rulesfinder

Машинное обучение для поиска правил преобразования паролей!

Этот инструмент находит эффективные правила преобразования паролей (для John the Ripper или Hashcat) для заданного словаря и списка паролей.

Инструмент находится на стадии альфа-версии.

tl;dr

Для сборки инструмента нужен тулчейн Rust. Можно установить напрямую:

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

Либо, после клонирования этого репозитория:

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

Здесь 50 — это пороговое значение, означающее, что правило должно взломать как минимум 50 паролей, чтобы быть сохранённым, а 7 — количество потоков.

Будьте осторожны, эта программа может очень быстро задействовать много памяти!

Что это такое?

Развёрнутую статью можно прочитать здесь. В ней объясняется, в чём заключается идея инструмента и что он делает.

Производительность

Все измерения проводились на моём ноутбуке, пока я параллельно занимался на нём другими делами. Эти измерения приведены лишь для иллюстрации того, что следует ожидать с точки зрения использования ресурсов.

Использование памяти на первом этапе

Обработка состоит из двух частей:

• первая часть, наиболее требовательная к памяти, определяется исключительно размером корпуса открытых паролей (cleartext) и минимальным размером подстроки;
• вторая часть зависит от всех параметров, но при прочих равных затраты времени и памяти примерно пропорциональны размеру словаря.

Приведённая выше оценочная колонка взломанных паролей — это количество паролей в корпусе открытых паролей, которые были бы взломаны с помощью сгенерированных правил при использовании данного словаря. Как и во всём, что связано с машинным обучением, это не отражает напрямую эффективность набора правил. Бездумное увеличение этого значения даст обратный эффект, так как приведёт к:

• увеличению числа правил, снижающему общую эффективность набора правил;
• переобучению.

Как эмпирическое правило, я рекомендую:

• выбирать минимальный размер подстроки 4 или 5; обратите внимание, что использование памяти на первом этапе в основном линейно зависит от размера корпуса открытых паролей;
• использовать в корпусе открытых паролей только реальные пароли;
• использовать словари, которые вы действительно будете применять во время сессии взлома. То есть короткие словари для правил, которые вы будете использовать против сложных хешей, и длинные словари для правил, которые вы будете использовать против быстрых хешей.