rulesfinder

머신러닝으로 비밀번호 변형(mangling) 규칙을 학습하세요!

이 도구는 주어진 사전(dictionary)과 비밀번호 목록에 대해 효율적인 비밀번호 변형 규칙(John the Ripper 또는 Hashcat용)을 찾아냅니다.

이 도구는 현재 알파(alpha) 품질 수준입니다.

tl;dr

이 도구를 빌드하려면 Rust 툴체인이 필요합니다. 다음과 같이 직접 설치할 수 있습니다:

cargo install --git https://github.com/synacktiv/rulesfinder
ulimit -d 8388608  # limit memory usage to 8GBB
rulesfinder -w path/to/wordlist --cleartexts path/to/cleartexts -n 50 -t 7 --minsize 3 | tee result

또는, 이 저장소를 클론한 후:

ulimit -d 8388608  # limit memory usage to 8GBB
cargo run --release --  -w path/to/wordlist --cleartexts path/to/cleartexts -n 50 -t 7 --minsize 3 | tee result

여기서 50은 컷오프(cutoff) 값으로, 어떤 규칙이 유지되려면 최소 50개의 비밀번호를 크래킹해야 함을 의미하며, 7은 스레드 수입니다.

주의: 이 프로그램은 매우 빠르게 많은 메모리를 사용할 수 있습니다!

이 도구는 무엇인가요?

이 도구의 배경 아이디어와 하는 일을 설명하는 장문의 기사를 여기에서 읽을 수 있습니다.

성능

모든 측정은 다른 작업을 하면서 노트북에서 수행되었습니다. 이 측정값들은 단지 리소스 사용량과 관련해 무엇을 기대해야 하는지 보여주기 위한 것일 뿐입니다.

첫 번째 단계의 메모리 사용량

처리 과정은 두 부분으로 나뉩니다:

• 가장 메모리를 많이 사용하는 첫 번째 부분은 평문 코퍼스의 크기와 최소 부분 문자열 크기에 의해서만 영향을 받습니다 ;
• 두 번째 부분은 모든 매개변수의 영향을 받지만, 다른 모든 매개변수가 동일하다면 소요 시간과 메모리 사용량이 사전 크기에 대략 비례합니다.

위 추정 크래킹된 비밀번호 수 열은 주어진 사전을 사용하여 생성된 규칙으로 크래킹되었을 평문 코퍼스 내 비밀번호의 수입니다. 머신러닝의 모든 것과 마찬가지로, 이 값이 규칙셋의 성능을 직접적으로 반영하지는 않습니다. 이 값을 무작정 늘리는 것은 역효과를 낳을 수 있습니다. 그 이유는 다음과 같습니다:

• 규칙이 많아져 규칙셋의 전반적인 효율성이 떨어짐 ;
• 과적합(overfit).

경험상 다음과 같은 사항을 권장합니다:

• 최소 부분 문자열 크기를 4 또는 5로 설정할 것. 첫 번째 단계의 메모리 사용량은 평문 코퍼스 크기에 대체로 선형적이라는 점에 유의하세요 ;
• 평문 코퍼스에는 실제 비밀번호만 사용할 것 ;
• 크래킹 세션에서 실제로 사용할 사전을 사용할 것. 즉, 어려운 해시에 사용할 규칙에는 짧은 사전을, 빠른 해시에 사용할 규칙에는 긴 사전을 사용한다는 뜻입니다.