Original title: Hádání hesel pomocí generativní AI
Translated title: Password Guessing with Generative AI
Authors: Brída, Adam ; Ondryáš, Ondřej (referee) ; Hranický, Radek (advisor)
Document type: Bachelor's theses
Year: 2026
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Tato bakalářská práce se zabývá využitím generativní umělé inteligence v oblasti lámání hesel. Jejím hlavním cílem je návrh a implementace nástroje pro generování kandidátních hesel a jeho následné porovnání s existujícími metodami založenými na hlubokém učení. Výsledné řešení využívá hybridní architekturu CVAE-ScratchGAN, která byla navržena v rámci této práce. Tato architektura kombinuje podmíněný variační autoenkodér, který umožňuje přesné řízení požadované struktury hesel, s generativní adversariální sítí zajišťující realističnost generovaných hesel. Nástroj je schopen naučit se distribuci z rozsáhlých datových sad uniklých hesel (např. RockYou) a na jejím základě vytvářet nová pravděpodobná hesla. Výsledky experimentálního vyhodnocení ukazují, že navržený model představuje efektivní alternativu k současným přístupům. Oproti jiným nástrojům vyniká především nižší výpočetní náročností, schopností tvořit hesla na základě strukturálních politik a vysokou rychlostí generování, díky které v časově omezeném srovnání překonává i známé transformátorové modely. This bachelor's thesis deals with the use of generative artificial intelligence in the field of password cracking. Its main goal is to design and implement a tool for generating candidate passwords and to compare it with existing deep learning methods. The proposed solution uses a hybrid architecture CVAE-ScratchGAN, which was designed as part of this thesis. This architecture combines a conditional variational autoencoder for controlling the structure of passwords and a generative adversarial network for achieving realistic passwords. The tool is capable of learning the password distribution from large datasets of leaked passwords (e.g., RockYou) and generating new plausible passwords based on the learned distribution. The results of the experimental evaluation demonstrate that the proposed model is an effective alternative to current approaches. Compared to other tools, it stands out mainly for its lower computational complexity, the ability to generate passwords based on structural policies, and high generation speed, allowing it to outperform well-known transformer-based models in time-constrained scenarios.
Keywords: CVAE; cybersecurity; deep learning; generative AI; hybrid architecture; Password guessing; ScratchGAN; CVAE; generativní AI; hluboké učení; hybridní architektura; Hádání hesel; kybernetická bezpečnost; ScratchGAN

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/258143

Permalink: http://www.nusl.cz/ntk/nusl-777024


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses