随着大数据、人工智能等科技的蓬勃发展,信息安全问题逐步成为当今社会最紧要的问题之一,国家更是出台了多项信息安全方面的要求规划,强调注重发展的同时要兼顾安全。而在各类信息安全问题中最不容忽视的就是个人信息泄露问题,攻击者会利用窃取到的用户个人信息对该用户进行攻击,导致被攻击用户在个人隐私、财产等诸多方面遭受巨大损失,因此,当前如何更好地保护和解决个人信息安全问题,成为了社会各界关注的焦点。身份认证技术因具有良好的普遍适用性,常被作为最基本的保障信息安全的手段,应用在基于口令的安全验证场景中,由此吸引了越来越多的研究人员逐渐开始了对口令安全问题的研究。为研究口令安全,学者们提出了各种口令猜测概率模型,并巧妙地运用到传统概率猜测算法中。传统概率猜测算法不借助用户的个人信息,而是关注用户会采取的流行口令,这意味着攻击者只能凭借通用的流行口令,对用户进行猜测攻击,这种方法具有极大的局限性。论文在传统概率猜测模型的基础上,主要关注定向猜测模型,与传统概率猜测模型不同的是,定向猜测模型可以借助用户的个人信息,从而帮助攻击者分析用户行为,实现对用户更有效的攻击,这在当下不断发生大规模个人信息泄露事件的大数据时代面前,定向猜测模型所带来的威胁是不容忽视的。论文的主要工作如下:1.论文吸取了已有算法的经验,通过结合用户真实口令的结构特征,对基于概率上下文无关文法方法的定向口令解析算法进行了改进。经过改进的解析算法能够进一步捕捉到用户的行为特征,达到提升猜测成功率的效果。2.提出了两种分别基于门控循环单元神经网络和生成式对抗神经网络的定向口令猜测方案。方案首先将解析后的口令规则,分别输入论文搭建的基于门控循环单元及生成式对抗网络的预测模型,其次经过训练得到遵循真实口令分布的扩充规则集,最后根据用户个人信息以及在口令解析过程得到的字母、数字、特殊字符字段的频次表,生成目标用户的猜测口令集。论文根据数据统计结果,采用提出设想并通过实验验证的论证方式,对提出的基于类型的个人可标识信息匹配的优化方式,即“数字+字母”、“字母+特殊字符”、“数字+特殊字符”（普遍应该为“字母”、“数字”）进行一系列研究。通过在含有用户个人信息的铁路12306数据集上进行猜测攻击实验,并与其他定向口令猜测方案进行对比。实验结果表明,论文提出的两种方案均在不同程度上提高了口令猜测成功率,弥补了以往猜测算法的不足,对定向口令猜测算法的研究具有一定的现实意义。