口令又称为“密码”、“用户密码”,是由用户生成、维护,并用以鉴别用户身份或访问权限的一串可输入字符。因其易于部署、几乎没有额外开销、轻量级等优点,得到了广泛的应用,口令安全因而成为了人们关注的重点。口令的安全性与加密算法、攻击者的计算能力以及使用的猜测方法有关,目前主流的口令猜测方法都存在两个问题:1、口令描述方式过于单一,例如热词与结构方法无法准确地描述具有变形模式的口令,带变形的热词与结构方法学习规律不明显口令较为困难;2、未考虑到测试集合与训练集合特征分布不同的问题,产生的口令猜测字典容易过拟合,使得猜测效率低下。本文的研究内容主要为了解决以上两个问题。在猜测方法的学习阶段,本文提出了一种集成优化方法:该方法采用多种方法分长度串联学习的模式,首先基于长度与数量平衡的猜测次数分配模型进行不同长度的猜测次数分配,然后基于多种方法的猜测次数分配模型决定各个方法的猜测次数,最后按照各个模块对应的猜测次数产生猜测规则序列,从而使生成的口令猜测字典具备多种猜测方法的特性。在猜测字典的生成阶段,本文提出了一种自适应优化方法:通过分析少量已经恢复的明文特征,可以根据该特征重新计算规则的效益,从而能根据待猜测口令集合的特点实时调整产生的猜测口令字典的顺序,提高猜测的效率。最后,本文通过实验验证了这两种优化方法的效果。对于集成优化,我们在十个真实的口令集合上将其与现有的多个口令猜测方法进行对比,发现集成方法在多个口令集合上达到了最高总命中率,且在长口令上的命中率得到了提升。对于自适应优化,通过构造一个与现有口令集合特征完全不同的高难度口令集合,我们发现调整后的口令猜测字典具有更小的平均猜测次数,与特殊口令集合特征相似的口令能够优先被猜测。