简介本资源为基于Python的密码破解分析系统源码包面向具备一定Python与深度学习基础、关注密码安全与口令猜测方向的学习者和研究人员。项目围绕密码破解数据展开涵盖数据清洗、分割与标准化等预处理流程并利用LSTM与Seq2Seq模型进行训练通过贪婪搜索和集束搜索评估命中率、召回率等指标最后借助matplotlib完成结果可视化帮助读者理解从数据到模型评估的完整分析链路。压缩包共74个文件以60个py源码文件为核心辅以6个sh脚本、3个svg架构图、2个txt说明、2个json配置及1个md文档整体约711KB结构清晰便于按模块查阅。目前已有62人学习下载适合作为密码安全分析、序列建模与模型评估的实践参考也可用于二次开发与实验复现。1. 从一份 Python 密码破解分析源码说起它到底能跑出什么结果很多人第一次看到「密码破解分析系统」这几个字脑子里浮现的是暴力跑字典的脚本。但这套基于 Python 的源码包走的是另一条路它不直接硬碰密码而是用 LSTM 和 Seq2Seq 去学习真实泄露口令的编辑规律再拿模型去猜。换句话说它研究的是「人怎么改密码」而不是「机器怎么撞密码」。包里同时给了 Pass2Path、PITG 两条技术路线的训练与评估脚本还有一整套可视化绘图代码能直接产出命中率曲线、编辑距离分布图。适合做安全研究、口令强度评估、课程设计或者想拿一份能跑通的深度学习口令分析工程练手的人。下面我按「能干什么 → 怎么装怎么跑 → 坑在哪 → 怎么验证」的顺序拆一遍。2. 先看清工程结构src 目录里到底藏了哪几条技术线2.1 baseline、targuess、das 三个目录的分工解压后进src第一眼会看到baseline、targuess、das三个并列目录外加一堆散落的.py。这不是随手堆的而是三条独立可跑的分析线baseline基础统计与行为分析。user_pwd_reader.py、user_pwd_behavior.py、user_edit_behavior.py负责读原始口令 CSV、统计用户改密行为、输出structure_analysis.txt和edit_analysis.txt这类中间结果。targuess目标猜测线。核心是pitg_trainer.py、pitg_model.py、pitg_cracker.py配合pitg_preprocess.py做数据预处理pitg_evaluator.py做评估。PITG 是这套源码里最完整的训练闭环。dasPass2Path 线。pass2path_trainer.py、pass2path_evaluator.py、generate_path.py、generate_inplace_edits.py组成「生成编辑路径 → 训练 → 评估」的链路。utils目录放sample_data.py和通用工具draw目录全是绘图脚本script目录是.sh批处理入口config和figure分别放配置与架构图。理解这个分层后面找入口就不会迷路。2.2 数据流从 CSV 到命中率曲线整条链路的数据流是固定的照着走不会错原始口令 CSV含用户名、旧密码、新密码字段进入user_pwd_reader.py行为分析脚本产出编辑行为统计落到edit_analysis.txtpitg_preprocess.py把统计结果转成模型可读的序列样本pitg_trainer.py训练pitg_evaluator.py用贪婪/集束搜索算命中率draw下的脚本读评估输出画成曲线图。常见做法是先用sample_data.py生成一小份样例数据把整条链路跑通再换真实数据集。这样能避免一上来就被数据格式问题卡住。2.3 环境依赖与最小可跑配置这套代码依赖 PyTorch、pandas、numpy、matplotlib。我一般会单独建虚拟环境避免和系统里的包打架# 建独立环境Python 3.8 兼容性最稳 python -m venv pwd_env source pwd_env/bin/activate # Windows 用 pwd_env\Scripts\activate # 装核心依赖torch 按自己显卡情况选 CPU 或 CUDA 版 pip install torch pandas numpy matplotlib scikit-learn参数说明torch版本决定后面训练能不能用 GPUpitg_trainer.py里通常有device判断CPU 也能跑但慢。pandas用于读 CSVmatplotlib供draw目录调用。装完先别急着训练跑一遍python -c import torch; print(torch.__version__)确认没报错。提示如果import torch报 DLL 相关错误多半是 CPU/GPU 版本装混了卸载重装对应版本即可。3. 把 PITG 训练链路跑通预处理、训练、评估三步3.1 预处理把原始口令转成编辑序列PITG 的核心思想是把「旧密码 → 新密码」的变换拆成一系列编辑操作插入、删除、替换、移动。pitg_preprocess.py就是干这个的。跑之前要确认输入 CSV 的列名和脚本里读的字段一致否则会直接抛 KeyError。# 进入 targuess 目录先跑预处理 cd src/targuess python pitg_preprocess.py \ --input ../data/raw_passwords.csv \ --output ../data/processed/ \ --min_freq 5逻辑说明脚本读原始 CSV对每条「旧密码-新密码」对做编辑距离对齐抽取出高频编辑模式输出成训练样本。参数--min_freq 5表示出现次数少于 5 的编辑模式被过滤掉这个值调大能减少噪声但会丢长尾规律调小则样本更全但训练更慢。我一般先用 5 跑通再根据样本量调整。3.2 训练LSTM Seq2Seq 的关键参数pitg_trainer.py是训练入口内部调用pitg_model.py里的 Seq2Seq 结构编码器解码器都是 LSTM。训练前重点看三个参数学习率、batch size、训练轮数。# 启动训练输出模型权重到 checkpoints python pitg_trainer.py \ --train_data ../data/processed/train.pkl \ --valid_data ../data/processed/valid.pkl \ --epochs 30 \ --batch_size 64 \ --lr 0.001 \ --save_dir ../checkpoints/逻辑说明--epochs 30是训练轮数口令数据模式相对集中轮数过多容易过拟合--batch_size 64在显存够的情况下可以调到 128 加速--lr 0.001是常见起点如果 loss 震荡就降到 0.0005。训练过程中会打印每轮的 loss 和验证集命中率盯着验证集指标别只看训练 loss。注意如果 loss 一直不降先检查预处理输出的样本是不是空的train.pkl里样本数为 0 是最常见的翻车原因。3.3 评估贪婪搜索与集束搜索的差别pitg_evaluator.py支持两种解码策略。贪婪搜索每步取概率最高的词快但容易陷入局部最优集束搜索保留 top-k 候选命中率更高但更慢。# 用集束搜索评估beam 宽度设 10 python pitg_evaluator.py \ --model ../checkpoints/best_model.pt \ --test_data ../data/processed/test.pkl \ --decode beam \ --beam_width 10 \ --output ../results/eval_result.txt逻辑说明--decode beam切换解码方式--beam_width 10是集束宽度调大命中率通常上升但耗时线性增长。评估输出里会包含 top-10、top-100 命中率这是衡量口令猜测模型的核心指标。跑完拿results/eval_result.txt去喂draw目录的绘图脚本就能出曲线。3.4 可视化把命中率画成能放进报告的图draw目录下脚本很多常用的有draw_targuess_guessrate.py、draw_targuess_guessrate_comparison.py、draw_guessrate_via_editdistance.py。它们读评估结果输出 PNG。cd ../draw python draw_targuess_guessrate.py \ --input ../results/eval_result.txt \ --output ../figure/guessrate.png \ --title PITG Guess Rate逻辑说明--input指向评估输出--output是图片路径--title控制图标题。对比脚本draw_targuess_guessrate_comparison.py能同时读多份结果画对比曲线适合把 baseline 和 PITG 放一起比。参数改错最常见的是路径脚本不会自动找文件路径必须写对。4. 避坑与排查这套源码最容易卡住的五个地方4.1 现象预处理报 KeyError提示找不到列名原因pitg_preprocess.py里硬编码了列名常见是username、old_password、new_password而你的 CSV 列名可能是中文或别的写法。解决先用pandas打印df.columns确认列名要么改 CSV 表头要么改脚本里的字段映射。别直接改脚本逻辑改表头更快。4.2 现象训练 loss 变成 nan原因学习率过大或者预处理后的序列里有超长样本导致梯度爆炸。解决把--lr降到 0.0005 甚至 0.0001同时在pitg_model.py里确认有没有梯度裁剪常见做法是clip_grad_norm_。如果还没有手动加一行裁剪阈值设 5.0 左右。4.3 现象评估命中率全是 0原因测试集和训练集的编辑模式分布差异太大或者评估时读错了模型权重文件。解决先确认--model指向的是训练产出的best_model.pt而不是空文件再检查测试集是不是用了和训练集同一套预处理参数预处理不一致是命中率为 0 的高频原因。4.4 现象绘图脚本报中文字体缺失原因matplotlib默认字体不含中文标题里有中文就显示成方框或报 warning。解决在绘图脚本开头加plt.rcParams[font.sans-serif] [SimHei]和plt.rcParams[axes.unicode_minus] False。Linux 下没装 SimHei 就换成系统里有的中文字体。4.5 现象script 目录下的 .sh 跑不动原因.sh里写死了绝对路径或者换行符是 Windows 的 CRLF。解决用sed -i s/\r$// xxx.sh去掉回车符再把里面的路径改成自己机器上的相对路径。跑之前chmod x xxx.sh给执行权限这两步做完基本就能跑。5. 