你的密碼真的安全？看看當年三百萬樣本中的弱密碼規律
編者按：昨天，烏雲漏洞報告平台宣佈網易郵箱漏洞過億數據泄漏，數據達億級別。阿里巴巴可視化工程師周寧奕（主攻 webgl、海量數據可視化、地理相關可視化，曾在參數化事務所 hhd-fun 工作）寫了一篇文章，討論了下現在最常被使用的各種不合理密碼，以及究竟什麼密碼才比較安全。文章首發於其微信公眾賬號“數學的美學世界”（ID：mathartworld），授權 36 氪發佈。
昨天，烏雲漏洞報告平台宣佈網易郵箱漏洞過億數據泄漏，我去，據説有億級別的用户密碼流出...
現在網易官方還在和烏雲互掐，真相估計還要時間，但小編反問，你的密碼設計合理嗎？
2011 年起有一系列重大網站密碼泄露，csdn 社區、人人網、多玩網、微博的部分密碼數據都被掛到了網上（數據請自行 google，本文討論思路，展示結果，不泄露信息）。
我們以當時微博的 3315156 條用户名密碼數據，開始分析之旅。
工具（可以選擇略過這段！）
而我們下載到的文件類似於 csv (逗號分隔) 或 tsv 格式（空格分隔）數據，如下：
數據很大，需要的查詢可能很複雜，純腳本處理很難勝任，我們需要數據庫, 本文用 mongoDB。
我們可以在命令行裏使用 mongoimport 命令導入數據，也可以使用腳本（我用 node.js）導入，腳本更靈活。導完後，可以直接在命令行（如 mac 的 terminal）查詢:
以上，括號裏面的叫查詢條件，這在本文中很重要，我們可以在查詢條件裏插入正則表達式（網上資料大大的），讓查詢變得更復雜:
最後，有時候我們要統計，比如密碼以 a、b、c、d..，各有多少，這時我們需要用 mapreduce 進行累加。
嘿嘿，工具只是手段，白貓黑貓，能抓老鼠的就是好貓。
讓我們啟程！
密碼 top 100
首先跑出重複率前 100 的密碼， 以下是前 20:
很容易發現規律，俺將密碼主人分五大派系：
- 極懶派
- 手勢派
- 規律派
- 手機派
- 生日派
- 情感派
一、極懶派
這 3 萬多同學真是懶的令人髮指,也刷新了哥的常識，喝喝...
1. 那時候微博竟然能通過一個字的密碼。
2. password 也是老外的高頻詞，我不知道是不是某些網站輸入框裏 password 提示詞，或是很多設備默認密碼是這個。
3. 單字重複型，如 11111，讓我們深入發掘下。
4. 最有意思的是 163.com 和 @qq.com 出現的頻率，而這 1000 多用户，密碼=用户名後半部分... 醉了
- 極懶派之 一字重複 n 次
統計形如 ‘aa’, ‘11111’, 'ssssssss’ 這類若干個相同單字的密碼總數:
我統計了 1、2、3、4、5、6、7、8、9、0、q、a、z、w、s、d 的頻率分佈，其中用 11111 型的用户最多，這些密碼總計 6w 多人，佔 2%。
- 極懶派之 用户名＝密碼
上述統計不包含用户名和密碼相同的密碼，這部分密碼共有多少呢? 以 [email protected] 為例，我們統計 [email protected] / abcd / @qq.com 這 3 種模式的數量之和：
99671 個人，有點意外，整整佔了 3% 呢!
