Mostrar el registro sencillo del ítem

dc.contributor.advisorBoal Martín-Larrauri, Jaimees-ES
dc.contributor.authorRodríguez García, Alejandroes-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2022-11-27T17:59:19Z
dc.date.available2022-11-27T17:59:19Z
dc.date.issued2023es_ES
dc.identifier.urihttp://hdl.handle.net/11531/75845
dc.descriptionMáster Universitario en Ingeniería de Telecomunicaciónes_ES
dc.description.abstractEl uso de modelos de deep learning ha estado revolucionando el estado del arte de la adivinación de contraseñas en los últimos años. En este proyecto se analizan los modelos más recientes de generación de contraseñas, especialmente aquellos que usan redes generativas antagónicas (GAN). Se han estudiado los aspectos teóricos y la implementación de los modelos poniendo el foco en GNPassGAN, la alternativa que se ha encontrado que presenta mejores resultados. De los resultados obtenidos se ha concluido que GNPassGAN se puede considerar como la mejor solución de todos los estudiados alcanzando con una tasa de adivinación de contraseñas del 7,57% en el conjunto de contraseñas RockYou y del 23% en el conjunto de Pwned. Finalmente, se han propuesto nuevas líneas de trabajo para mejorar la seguridad de los sistemas que hacen uso de contraseñas, protegiéndolos ante el uso ofensivo de los modelos de adivinación de contraseñas.es-ES
dc.description.abstractThe use of deep learning models has been revolutionizing the state of the art of password guessing in recent years. This project analyses the most recent models of password generation, especially in the use of generative antagonistic networks (GAN). The theoretical aspects and the implementation of the models have been studied, focusing on GNPassGAN, one of the alternatives that has been found to present the best results. From the results obtained, it has been concluded that GNPassGAN can be considered as the best solution of all those studied, reaching a password guessing rate of 7.57% in the RockYou password set and 23% in the Pwned set. Finally, new lines of work have been proposed to improve the security of systems that make use of passwords, protecting them against the offensive use of password guessing models.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherM8Aes_ES
dc.titleAnálisis de generadores de contraseñas basados en deep learning para aplicaciones criptográficases_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsPassGAN, GAN, Contraseñas, Deep Learning, Criptografía.es-ES
dc.keywordsPassGAN, GAN, Passwords, Deep Learning, Cryptography.en-GB


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-NoDerivs 3.0 United States
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivs 3.0 United States