編者按：昨天，烏云漏洞報告平臺宣布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，以及究竟什么密碼才比較安全。

昨天，烏云漏洞報告平臺宣布網易郵箱漏洞過億數據泄漏，據說有億級別的用戶密碼流出。現在網易官方與烏云各執一詞，真相估計還需要時間，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 條用戶名密碼數據，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于 csv (逗號分隔) 或 tsv 格式(空格分隔)數據，如下：

 

 

數據很大，需要的查詢可能很復雜，純腳本處理很難勝任，我們需要數據庫, 本文用 mongoDB。

我們可以在命令行里使用 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。導完后，可以直接在命令行(如 mac 的 terminal)查詢:

 

 

以上，括號里面的叫查詢條件，這在本文中很重要，我們可以在查詢條件里插入正則表達式(網上資料大大的)，讓查詢變得更復雜:

 

 

最后，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

首先跑出重復率前 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發指,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里 password 提示詞，或是很多設備默認密碼是這個。

3. 單字重復型，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 多用戶，密碼=用戶名后半部分... 醉了

極懶派之 一字重復 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 的頻率分布，其中用 11111 型的用戶最多，這些密碼總計 6w 多人，占 2%。 

 

極懶派之 用戶名=密碼

上述統計不包含用戶名和密碼相同的密碼，這部分密碼共有多少呢? 以 abcd@qq.com 為例，我們統計 abcd@qq.com / abcd / @qq.com 這 3 種模式的數量之和：

99671 個人，有點意外，整整占了 3% 呢!#p#

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： 

#p# 

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復雜密碼，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，或疊加后對稱 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(因為曾經我也是這么設計的)

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，在手機計算機里算一遍(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 占比 5%。#p#

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 以后的年份，我們得到如下結果:

 

 

543559 個密碼使用了年份，占總量的 18%。 真不是小數字，但數據還是很復雜，有大量年份和字母，符號混合的，也不一定就是年份。那我們縮小范圍，如果包含生日的有多少人?

月份比較復雜，1月1日 出生的，也許寫 11，也許寫 0101，也有 1.1、1-1 的。但后者其實比較少，且在在一篇分析人人和 csdn 密碼的文章里看到 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 占總量的 10%。

這批密碼還是頗為復雜，因為很多人在字母和其他數字后加入生日的，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 團委的公眾號么…

六、情感派

寫一句有含義的密碼，寫什么重復率最高? 

 

現實里壓抑的我們難得一說我愛你，不論國內國外，都有很多人對著服務器許愿，說出 wo ai xx，這些我愛你型密碼的總數讓我非常震驚。

這份密碼數據里，woaini 以 2659 次重復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。

出于好奇，我又統計了密碼里包含’ 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 說的人都不算多。而這其中，也有些有趣的點:

魯迅在雜文《論他媽的》中說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 次遠高于 tama 101 次。也完勝 ‘fuck’、 ‘shit’、 'wocao’ 這些 400-500 次之間的詞。

用什么字做密碼最安全

我不是黑客，不知破解算法是怎么做的，但只要鍵入一個字，就讓你的密碼與眾不同，你會怎么敲? 我們對密碼里用到的所有字進行統計，得出下圖： 

 

1 是第一名，被 300 多萬用戶累計輸入 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，在符號里排名很靠前。曾經看到說用’_‘在密碼里較為安全，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，那么四大陣營的階梯形一覽無余： 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： 

 

最后，糾正一個數據錯誤，我們看到 ‘E’ 和 ‘+’ 的比例非常異常，他們理應沒有那么多，為什么? 

 

好，看到這里，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 里輸入一個長度超過 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 打開后又保存了，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，然后破解你的密碼，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,占 5%。前 10 名的密碼有 316085 條，占 10%，而前 100 條密碼共 442555 條，占 15%

累計 15%的人能被這 100 個密碼破解。

用戶名和密碼匹配(包含之前提到的前綴相同，后綴相同和 后綴 +@ 相同)共 99671 人。

累計計 18%的用戶都會在 103 次窮舉后被破解。

近 100年 的生日有 365*100 個，如果我遍歷那么多次，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系) 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 分布、PARETO 分布和冪律分布]

[CSDN 及人人網的用戶密碼分析]

[最新手機號碼驗證正則表達式]