二、手勢派
密碼太長，能在鍵盤上排成一種形狀，記憶成本就大大壓縮，在密碼排行榜上，和圖形有關的密碼是哪些？ 123456 云云者，勉強算吧，在數字鍵盤劃一字。同理 qwerty 開頭的也是這個原理。
對此，我看到一位老外很牛逼地總結了 20 種模式:
這個模式很牛逼，圖上是鍵盤密碼。但 11年 已經有很多人用手機上微博了。有不少這種手機鍵盤：
因此很多密碼的原理就迎刃而解了：
三、規律派
記住一串數字的規律，我們就可以把一串簡單的數字演繹成複雜密碼，而你記住規則就好。
很勉強，123456 就是個等差數列 fn = n 而 13579 是 fn = 2*n-1
很多人會用疊詞 如 123123，112233，或疊加後對稱 123321 。
高分密碼有這些:
可以引申下，同樣是數列，用了中學知識就不一樣啦，假設我們讓 fn = n^2, 我們就可以構造一個數列了：
1 2 3 4 5 6 -> 1 4 9 16 25 36…
我查詢了含有 1491625 的所有密碼，共找到 30 幾個，真是海內存知己（因為曾經我也是這麼設計的）
同理 1 8 27 64 125 的只有 3 個人，高手啊
如果你拿 12345 開根號、取三角函數、取對數，忘記密碼，在手機計算機裏算一遍（別忘了公式）。
海內無知己，天涯只有你，你贏了！
四、手機派
使用自己和親人的生日、電話、手機做密碼，已是我對普通密碼的印象了，這部分人究竟多不多？
用手機做密碼，一開始我設置了 11 位的數字的條件，但是有很多錯誤的結果。好在網上有對手機號碼檢測的正則表達式，包含了 2013年 前所有的手機字段:
- 移動：139 138 137 136 135 134 147 150 151 152 157 158 159 178 182 183 184 187 188
- 聯通： 130 131 132 155 156 185 186 145 176
- 電信： 133 153 177 180 181 189
- 虛擬運營商：170
因此大哥整理了一個可以查詢手機號的正則表達式：
親測有效哦，出來的密碼幾乎都是手機號， 172418 個同學用手機號做密碼 佔比 5%。
五、生日 / 紀念日派
我們查詢所有包含年份的密碼，這些年份都以 19 和 20 開頭，且有 4 位連續數字， 考慮到 5201314 (我愛你一生一世) 也是高頻密碼，且密碼數據的時間為 2011年，此時 2013 不該出現，所以排除 2011年 以後的年份，我們得到如下結果:
543559 個密碼使用了年份，佔總量的 18%。 真不是小數字，但數據還是很複雜，有大量年份和字母，符號混合的，也不一定就是年份。那我們縮小範圍，如果包含生日的有多少人？
月份比較複雜，1月1日 出生的，也許寫 11，也許寫 0101，也有 1.1、1-1 的。但後者其實比較少，且在在一篇分析人人和 csdn 密碼的文章裏看到 YYMMDD 型的生日是最多的:
那我們的查詢如下：
318022 個密碼符合條件 佔總量的 10%。
這批密碼還是頗為複雜，因為很多人在字母和其他數字後加入生日的，僅以生日作為密碼的人會有多少？
答案是 137697, 4%的人用自己生日做密碼，而其中，也有些奇葩的答案，如好幾個 19190504。我去，這是 xx 團委的公眾號麼…
六、情感派
寫一句有含義的密碼，寫什麼重複率最高？
現實裏壓抑的我們難得一説我愛你，不論國內國外，都有很多人對着服務器許願，説出 wo ai xx，這些我愛你型密碼的總數讓我非常震驚。
這份密碼數據裏，woaini 以 2659 次重複榮居意義型密碼榜首，iloveyou 則不到 woaini 的一半。 但事實上文字版的都弱爆了，位居第五名的 5201314（我愛你一生一世）有 15000 個人同時使用，還有各種變體…其中第 13 名最缺愛 7758521（親親我吧愛我吧）
除了我愛你，我還愛誰？ 讓我們查詢任何含有 woai（我愛）的密碼，還是基本都是在各種愛你… 偶爾有 woaiwojia woaishui woainima… 有意思的是我愛我家，這中介公司的名字取得真是合理。
如果我們查詢含有 ‘wo’ 字的密碼，也會發現我最喜歡做的事情就是愛 xx… 除了愛你，我還愛誰呢，老公、老婆、媽媽、爸爸？…
woailaopo + laopowoai 的人數有 291 人 。
laogongwoai 和 woailaogong 的人數有 98 人。
這些都是少數派密碼了。
我們試試我愛媽媽 (201) 和我愛爸爸 (60) 的比例，竟然也是 3:1。
出於好奇，我又統計了密碼裏包含’ laopo’ 的和包含’ laogong’ 的比例:
老公: 454
老婆: 1118
包含老公的密碼基本都是形如: ‘zuiailaogong’、 ‘qinaidelaogong’、 ‘pplaogong’,我擦看不下去了，真是一部 show 恩愛寶典…
愛老婆的數量還是完勝，可惜，這是一組良莠不齊的密碼， 還是有不少形如 laopo38、 laoposhizhu choulaopo laopocaolei sblaopo777 的密碼…（總數還是不算多）
相反，罵人的人比例很少，fuck shit cao 説的人都不算多。而這其中，也有些有趣的點:
魯迅在雜文《論他媽的》中説他媽的是中國的國罵，但是時代變了，也許是受了上古十大神獸草泥馬（當年暴走漫畫王尼瑪還沒火吧），nima 的頻率 2714 次遠高於 tama 101 次。也完勝 ‘fuck’、 ‘shit’、 'wocao’ 這些 400-500 次之間的詞。
用什麼字做密碼最安全
我不是黑客，不知破解算法是怎麼做的，但只要鍵入一個字，就讓你的密碼與眾不同，你會怎麼敲？ 我們對密碼裏用到的所有字進行統計，得出下圖：
1 是第一名，被 300 多萬用户累計輸入 300 多萬次，1 是一個很有趣的數字，超過 60%的人密碼會用到 1，而 30%的人會以 1 作為密碼開頭， 可以看到’.’ ‘@’ 等特殊字符，在符號裏排名很靠前。曾經看到説用’_‘在密碼裏較為安全，因為比’-‘少，事實上也的確如此，但你何必按 shift 打_號呢，’,'的比例比前面所有的標點符號都少。
我們可以看到，數據下降非常快速，有規律可循嗎？將柱狀圖的大小全部取對數，那麼四大陣營的階梯形一覽無餘： 1-9 排在了所有的字母之前，幾乎所有的字母排在了大寫字母之前：
最後，糾正一個數據錯誤，我們看到 ‘E’ 和 ‘+’ 的比例非常異常，他們理應沒有那麼多，為什麼？
好，看到這裏，你應該覺得很熟悉, 5201314,123456, 都是熟悉的密碼，而 E+13 這種也很熟悉。excel 裏輸入一個長度超過 11 位的純數字，excel 會自動將數字轉化為這個樣子的。這份數據應該是被誰用 excel 打開後又保存了，所以，大寫字母最多的應該是 ‘A’，而 '+'的用量也排不到符號類的第二名。
你的密碼安全嗎
回到 2011年，我在微博上找一個郵箱，然後破解你的密碼，哥成功的概率有多大？
前 100 名的密碼,第一名的密碼 123456 共 165882 條,佔 5%。前 10 名的密碼有 316085 條，佔 10%，而前 100 條密碼共 442555 條，佔 15%
累計 15%的人能被這 100 個密碼破解。
用户名和密碼匹配（包含之前提到的前綴相同，後綴相同和 後綴 +@ 相同）共 99671 人。
累計計 18%的用户都會在 103 次窮舉後被破解。
近 100年 的生日有 365*100 個，如果我遍歷那麼多次，總有一個是對的，這樣我可以破解 4%的密碼。
累計 22%的人已經被破解。
倘若我知道你的手機號碼，5%的人的密碼會被破解，累計 27%
如果我知道你的名字 (這份數據無法分析你的名字和密碼的關係) 這個比例會更高。
2011年，1/3 的人密碼是不安全的。
你覺得你的密碼設計的科學嗎？
參考：
[ZIPF 分佈、PARETO 分佈和冪律分佈]
[CSDN 及人人網的用户密碼分析]
[最新手機號碼驗證正則表達式]
本文來自讀者投稿，不代表 36氪 立場
“看完這篇還不夠？如果你也在創業，並且希望自己的項目被報道，請戳這裏告訴我們！”
資料來源：36Kr