进阶玩法用 crack_with_username.py 做定向猜测与结果验证把基础链路跑通后真正有意思的是crack_with_username.py。它把用户名信息融进猜测过程——因为大量用户会把用户名变形后塞进密码里。这个脚本的用法和评估脚本类似但输入要多一列用户名输出的是针对特定用户集的定向猜测结果。cd src/targuess python crack_with_username.py \ --model ../checkpoints/best_model.pt \ --target_users ../data/processed/target_users.csv \ --top_k 100 \ --output ../results/directed_guess.txt逻辑说明--target_users是待猜测的用户列表--top_k 100表示每个用户输出前 100 个候选口令--output存结果。验证方法很直接拿输出和真实口令比对算命中率。我一般会写个小脚本做比对而不是手工看。# verify_guess.py 简易验证脚本 import pandas as pd # 读定向猜测结果和真实口令 guesses pd.read_csv(../results/directed_guess.txt, sep\t, headerNone, names[username, rank, guess]) truth pd.read_csv(../data/processed/truth.csv) # 按用户名合并判断真实口令是否落在 top_k 里 merged guesses.merge(truth, onusername) hit merged[merged[guess] merged[password]] hit_rate hit[username].nunique() / truth[username].nunique() print(f定向命中率: {hit_rate:.4f})参数说明sep\t要和输出文件的实际分隔符一致不对就换成逗号。rank列记录候选排序想看 top-10 命中率就加个merged[merged[rank] 10]过滤。这个验证脚本不依赖原工程单独跑就行。进阶方向有两个一是把--top_k从 100 调到 1000看命中率曲线的拐点在哪判断模型是否还有提升空间二是把 PITG 和 Pass2Path 两条线的结果做交集交集命中的口令往往置信度更高。我习惯每次改完参数都固定跑一遍验证脚本把命中率记在表格里避免凭感觉判断模型好坏。从那以后我每次调参都强制走一遍「训练 → 评估 → 验证」三步不再只看 loss 就下结论。希望帮到你。本文还有配套的精品资源点击获取 Python深度学习口令破解分析：LSTM与Seq2Seq源码实战
简介本资源为基于Python的密码破解分析系统源码包面向具备一定Python与深度学习基础、关注密码安全与口令猜测方向的学习者和研究人员。项目围绕密码破解数据展开涵盖数据清洗、分割与标准化等预处理流程并利用LSTM与Seq2Seq模型进行训练通过贪婪搜索和集束搜索评估命中率、召回率等指标最后借助matplotlib完成结果可视化帮助读者理解从数据到模型评估的完整分析链路。压缩包共74个文件以60个py源码文件为核心辅以6个sh脚本、3个svg架构图、2个txt说明、2个json配置及1个md文档整体约711KB结构清晰便于按模块查阅。目前已有62人学习下载适合作为密码安全分析、序列建模与模型评估的实践参考也可用于二次开发与实验复现。1. 从一份 Python 密码破解分析源码说起它到底能跑出什么结果很多人第一次看到「密码破解分析系统」这几个字脑子里浮现的是暴力跑字典的脚本。但这套基于 Python 的源码包走的是另一条路它不直接硬碰密码而是用 LSTM 和 Seq2Seq 去学习真实泄露口令的编辑规律再拿模型去猜。换句话说它研究的是「人怎么改密码」而不是「机器怎么撞密码」。包里同时给了 Pass2Path、PITG 两条技术路线的训练与评估脚本还有一整套可视化绘图代码能直接产出命中率曲线、编辑距离分布图。适合做安全研究、口令强度评估、课程设计或者想拿一份能跑通的深度学习口令分析工程练手的人。下面我按「能干什么 → 怎么装怎么跑 → 坑在哪 → 怎么验证」的顺序拆一遍。2. 先看清工程结构src 目录里到底藏了哪几条技术线2.1 baseline、targuess、das 三个目录的分工解压后进src第一眼会看到baseline、targuess、das三个并列目录外加一堆散落的.py。这不是随手堆的而是三条独立可跑的分析线baseline基础统计与行为分析。user_pwd_reader.py、user_pwd_behavior.py、user_edit_behavior.py负责读原始口令 CSV、统计用户改密行为、输出structure_analysis.txt和edit_analysis.txt这类中间结果。targuess目标猜测线。核心是pitg_trainer.py、pitg_model.py、pitg_cracker.py配合pitg_preprocess.py做数据预处理pitg_evaluator.py做评估。PITG 是这套源码里最完整的训练闭环。dasPass2Path 线。pass2path_trainer.py、pass2path_evaluator.py、generate_path.py、generate_inplace_edits.py组成「生成编辑路径 → 训练 → 评估」的链路。