liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Are Swedish Passwords Tougher Than the Rest?
Linköpings universitet, Institutionen för datavetenskap. Linköpings universitet, Tekniska fakulteten. Swedish Defence Research Agency (FOI), Linköping, Sweden.
Swedish Defence Research Agency (FOI), Linköping, Sweden.
Linköpings universitet, Institutionen för datavetenskap, Databas och informationsteknik. Linköpings universitet, Tekniska fakulteten.
Linköpings universitet, Institutionen för datavetenskap, Databas och informationsteknik. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-9829-9287
Visa övriga samt affilieringar
2024 (Engelska)Ingår i: 29th Nordic Conference, NordSec 2024 Karlstad, Sweden, November 6–7, 2024 Proceedings, Springer, 2024Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In today’s digital world, passwords are the keys that unlock our online lives, keeping our social media, financial accounts, and streaming services secure. However, creating strong passwords that are easy to remember is hard. Often an individual’s language and cultural background influence password creation, which an attacker can exploit. This paper examines the importance of the User Context Bias (UCB) on Swedish passwords, versus international passwords stemming from multiple languages and cultures. This is done by employing four different password-cracking tools; Probabilistic Context Free Grammar (PCFG), Ordered Markov Enumerator (OMEN), Odinn, and Hashcat. The findings reveal that all the tools are able to crack a higher percentage of passwords when attacking those created by Swedish natives compared to their international counterparts. PCFG, in particular, is nearly twice as effective as the other tools against Swedish passwords after just 10,000 guesses, while OMEN is the best against Swedish passwords after 5 million guesses.

Ort, förlag, år, upplaga, sidor
Springer, 2024.
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349
Serie
Secure IT Systems, E-ISSN 1611-3349
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:liu:diva-211513DOI: 10.1007/978-3-031-79007-2_1ISI: 001446544900001Scopus ID: 2-s2.0-85218501734ISBN: 9783031790065 (tryckt)ISBN: 9783031790072 (digital)OAI: oai:DiVA.org:liu-211513DiVA, id: diva2:1935199
Konferens
29th Nordic Conference, NordSec 2024 Karlstad, Sweden, November 6–7, 2024
Tillgänglig från: 2025-02-06 Skapad: 2025-02-06 Senast uppdaterad: 2025-04-17

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Person

Singh Gaba, GurjotGurtov, Andrei

Sök vidare i DiVA

Av författaren/redaktören
Jensen, CasperSingh Gaba, GurjotGurtov, Andrei
Av organisationen
Institutionen för datavetenskapTekniska fakultetenDatabas och informationsteknik
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 105 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf