Czy AI potrafi złamać Twoje hasło? Najnowsze badania australijskich naukowców przynoszą ulgę. Okazuje się, że ChatGPT jest w tym zadaniu zaskakująco słaby.
W skrócie:
- Australijscy naukowcy sprawdzili, jak duże modele językowe radzą sobie z odgadywaniem haseł. Wykorzystali do tego fikcyjne profile użytkowników i trzy różne modele AI.
- Skuteczność sztucznej inteligencji w odgadywaniu haseł okazała się niższa niż 1,5%. Prawidłowe hasło prawie nigdy nie pojawiało się w pierwszej dziesiątce propozycji.
- Tradycyjne narzędzia hakerskie, oparte na słownikach i regułach, wciąż są znacznie skuteczniejsze niż uniwersalne modele językowe, które nie były trenowane na hasłach.
Przez ostatnie lata w świecie cyberbezpieczeństwa unosiło się pytanie, które spędzało sen z powiek ekspertom i zwykłym użytkownikom. Skoro duże modele językowe (LLM) z taką finezją piszą kod, streszczają elaboraty i tworzą poezję, to czy nie staną się ostateczną bronią w rękach hakerów do łamania haseł? W końcu rozumieją kontekst, uczą się wzorców i potrafią kojarzyć fakty. Zespół badaczy z Australii postanowił rzucić rękawicę tej hipotezie. Ich wnioski, opublikowane na łamach serwisu arxiv.org, są wyjątkowo – i przyjemnie – uspokajające.
Czy ChatGPT zna Twoje hasło? Australijczycy mówią: “sprawdzam”
Teoretycznie scenariusz wyglądał groźnie. Wystarczy podsunąć modelowi AI kilka informacji o celu – imię, nazwisko, hobby, ulubiony klub sportowy czy imię psa – a ten, bazując na milionach przeanalizowanych tekstów, powinien wygenerować listę prawdopodobnych haseł. Kombinacje w stylu “Kasia1995!”, “legiawarszawa” czy “pikuś123” to wciąż, niestety, chleb powszedni internetu. Ludzie są przewidywalni, a AI jest mistrzem w wykorzystywaniu przewidywalnych wzorców. A przynajmniej tak nam się wydawało.
Australijscy naukowcy postanowili przełożyć teorię na praktykę. Zbudowali kontrolowane środowisko testowe, aby bez żadnych wątpliwości sprawdzić, czy modele pokroju ChatGPT rzeczywiście mają smykałkę do zgadywania. Stworzyli zestaw fikcyjnych profili, z których każdy zawierał typowy zestaw danych osobowych. Do każdego profilu przypisali jedno hasło, skonstruowane według ludzkich, często nielogicznych, ale powtarzalnych nawyków. Zadanie dla AI było proste: “oto dane o użytkowniku, podaj listę jego najbardziej prawdopodobnych haseł”.
Jak wyglądał test, który upokorzył AI?
Badacze podeszli do sprawy metodycznie. Poprosili o pomoc trzy różne duże modele językowe, a ich skuteczność mierzyli za pomocą standardowych wskaźników, takich jak Hit@10. Co to oznacza w praktyce? Wyobraź sobie, że AI podaje dziesięć swoich najlepszych “strzałów”. Wskaźnik ten sprawdza, czy prawdziwe hasło znalazło się na tej krótkiej liście. Wynik? Bezlitosny dla sztucznej inteligencji. Niezależnie od konfiguracji, skuteczność modeli w tej metryce oscylowała poniżej 1,5%. To tyle, co nic. W przytłaczającej większości przypadków prawidłowe hasło nie pojawiało się nawet w pierwszej dziesiątce propozycji.
Dla porównania, klasyczne narzędzia do łamania haseł – takie jak Hashcat czy John the Ripper – w podobnych warunkach osiągają nieporównywalnie lepsze rezultaty. Te programy nie próbują “rozumieć” człowieka. One działają w oparciu o brutalną siłę, gigantyczne słowniki najpopularniejszych haseł oraz zestawy reguł, które modyfikują słowa (np. zamieniając “a” na “@” lub dodając cyfry na końcu). Okazuje się, że wyspecjalizowany “rzemieślnik” wciąż jest o wiele lepszy od wszechstronnego, ale jednak uniwersalnego “filozofa”, jakim jest LLM.
Dlaczego sztuczna inteligencja zawiodła jako haker?
Porażka modeli językowych ma głębsze podłoże. Badacze wskazują, że wynika ona z samej natury ich treningu. LLM‑y uczą się na ogromnych zbiorach danych tekstowych – książkach, artykułach, stronach internetowych, fragmentach kodu. Hasła, z natury rzeczy, prawie w tych zbiorach nie występują. A jeśli już, to w formie zanonimizowanej lub jako losowe ciągi znaków. Model nie ma więc skąd czerpać statystycznej “intuicji” na temat tego, jak ludzie tworzą swoje zabezpieczenia.
Co więcej, modele te są genialne w uogólnianiu i tworzeniu sensownych, stylistycznie poprawnych zdań. Zgadywanie hasła to jednak zadanie z zupełnie innej bajki. Jest bliższe precyzyjnemu odtworzeniu zapamiętanego ciągu znaków, a nie kreatywnemu generowaniu treści. To pięta achillesowa AI – tam, gdzie kończy się ogólna reguła, a zaczyna specyficzny, arbitralny wyjątek, model po prostu się gubi. I całe szczęście.
Spokojnie, ale nie za bardzo. Jak dbać o hasła?
Wyniki badania przynoszą ulgę, ale nie mogą uśpić naszej czujności. To, że AI nie zgadnie naszego hasła, nie oznacza, że jesteśmy bezpieczni. Wręcz przeciwnie. Cyberprzestępcy wciąż dysponują potężnym arsenałem innych metod. Phishing, złośliwe oprogramowanie, ataki socjotechniczne – to wszystko pozostaje realnym zagrożeniem. Zresztą ta sama sztuczna inteligencja, która poległa na zgadywaniu haseł, może napisać perfekcyjnie brzmiącego maila phishingowego, który skłoni nas do samodzielnego podania danych na tacy.
Dlatego podstawowe zasady cyfrowej higieny pozostają niezmienne. Po pierwsze, używaj menedżera haseł (np. Bitwarden, 1Password), który generuje i przechowuje długie, losowe ciągi znaków. Po drugie, wszędzie tam, gdzie to możliwe, włącz uwierzytelnianie dwuskładnikowe (2FA). Po trzecie, nigdy nie używaj tego samego hasła w dwóch różnych serwisach. Nawet najlepsze zabezpieczenia nie pomogą, jeśli sami otworzymy drzwi złodziejowi. A ten pukać nie przestanie.