文本口令是目前应用最广泛的身份认证方式之一。随着人们安全意识的提高,长口令越来越受用户和系统管理员欢迎。口令猜测算法能有效识别弱口令,指导用户构造更安全的口令。然而目前国内外对长口令猜测算法的研究较少。因此对长口令猜测算法的研究是具有现实意义的。目前已泄露的真实口令集中,长口令的占比较低（Rockyou口令集中长度不小于12的口令占5.5%）。这约束了传统数据驱动猜测算法对长口令的猜测效率。由于可用于训练的长口令数量较少,传统数据驱动口令猜测算法（基于Markov模型的口令猜测方法和基于PCFG的口令猜测方法）无法得到充分训练,因而对长口令的猜测效率不高。基于语料库的口令猜测方法（语料乘积方法和变形语料乘积方法）在小训练集口令猜测场景有较好的猜测效率,但在长口令猜测场景表现不佳。因此,研究能够克服长口令稀缺困境的口令猜测方法是具有一定挑战性的。本文从高频口令、高频字符类型结构和高频字符类型子串等角度分析了真实口令集中的长口令,并使用语料乘积方法分析真实口令集的语料转移特征,使用变形语料乘积方法分析口令集的变形特征。在此基础上,我们创新性地提出了口令猜测规则扩展方法。该方法能够扩展语料乘积规则与变形语料乘积规则,提高规则集合对长口令的猜测效率。该方法能够在训练集只有大量短口令而缺乏长口令的情况下,或拥有大量短口令和少量长口令的情况下,扩展生成长口令猜测规则。本文设计了六个实验测试规则扩展方法对长口令的猜测效率,规则扩展方法均取得较好的效果。测试结果显示,规则扩展方法对长口令训练集的依赖程度较低,在长口令训练集为空集时对长口令保有较高的猜测效率:在训练集为Rockyou短口令,测试集为Rockyou长口令的测试中,猜测次数为1016时,规则扩展方法的猜测命中率高达69.02%。规则扩展方法在猜测次数较大时优于语料乘积方法和变形语料乘积方法:在训练集为Rockyou,测试集为Yahoo的长口令猜测实验中,猜测次数为1016时,本文方法的猜测命中率比语料乘积方法高13.61%;在训练集为Rockyou,测试集为Yahoo的复杂长口令猜测实验中,猜测次数为1016时,本文方法的猜测命中率比变形语料乘积方法高11.64%。本文方法在猜测次数较小时不如TransPCFGI,但随着猜测次数的增大,本文方法逐渐缩小差距并超越TransPCFGI方法。