AI 辅助弱口令与凭据安全分析

一句话：AI 不会让爆破变快，但能让你的字典"精准 100 倍"，以及让泄露的凭据变成完整攻击面。

一、弱口令的本质是字典质量问题

爆破的成败不在速度，在于字典命中率。

传统字典（rockyou、top1000）的问题：

• 通用但不对味（目标单位是医院，字典里全是 iloveyou）
• 不含目标特征
• 命中率随目标变化

AI 的价值：生成针对目标的高命中率字典。

二、让 AI 生成目标定制字典

# 输入
目标信息：
- 单位名称：大连 XX 职业技术学院
- 域名：dlxx.edu.cn
- 缩写：dlxx
- 成立年份：1998
- 位置：大连
- 常见管理员：admin, webmaster, test

# 任务
生成 500 条该单位的高概率口令，覆盖：
1. 单位缩写 + 年份/特殊符号（dlxx1998, dlxx@1998）
2. 域名相关（dlxx.edu, dianli）
3. 中文拼音变体（dalian, dianlixueyuan）
4. 教育行业常见（edu@123, school2024）
5. 键盘组合 + 单位（Dlxx!@#）
6. 常见弱口令变形（Admin@123, admin888）
按命中概率分组输出。

AI 会生成通用字典里完全没有的候选，命中率显著提升。

三、从 OSINT 提取字典素材

# 输入
从目标收集的公开信息：
- 官网内容、招聘信息
- 员工姓名列表（从公开渠道）
- 部门名称（人事处、教务处、财务处）
- 常用业务缩写（OA、HIS、LIS）

# 任务
1. 提取所有可能作为口令素材的关键词
2. 生成姓名→账号名候选（张三 → zhangsan/zs/zhangs）
3. 生成"部门缩写+年份+符号"组合
4. 输出为字典文件格式

中文姓名转账号名是 AI 的强项——它懂拼音规则和常见命名习惯。

四、用户名枚举的 AI 辅助

很多系统会在登录响应里泄露"用户是否存在"：

# 输入
登录测试结果：
- 用户名 admin，密码错误 → "密码错误"
- 用户名 notexist123，密码错误 → "用户不存在"

# 任务
1. 确认是否存在用户名枚举
2. 给出批量枚举思路（含防护建议）
3. 设计一个安全的枚举脚本骨架

AI 会设计出带速率控制、结果去重、支持中途恢复的脚本结构。

五、口令强度智能评估（防守视角）

拿到一批内部口令（脱敏），让 AI 分析规律：

# 输入
以下是我司部分账号口令的"模式描述"（已脱敏）：
- 12个账号使用了"公司缩写+年份"
- 8个使用了"姓名拼音+123"
- 5个使用了键盘序列

# 任务
1. 分析口令构造规律
2. 评估当前口令策略的有效性
3. 提出改进的口令策略建议
4. 给出员工安全培训要点

六、泄露凭据的智能分析（攻击面视角）

拿到泄露的凭据库（如从 GitHub、暗网泄露数据），AI 帮你分析价值：

# 输入
泄露数据（脱敏）：
- 邮箱: xxx@target.com, 口令哈希: 5f4dcc3b5aa765d61d8327deb882cf99
- 邮箱: yyy@target.com, 口令哈希: $2y$10$...
- 邮箱: zzz@target.com, 口令哈希: e10adc3949ba59abbe56e057f20f883e

# 任务
1. 识别哈希类型
2. 判断哪些可直接破解、哪些需要暴力
3. 给出破解优先级
4. 说明这些凭据可能的横向移动价值

AI 会识别出：5f4d... = MD5、$2y$10$ = bcrypt（慢，需注意成本）、e10adc... = MD5("123456")。

七、口令哈希破解的 AI 辅助

# 任务
给定 bcrypt 哈希 $2y$10$...，密码可能来自目标单位特征。
1. 建议用什么模式生成候选（mask attack）
2. 给出 hashcat 命令
3. 评估破解可行性（时间估算）

AI 输出：

# 基于单位特征的 mask
hashcat -m 3200 hash.txt -a 3 'dlxx?d?d?d?d' --increment
# bcrypt 速度慢，建议用 -w 3 提高优先级

# 规则版（基于top字典）
hashcat -m 3200 hash.txt rockyou.txt -r best64.rule

AI 能正确指出 bcrypt 不该暴力破解（算力成本极高），这是专业判断。

八、凭据复用与横向移动规划

# 输入
已获取凭据：
- 域账号: svc_backup / Passw0rd!2023
- 数据库: root / xiahuai0903.
- 运维站点: admin / admin888

# 环境信息
- 域环境，多台服务器
- 存在跳板机

# 任务
1. 分析凭据复用可能性
2. 规划受控的横向移动验证路径（仅验证，不扩大影响）
3. 给出每一步的验证命令
4. 标注每一步的风险和留存证据要求

注意：这类分析必须极度谨慎，只在授权范围内"验证"而非"扩展攻击面"。

九、防爆破机制的 AI 绕过分析

# 背景
目标登录接口防护：
- 失败 5 次锁定 15 分钟
- 无验证码
- 按 IP 限速

# 任务
分析该防护的弱点，给出测试思路（不实际执行攻击）。

AI 会指出：锁定是账号维度而非 IP 维度 → 可用"密码喷洒"（Password Spraying）绕过：用少量常见密码，横向尝试大量账号，避免单账号触发锁定。

十、口令策略审计（企业防守）

# 任务
我司 AD 域口令策略：
- 最小长度 8
- 复杂度要求：大小写+数字
- 无过期
- 历史密码 5 个
- 锁定阈值 10 次

# 任务
从攻防角度评估该策略：
1. 攻击者会如何利用
2. 提出加固建议
3. 对比 NIST SP 800-63B 建议

十一、注意事项与红线

十二、小结

AI 在凭据环节的作用：

核心一句话：AI 把"字典质量"这件事从"碰运气"变成了"有依据的推断"。

下一篇：AI 辅助移动端 App 渗透测试。

系列文章：AI 渗透测试与漏洞挖掘实战