rulesfinder

机器学习密码变形规则！

该工具能为给定的字典和密码列表找出高效的密码变形规则（适用于 John the Ripper 或 Hashcat）。

该工具目前仍处于 alpha 阶段。

太长不看

你需要 Rust 工具链来构建此工具。你可以直接安装：

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

或者，克隆此仓库后：

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

这里，50 是截断值，意味着一条规则至少要破解 50 个密码才会被保留，7 是线程数。

注意，这个程序可能会非常快地消耗大量内存！

它是什么？

可以在此阅读一篇长篇介绍文章。它解释了该工具背后的思路以及它的作用。

性能

所有测量都是在我边用笔记本电脑做其他事情时进行的。 这些测量仅用于说明你在资源占用方面应该预期的情况。

第一阶段的内存使用情况

处理过程分为两个部分：

• 第一部分对内存的要求最高，它只受明文语料库大小和最小子串大小的影响；
• 第二部分受所有参数的影响，但在其他参数相同的情况下，其耗时和内存使用量与字典大小大致成正比。

上面的 估计已破解密码数 列，是指使用给定字典和生成的规则时，明文语料库中能被破解的密码数量。 与所有机器学习内容一样，它并不能直接反映规则集的性能。 盲目地增大这个值会适得其反，因为它会导致：

• 产生更多规则，从而降低规则集的整体效率；
• 过拟合。

根据经验，我建议：

• 将最小子串大小设为 4 或 5，注意第一阶段的内存使用量大致与明文语料库大小呈线性关系；
• 明文语料库中只使用真实密码；
• 使用你在实际破解过程中会用到的字典。也就是说，针对较难破解的哈希使用短字典的规则，针对快速哈希使用长字典的规则。