Eggheads公司已經(jīng)構(gòu)建起一套機器學習系統(tǒng)，它對人們在網(wǎng)絡(luò)上使用的數(shù)百萬條密碼進行研究，進而猜測人們可能使用的其它密碼內(nèi)容。 在利用PassGAN對兩套大型密碼數(shù)據(jù)集進行評估時，實際效果平均達到John Ripper SpyderLab規(guī)則的2倍，而且亦可與HashCat的best64以及gen2規(guī)則一爭短長——結(jié)果為HashCat處理結(jié)果的2倍之內(nèi)。更重要的是，當PassGAN的輸出結(jié)果同HashCat的輸出結(jié)果相結(jié)合時，能夠匹配較HashCat自身高18%到24%的密碼比例。這意味著預測密碼內(nèi)容不在是天方夜譚。