文本口令是互联网主流的身份认证方式,对保护用户的信息安全至关重要。本文从用户构造口令的规律性入手,重点研究口令猜测技术,来提升口令猜测的成功率,对口令恢复、口令评估等实际应用具有重要意义。首先,本文对多个真实口令集进行了特征分析。我们从常见口令、口令长度分布、字符频率、字符类型结构,身份信息使用频率和口令重用等角度,比较了中国大陆与欧美两个地区的口令规律。并介绍了PCFG、Markov和语料乘积规则等3种主流猜测方法。接下来,本文创新性地提出了变形语料乘积规则方法。变形语料乘积规则基于字符串近似匹配来对口令进行分词,能够支持识别变形口令的结构特性。该方法主要针对结构复杂的口令进行猜测。实验证明,针对欧美地区的复杂口令,当猜测次数小于10¹¹时,变形语料乘积规则的猜测效率要高于语料乘积规则方法。在多个猜测实验中,当猜测次数为10⁹时,该方法的猜测成功率均高于PCFG和Markov方法。并且变形语料乘积规则的猜测字典生成速度是PCFG方法的248倍。最后,本文将变形语料乘积规则与用户个人信息和重用口令结合,提出定向规则猜测方法。该方法在已知用户身份信息和重用口令情况下,能够大幅度提升猜测成功率。在12306&duduniu口令集的实验中,在已知用户身份信息和重用口令时,只需猜测5次即可达到36.69%的成功率;当猜测次数达到10⁵,成功率达到56.56%。经过对比实验,在猜测次数小于100时,定向规则的猜测成功率要高于Person-PCFG方法。在猜测次数小于30000时,定向规则的猜测效率要高于Hashcat的碰撞变形方法。