{"id":161945,"date":"2026-02-21T17:11:54","date_gmt":"2026-02-21T15:11:55","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/oczenka-nadyozhnosti-parolej-sgenerirovannyh-bolshimi-yazykovymi-modelyami"},"modified":"2026-02-21T17:11:54","modified_gmt":"2026-02-21T15:11:55","slug":"oczenka-nadyozhnosti-parolej-sgenerirovannyh-bolshimi-yazykovymi-modelyami","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sl\/blog\/news\/oczenka-nadyozhnosti-parolej-sgenerirovannyh-bolshimi-yazykovymi-modelyami","title":{"rendered":"Ocena zanesljivosti gesel, generiranih z velikimi jezikovnimi modeli.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Predstavljeni so rezultati analize zanesljivosti gesel, ki jih generirajo velike jezikovne modele in AI asistentje. Raziskovalci so prosili modele Claude, ChatGPT in Gemini, da generirajo zanesljivo 16-znakovno geslo, pri \u010demer so v vseh primerih prejeli rezultate, ki na prvi pogled ustrezajo vsem zahtevam za varna gesla in jih orodja za preverjanje kakovosti gesel priznavajo kot zanesljiva. Gesla so vsebovala simbole razli\u010dnih velikosti, posebne znake in \u0161tevilke, vendar so le izgledala varna, medtem ko so imela minimalno entropijo, bila oblikovana po tipi\u010dnem vzorcu in pri ponovnih poizvedbah ustvarjala vzorec. <\/p>\n
Po podatkih raziskovalcev so predvidljiva gesla, ustvarjena z velikimi jezikovnimi modeli, v praksi uporabljali pravi uporabniki in jih ponujali med delom s kodo AI asistentov. Raven entropije v geslih, generiranih z AI modeli, se ocenjuje na 20-27 bitov, kar zahteva, da traja od nekaj sekund do ur za ugibanje gesla, medtem ko analiza rezultatov z orodji za preverjanje kakovosti gesel napoveduje \u010das ugibanja v ve\u010d stoletjih. Predvidljivost tak\u0161nih gesel je rezultat ustvarjanja vsebin z velikimi jezikovnimi modeli, ki temeljijo na napovedovanju tokenov. <\/p>\n
Od 50 generiranih lozink v Claude Opus 4.6 se je 18 popolnoma ponovilo, vse lozinke so se za\u010dele z \u010drko (ve\u010dinoma «G»), za njimi je vedno sledila \u0161tevilka (ve\u010dinoma 7), vse lozinke so vsebovale znake «L», «9», «m», «2», «$» in «#».
<\/center> <\/p>\n
V GPT-5.2 so skoraj vse lozinke za\u010dele s \u010drko «v», za katero je v polovici lozink sledila \u010drka «Q» in ponavljajo\u010d se vzorec iz omejenega nabora znakov. V Gemini 3 je skoraj polovica lozink za\u010dela s simboli «K» ali «k», za katerimi so najpogosteje sledili «#», «P» ali «9», niz uporabljenih znakov pa je bil mo\u010dno omejen. Pove\u010danje «temperature» pri uporabi AI modelov opazno ne vpliva na kakovost generiranih lozink. <\/p>\n
Kar se ti\u010de uporabljenih pri razvoju AI asistentov, je kakovost lozinke v veliki meri odvisna od oblikovanega vpra\u0161anja razvijalca. Na primer, Claude Code s Opus 4.6 in Gemini-CLI z Auto Gemini 3 sta za generiranje zanesljive lozinke uporabljala ukaz «openssl rand». Pri tem je Gemini-CLI z Auto Gemini 3 na vpra\u0161anje «generiraj lozinko» uporabil «openssl rand», na vpra\u0161anje «predl\u017ei lozinko» pa je oblikoval lozinko preko AI modela. Codex s GPT-5.3-Code je ob\u010dasno zagnal zunanjo programsko opremo za generiranje zanesljive lozinke, v\u010dasih pa je sam ustvarjal predvidljivo lozinko. Claude Code z Opus 4.5 je najve\u010dkrat samostojno generiral predvidljive lozinke. Brskalnik ChatGPT Atlas je pri iznajdibi lozinke za registracijo na spletni strani ustvarjal nezanesljive lozinke s pomo\u010djo AI modela. \n Izvor: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Ocena](\"\/wp-content\/uploads\/2026\/02\/7f918fafe6151bf62c3b6dcb7807d64d.png\")
<\/center> <\/p>\n