे भी राउंड-ट्रिप समय खर्च करता है।

अनुशंसित डिफ़ॉल्ट शून्य हार्ड फेल और औसत जज स्कोर ≥ 4 वाला सबसे छोटा मॉडल है। पिछले राउंड से आगे बढ़ाए गए तीन फाइनलिस्ट, पूर्ण 14-प्रॉम्प्ट सेट के विरुद्ध फिर से चलाए गए:

मॉडल	आकार	हार्ड फेल	औसत स्कोर	समय
gemma3:27b	16.2 GB	0	4.1	180s
dengcao/Qwen3-30B-A3B-Instruct-2507:latest	17.4 GB	1	4.5	176s
laguna-xs-2.1:latest	18.9 GB	2	4.7	730s