美國史蒂文斯理工學院(Stevens Institute of Technology)開發了一個所謂的生成式對抗網絡，可以對你所使用的密碼進行合理猜測，準確率達到四分之一。

他們的基本理念非常簡單：讓一個神經網絡構建一個東西，然后由另外一個神經網絡判定其質量。這個概念是由伊恩·古德菲洛(Ian Goodfellow)發明的，他曾經入選《麻省理工科技評論》評選的2017年“35歲以下35名優秀創新者”榜單，但他本人并未參與該項目。

[[204972]] 

史蒂文斯理工學院的團隊讓一個人工智能程序利用數千萬個泄露的密碼來學習如何生成新密碼，再讓另外一個人工智能程序學習如何判斷新生成的密碼是否有吸引力。

將實際結果與網上泄露的LinkedIn登錄數據進行比對后發現，人工智能生成的密碼有12%與真實密碼匹配。當研究人員從hashCat軟件工具那里獲得一些人類制作的規則，并將其加入到人工智能系統后，便可猜測27%的密碼——比單純使用hashCat高出24%。

雖然這項技術還處于初期，但這卻是生成式對抗網絡首次用于破解密碼。另外，只要能夠獲取更多數據，這項技術似乎的確能獲得快于傳統方法的改進速度。

但無論如何，這似乎都是個壞消息，因為不法分子可能利用這項技術來發動網絡攻擊。