[论文复现] 用机器学习实现社工字典生成工具 Password Guessing using Random Forest
原文中文，约3800字，阅读约需9分钟。
📝
内容提要
本文介绍了口令猜解问题的应用场景和论文RFGuess的核心思想，包括基于PII的定向猜解和基于密码复用的定向猜解方法。使用随机森林进行模型训练，并介绍了特征提取方法和工具的使用。
🔎
延伸解读
RFGuess 的定位与创新点
RFGuess 首次将传统机器学习模型——随机森林应用于口令猜解，旨在克服统计模型易过拟合和深度学习模型需海量数据的缺陷。它基于 Markov 模型将猜解转化为多分类问题，利用随机森林集成学习提高准确率，在在线猜解场景下尤其注重使用较少尝试次数破解密码。
基于 PII 的定向猜解特征工程
针对特定用户，RFGuess 采用基于类型的 PII 匹配方法，将密码中的个人信息（如姓名、生日）编码为特定标签（如 N1 表示全名），并转化为特征向量。这种方法比基于长度的编码更能捕捉 PII 特征，但需处理同一密码多种表示的选择问题，通常选择频率最高的编码。
工具复现与性能表现
作者复现了论文中基于 PII 的定向猜解算法，并实现了 GUI 工具，支持从数据集到字典生成的完整流程。在 50% PII-12306 数据集上，工具准确率为 25.07%，略低于论文的 28.89%，可能源于实现细节或数据差异，但整体验证了方法的可行性。
❓
Q&A
RFGuess模型的核心思想是什么？
RFGuess模型使用随机森林来处理口令猜解问题，克服了传统统计和深度学习模型的缺陷，达到较高的准确率。
口令猜解的主要应用场景有哪些？
口令猜解主要分为离线猜解和在线猜解，在线猜解面临更多限制。
基于PII的定向猜解方法是如何工作的？
基于PII的定向猜解利用个人信息（如姓名、生日）来针对特定用户进行密码破解。
随机森林模型是如何进行特征选择的？
随机森林在训练时为每棵决策树随机选择特征和样本，以保证决策树的多样性。
拖网猜解和定向猜解有什么区别？
拖网猜解是攻击者无特定目标的密码猜解方式，而定向猜解则是针对特定用户进行密码破解。
如何使用RFGuess生成社工字典？
使用RFGuess生成社工字典的步骤包括数据集转化为特征向量、训练模型、生成规则和字典。
🏷️
