web安全：口令构成分析（python实现）【代码+报告】

国科大web安全技术大作业，分析国内某网站以及yahoo泄露的600万口令，分析其特点并生成一个字典，由于是团队作业，这里只放上我的部分：分析口令长度以及口令结构特点。

目录

0. 程序结构:

1. 数据预处理

2.口令长度分析

基本思路

结果存储：

分析结果

3.口令构成分析

第一步：逐位判断口令组成

第二步：统计每种结构的数量

第三步：输出处理

分析结果

4.常见口令分析

基本思路

​分析结果

---

 

代码：web安全：口令构成分析（python实现）【代码】-网络攻防文档类资源-CSDN下载

0. 程序结构:

         程序结构如上图所示，data文件夹中存储的.csv文件为原始数据集以及数据处理结果。data_analysis文件夹中存储的脚本用于数据预处理以及口令分析，具体结构如下表所示：

输入	脚本	输出
bsdn.csv	preData.py	bsdn.csv
bsdn.csv	length_count.py	passwd_length.csv
bsdn.csv	structure_analysis_1.py	str_analysis_bsdn.csv
bsdn.csv	structure_analysis_2.py	onlyLorD_analysis.csv

1. 数据预处理

preData.py->bsdn.csv

        提供的数据集用sql格式存储，为了方便统计，本实验选取.csv格式的文件进行处理。相比较于.sql格式和.txt格式，csv格式有以下优点：

1. 存储容量较小，对于600w数据，txt存储需要28wKB，而.csv存储只需要7wKB，更小的容量意味着更快的处理速度，对大数据集而言更加友好。
2. .csv的数据可以直接用excel打开并编辑，因此可以直接在excel中绘图统计

        观察所给数据可以发现，第一列为用户名，第二列为口令，第三列为邮箱，本次实验只需要用到第二列，为了进一步加快处理速度，因此有必要对原始数据集进行删减。

        基本思路是将数据读入后，逐行遍历，并将每行数据用空格分割，只保留分割后的第三列数据，存入一个.csv文件中，并且为该文件添加一个表头passwd

while line:     count=count+1 # count用来观察数据处理进度     a = line.split()     b = a[2]  # 这是选取需要读取的位数     list1.append(b)  # 将其添加在列表之中     line = f.readline()     print(count) f.close()

        处理后的数据如下所示：

2.口令长度分析

length_count.py-> passwd_length.csv

基本思路

分析口令：

建立一个存储口令数量的标记数组，数组大小暂定为100。逐行遍历口令，读取口令长度，并在长度所在的数组位置上+1。

Python def countLength(self):     count = 0     list = [0] * 100     for passwd in self.passwdList:         count += 1         list[len(str(passwd)) - 1] += 1         print(count) # 仅记录文件处理进度     return list

结果存储：

第一列表示口令长度，第二列表示口令数量。（4，6895）表示口令长度为4的口令共有6895个。

分析结果

下图为口令长度分析结果，可以看到排名最高的口令长度为8位，其次为9位和10位。

3.口令构成分析

structure_analysis_1.py-> str_analysis_bsdn.csv

基本思路

为了分析常见的口令结构，用‘L’表示字母，‘S’表示特殊字符，‘D’表示数字，口令‘abc#123’的结构表示为‘L3S1D3’，注意即使数字对应相同，字母、字符以及数字的顺序不同表示的也是不同的表结构，即‘L3S1D3’与‘S1D3L3’表示的是两种不同的结构。

本节口令结构分析主要分为三个步骤，第一步判断口令上的每一位的成分，第二步统计具有相同结构的口令数量，最后一步整理为‘LxSyDz’的形式并存储在.csv文件中，其中xyz分别表示字母、特殊字符以及数字的数量。接下来对每一个步骤进行简要的叙述，以如下三个口令组成的口令集作为例子。

passwd abc?123 abc\123 avvvv?\22 第一个口令与第二个口令有相同的结构L3S1D3 第三个口令的结构为L5S2D2

第一步：逐位判断口令组成

strucList = [] for passwd in self.passwdList: # 遍历每一行口令    struc = ''    passwd = str(passwd) # 将passwd对象转为字符串    for ch in passwd: # 遍历每口令中的每一个字符       if ch.isdigit():          struc += 'D'       elif ch.isalpha():          struc += 'L'       else:          struc += 'S'    strucList.append(struc)

        遍历每一行口令的每个字符，如果是数字，在struc字符串中添加一个D,其他情况同理，最后将每行处理得到的struc存储在数组strucList中。在上文所举的例子，经过这一步后strucList将如下所示：

strucList：['LLLSDDD', 'LLLSDDD', 'LLLLLSSDD']

        可以看到第一个元素和第二个元素相同，这是因为前两个口令具有相同有的结构。

第二步：统计每种结构的数量

        定义一个字典dic，存储键值对，键为口令结构，值为结构数量。逐个遍历第一步得到的strucList数组，统计出现的结构数量。

nums = {}                     # 定义一个dic,键为口令结构，值为结构数量 for stru in strucList:        # 在结构数组中遍历每一种结构    if stru in nums.keys():    # 如果该结构已经被统计（即在字典nums的键中能找），则结构出现次数+1       nums[stru] += 1    else:                      # 如果该结构没有被统计过，则更新字典，并将出现次数设定为1       nums[stru] = 1