utils目录放sample_data.py和通用工具draw目录全是绘图脚本script目录是.sh批处理入口config和figure分别放配置与架构图。理解这个分层后面找入口就不会迷路。2.2 数据流从 CSV 到命中率曲线整条链路的数据流是固定的照着走不会错原始口令 CSV含用户名、旧密码、新密码字段进入user_pwd_reader.py行为分析脚本产出编辑行为统计落到edit_analysis.txtpitg_preprocess.py把统计结果转成模型可读的序列样本pitg_trainer.py训练pitg_evaluator.py用贪婪/集束搜索算命中率draw下的脚本读评估输出画成曲线图。常见做法是先用sample_data.py生成一小份样例数据把整条链路跑通再换真实数据集。这样能避免一上来就被数据格式问题卡住。2.3 环境依赖与最小可跑配置这套代码依赖 PyTorch、pandas、numpy、matplotlib。我一般会单独建虚拟环境避免和系统里的包打架# 建独立环境Python 3.8 兼容性最稳 python -m venv pwd_env source pwd_env/bin/activate # Windows 用 pwd_env\Scripts\activate # 装核心依赖torch 按自己显卡情况选 CPU 或 CUDA 版 pip install torch pandas numpy matplotlib scikit-learn参数说明torch版本决定后面训练能不能用 GPUpitg_trainer.py里通常有device判断CPU 也能跑但慢。pandas用于读 CSVmatplotlib供draw目录调用。装完先别急着训练跑一遍python -c import torch; print(torch.__version__)确认没报错。提示如果import torch报 DLL 相关错误多半是 CPU/GPU 版本装混了卸载重装对应版本即可。3. 把 PITG 训练链路跑通预处理、训练、评估三步3.1 预处理把原始口令转成编辑序列PITG 的核心思想是把「旧密码 → 新密码」的变换拆成一系列编辑操作插入、删除、替换、移动。pitg_preprocess.py就是干这个的。跑之前要确认输入 CSV 的列名和脚本里读的字段一致否则会直接抛 KeyError。# 进入 targuess 目录先跑预处理 cd src/targuess python pitg_preprocess.py \ --input ../data/raw_passwords.csv \ --output ../data/processed/ \ --min_freq 5逻辑说明脚本读原始 CSV对每条「旧密码-新密码」对做编辑距离对齐抽取出高频编辑模式输出成训练样本。参数--min_freq 5表示出现次数少于 5 的编辑模式被过滤掉这个值调大能减少噪声但会丢长尾规律调小则样本更全但训练更慢。我一般先用 5 跑通再根据样本量调整。3.2 训练LSTM Seq2Seq 的关键参数pitg_trainer.py是训练入口内部调用pitg_model.py里的 Seq2Seq 结构编码器解码器都是 LSTM。训练前重点看三个参数学习率、batch size、训练轮数。# 启动训练输出模型权重到 checkpoints python pitg_trainer.py \ --train_data ../data/processed/train.pkl \ --valid_data ../data/processed/valid.pkl \ --epochs 30 \ --batch_size 64 \ --lr 0.001 \ --save_dir ../checkpoints/逻辑说明--epochs 30是训练轮数口令数据模式相对集中轮数过多容易过拟合--batch_size 64在显存够的情况下可以调到 128 加速--lr 0.001是常见起点如果 loss 震荡就降到 0.0005。训练过程中会打印每轮的 loss 和验证集命中率盯着验证集指标别只看训练 loss。注意如果 loss 一直不降先检查预处理输出的样本是不是空的train.pkl里样本数为 0 是最常见的翻车原因。3.3 评估贪婪搜索与集束搜索的差别pitg_evaluator.py支持两种解码策略。贪婪搜索每步取概率最高的词快但容易陷入局部最优集束搜索保留 top-k 候选命中率更高但更慢。# 用集束搜索评估beam 宽度设 10 python pitg_evaluator.py \ --model ../checkpoints/best_model.pt \ --test_data ../data/processed/test.pkl \ --decode beam \ --beam_width 10 \ --output ../results/eval_result.txt逻辑说明--decode beam切换解码方式--beam_width 10是集束宽度调大命中率通常上升但耗时线性增长。评估输出里会包含 top-10、top-100 命中率这是衡量口令猜测模型的核心指标。跑完拿results/eval_result.txt去喂draw目录的绘图脚本就能出曲线。