Generation and classification of passwords using Markov models

Lozinke su u današnje doba glavni način za ograničavanje pristupa resursima na mreži. Korisnici računalnih usluga prilikom odabira lozinke rijetko razmišljaju o razini sigurnosti koju pruža. Komercijalni alati za klasifikaciju lozinki rade na principu empirijski zadanih pravila koja će korisnika dosta često navesti da stvori teško pamtljivu lozinku ili u većini slučajeva slabu lozinku. Klasifikacija koju takvi alati provode je temeljena na ideji da će napadač raditi brute force napad iako postoje puno sofisticiranije metode za probijanje lozinki koje koriste leksikografska svojstva jezika prilikom pogađanja lozinke i smanjuju vrijeme potrebno za probijanje lozinke. Cilj ovoga rada je izrada rješenja koje će omogućiti korisniku stvaranje sigurne i lako pamtljive lozinke. Predložit će se sustav za klasifikaciju koji utvrđuje vjerojatnost da napadač pogodi lozinku ako koristi statistički napad Markovljevim modelom.Passwords are nowadays the main way to restrict access to online content. When choosing a password, computer users rarely think about the level of security they provide. Commercial password classification tools will often force the user to create a password that is hard to remember or in most cases a weak password. Such tools do classification based on the idea that an attacker will perform a brute force attack, although there are much more sophisticated methods for cracking passwords. The goal of this paper is to create a solution that will allow the user to create a secure and easy to remember password. A classification system will be proposed to determine the likelihood of an attacker guessing a password if using a statistical attack based on Markov models