https://github.com/trykatchup/tesi-triennale
Progetto di strumenti basati su Deep Neural Network per la rilevazione di similarità tra password (Tesi Triennale, Ingegneria Informatica T - Alma Mater Studiorum, Università di Bologna)
https://github.com/trykatchup/tesi-triennale
artificial-intelligence deep-neural-networks nlp password password-similarity security-privacy-machine-learning
Last synced: about 2 months ago
JSON representation
Progetto di strumenti basati su Deep Neural Network per la rilevazione di similarità tra password (Tesi Triennale, Ingegneria Informatica T - Alma Mater Studiorum, Università di Bologna)
- Host: GitHub
- URL: https://github.com/trykatchup/tesi-triennale
- Owner: TryKatChup
- License: cc-by-sa-4.0
- Created: 2021-01-23T23:43:48.000Z (over 4 years ago)
- Default Branch: main
- Last Pushed: 2021-03-22T15:48:59.000Z (about 4 years ago)
- Last Synced: 2025-01-22T23:26:35.337Z (4 months ago)
- Topics: artificial-intelligence, deep-neural-networks, nlp, password, password-similarity, security-privacy-machine-learning
- Language: TeX
- Homepage:
- Size: 7.63 MB
- Stars: 12
- Watchers: 3
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
# Progetto di strumenti basati su Deep Neural Network per la rilevazione di similarità tra password
### Tesi triennale (Ingegneria Informatica T - Alma Mater Studiorum, Università di Bologna)
#### Abstract
Nei sistemi odierni esiste la necessità di creare nuovi profili o cambiare password dei profili correnti per motivi di sicurezza. La scelta ricade spesso su varianti di password già esistenti o ispirate a parole presenti in letteratura, e ciò costituisce una minaccia per la privacy dell'utente. Lo scopo di questo progetto è quello di fornire un sistema di valutazione delle similarità tra password basato su approcci di Deep Neural Network. A tal proposito è stato scelto come riferimento un articolo scientifico pubblicato negli atti di convegno della conferenza IEEE Symposium on Security and Privacy 2019. Dopodiché è stata reimplementata l'intera architettura, migliorati i punti critici, ed effettuato un paragone tra i risultati ottenuti e quelli dello studio.
[![CC BY-SA 4.0][cc-by-sa-image]][cc-by-sa]
[cc-by-sa]: http://creativecommons.org/licenses/by-sa/4.0/
[cc-by-sa-image]: https://licensebuttons.net/l/by-sa/4.0/88x31.png