3.4 可视化把命中率画成能放进报告的图draw目录下脚本很多常用的有draw_targuess_guessrate.py、draw_targuess_guessrate_comparison.py、draw_guessrate_via_editdistance.py。它们读评估结果输出 PNG。cd ../draw python draw_targuess_guessrate.py \ --input ../results/eval_result.txt \ --output ../figure/guessrate.png \ --title PITG Guess Rate逻辑说明--input指向评估输出--output是图片路径--title控制图标题。对比脚本draw_targuess_guessrate_comparison.py能同时读多份结果画对比曲线适合把 baseline 和 PITG 放一起比。参数改错最常见的是路径脚本不会自动找文件路径必须写对。4. 避坑与排查这套源码最容易卡住的五个地方4.1 现象预处理报 KeyError提示找不到列名原因pitg_preprocess.py里硬编码了列名常见是username、old_password、new_password而你的 CSV 列名可能是中文或别的写法。解决先用pandas打印df.columns确认列名要么改 CSV 表头要么改脚本里的字段映射。别直接改脚本逻辑改表头更快。4.2 现象训练 loss 变成 nan原因学习率过大或者预处理后的序列里有超长样本导致梯度爆炸。解决把--lr降到 0.0005 甚至 0.0001同时在pitg_model.py里确认有没有梯度裁剪常见做法是clip_grad_norm_。如果还没有手动加一行裁剪阈值设 5.0 左右。4.3 现象评估命中率全是 0原因测试集和训练集的编辑模式分布差异太大或者评估时读错了模型权重文件。解决先确认--model指向的是训练产出的best_model.pt而不是空文件再检查测试集是不是用了和训练集同一套预处理参数预处理不一致是命中率为 0 的高频原因。4.4 现象绘图脚本报中文字体缺失原因matplotlib默认字体不含中文标题里有中文就显示成方框或报 warning。解决在绘图脚本开头加plt.rcParams[font.sans-serif] [SimHei]和plt.rcParams[axes.unicode_minus] False。Linux 下没装 SimHei 就换成系统里有的中文字体。4.5 现象script 目录下的 .sh 跑不动原因.sh里写死了绝对路径或者换行符是 Windows 的 CRLF。解决用sed -i s/\r$// xxx.sh去掉回车符再把里面的路径改成自己机器上的相对路径。跑之前chmod x xxx.sh给执行权限这两步做完基本就能跑。5. 进阶玩法用 crack_with_username.py 做定向猜测与结果验证把基础链路跑通后真正有意思的是crack_with_username.py。它把用户名信息融进猜测过程——因为大量用户会把用户名变形后塞进密码里。这个脚本的用法和评估脚本类似但输入要多一列用户名输出的是针对特定用户集的定向猜测结果。cd src/targuess python crack_with_username.py \ --model ../checkpoints/best_model.pt \ --target_users ../data/processed/target_users.csv \ --top_k 100 \ --output ../results/directed_guess.txt逻辑说明--target_users是待猜测的用户列表--top_k 100表示每个用户输出前 100 个候选口令--output存结果。验证方法很直接拿输出和真实口令比对算命中率。我一般会写个小脚本做比对而不是手工看。# verify_guess.py 简易验证脚本 import pandas as pd # 读定向猜测结果和真实口令 guesses pd.read_csv(../results/directed_guess.txt, sep\t, headerNone, names[username, rank, guess]) truth pd.read_csv(../data/processed/truth.csv) # 按用户名合并判断真实口令是否落在 top_k 里 merged guesses.merge(truth, onusername) hit merged[merged[guess] merged[password]] hit_rate hit[username].nunique() / truth[username].nunique() print(f定向命中率: {hit_rate:.4f})参数说明sep\t要和输出文件的实际分隔符一致不对就换成逗号。rank列记录候选排序想看 top-10 命中率就加个merged[merged[rank] 10]过滤。这个验证脚本不依赖原工程单独跑就行。进阶方向有两个一是把--top_k从 100 调到 1000看命中率曲线的拐点在哪判断模型是否还有提升空间二是把 PITG 和 Pass2Path 两条线的结果做交集交集命中的口令往往置信度更高。我习惯每次改完参数都固定跑一遍验证脚本把命中率记在表格里避免凭感觉判断模型好坏。从那以后我每次调参都强制走一遍「训练 → 评估 → 验证」三步不再只看 loss 就下结论。希望帮到你。本文还有配套的精品资源点击获取