随着计算机的普及和互联网的发展,安全问题也日益增多。为了应对日益严峻的安全问题,往往使用身份认证技术区分授权与非授权用户,从而保证系统和数据的安全。基于口令的身份认证是最简单、最常用的身份认证方式。多项研究表明,密码的概率分布并不均匀。密码字典生成技术首先通过分析大量用户密码得到特征,然后根据特征生成密码字典。生成的密码字典中包含了最有可能出现的用户密码。本文将深度学习应用于密码字典生成,针对离线攻击和在线攻击两种场景,设计与实现了非特定用户密码字典生成与特定用户密码字典生成。其中,非特定用户密码字典生成利用循环神经网络了挖掘用户密码的共性特征,该方法生成的密码字典相比Markov、PCFG等方法生成的密码字典,在多个测试数据集上覆盖率更高,说明该字典能有效提高字典攻击性能;特定用户的密码字典生成使用循环神经网络挖掘用户密码与用户个人信息之间的潜在规律,实验证实该技术能结合用户个人信息猜测用户密码结构,更进一步可以结合用户个人信息生成用户密码,在已知用户个人信息情况下,相比Markov、PCFG等方法能够提高生成该用户密码的正确率,相比TarGuess方法能提高一次猜中该用户密码的正确率。