        经过第二步之后得到字典nums{}如下所述:

dic: {'LLLSDDD': 2, 'LLLLLSSDD': 1}

第三步：输出处理

这一步的主要工作是将分析得到的数据进行输出处理，这一步需要完成以下工作：

1、将’ LLLSDDD‘整理为’L3S1D3‘的形式

遍历第二步得到的nums{}字典的键，记录字符串中连续L、D、S的个数并记录在其后。遍历过程需要设定一个计数器，并在合适的位置进行更新。

2、计算每种结构出现的频率

在统计了数量之后，这一步只需要将数量除以总口令数即可

3、调整输出格式

DataFrame存储三列（第一列为口令结构，第二列为口令总数，第三列为频率）并最终输出到.csv文件中

for x in nums.keys():                           # 遍历字典的每一个键，即遍历每一种结构    char = x[0]                               # 将第一个字母定为标志字符    stru = x[1:]                              # stru为结构的第二个字符往后的字符串    c = 1                                   # 计数器置为1    res = ''    for i in stru:                            # 遍历第二个字符往后的每一个字符       if i == char:                          # 如果某一个字符与第一个字符相同          c += 1                                # 计数器加一       else:                                # 如果该字符与第一个字符不想图          res += char                         # 则将该字符存入结果字符串中          res += str(c)                           # 并且记录该字符的个数          char = i                             # 更新当前字符为标志字符          c = 1                             # 重置计数器    res += char    res += str(c)    df = DataFrame(columns=('structure', 'nums', 'freq'))      # 输出csv文件的列名，共存储三列，分别存储口令结构，口令数量以及该结构口令出现的频率 df.loc[x]['structure'] = res ge = '{:.18f}'.format(int(nums[x]) * 1.0 / len(strucList))  # 计算频率 df.loc[x] = [x, nums[x], ge]

经过处理后，上述例子的输出结果应为：

structure,nums,freq L3S1D3    2   0.666 L5S2D2    1   0.333

分析结果

        由下图的统计结果可知，最多的一种口令结果为’D8‘，即连续8个数字组合，后续分别为D9，L8等。

         

4.常见口令分析

structure_analysis_2.py-> onlyLorD_analysis.csv

基本思路

为了方便描述，本节将只含有数字，只含有字母，或只含特殊字符的口令称为纯口令。根据口令结构的分析结果，可以挑选出最常见的纯口令结构，本节将分析每一种纯口令结构最常用的十个口令以及他们的数量。

第一步：将最常见的口令结构设置为如下所示的字典。

dic = {'L4': {}, 'L7': {}, 'L6': {}, 'L8': {}, 'L5': {}, 'L10': {}, 'L9': {}, 'L3': {}, 'L11': {},        'L12': {}, 'D14': {}, 'D8': {}, 'D6': {}, 'D5': {}, 'D7': {}, 'D9': {}, 'D4': {}, 'D12': {},        'L13': {}, 'L15': {}, 'L19': {}, 'L14': {}, 'L16': {}, 'D10': {}, 'L17': {}, 'D3': {}, 'L18': {}, 'D1': {},        'D20': {},'L20': {}, 'D11': {}, 'L1': {}, 'L2': {}, 'D18': {}, 'D15': {}, 'D13': {}, 'D16': {}, 'S5': {}, 'S6': {},        'D2': {}, 'S7': {}, 'S4': {}, 'S20': {}, 'S1': {}, 'S10': {}, 'S9': {}, 'D21': {}, 'D19': {}}

第二步：逐行遍历原始口令数据集中的每一个口令，首先判断是否是纯口令，如果是纯口令则将其补充或更新到字典中。例如原始口令为‘abc’，经过该步骤处理后字典中对应的‘D3’行将更新为如下所示

‘D3’：{‘abc’，2} # 假设更新之前为‘D3’：{‘abc’，1}

Python for line in self.passwdList:  # 遍历每一条口令     line = str(line)     l = ''     if patternLetter.match(line):   # 如果是纯字母         l = 'L' + str(len(line))     elif patternDigit.match(line):  # 如果是纯数字         l = 'D' + str(len(line))     elif patternSig.match(line):    # 如果是纯特殊字符         l = 'S' + str(len(line))     if l in dic:                # 去字典中查询该纯口令         if line in dic[l]:             dic[l][line] += 1  # 记录该纯口令出现的次数         else:             dic[l][line] = 1

第三步：逐行遍历第二步得到的字典，统计每一种纯口令结构的总数，并将每一种纯口令结构最常见的十种口令以及他们的总数存储在.csv文件中

Python for tp in dic:  # 逐行遍历字典     every_dic = dic[tp]  # tp为字典中的逐个纯字符串,every_dic为每行的所有键值对 tp=S1     sums = sum(every_dic.get(x) for x in every_dic)  # 记录纯字符串总数 every_dic={'*': 1, '%': 1} sums=2     rows = [tp, sums]  # 键值对     every_dic = sorted(every_dic.items(), key=lambda x: x[1], reverse=True)  # 给所有的字典值排序（按照数量，降序）     for r in range(10): # 统计最常见的十种口令，不足十个的用0补齐         if r < len(every_dic):             rows.append(str(every_dic[r]))         else:             rows.append(0)

输出结果解释：经过处理后会得到如下结构的.csv文件：第一列存储纯口令结构，第二列表示该结构的口令总数，后十列分别存储该结构排名前十的口令以及数量。例如下图只能的第二行提供了一下信息：‘D8’是使用最多的口令结构，口令集合中一共有1381285个口令都是这一种结构，这些口令中最常使用的是‘12345678’这个口令（共212751个），其次为‘11111111’。

分析结果