前几天，乌云漏洞报告平台宣布网易邮箱漏洞过亿数据泄漏，我去，据说有亿级别的用户密码流出…
现在网易官方还在和乌云互掐，真相估计还要时间，但小编反问，你的密码设计合理吗？
2011 年起有一系列重大网站密码泄露，csdn 社区、人人网、多玩网、微博的部分密码数据都被挂到了网上（数据请自行 google，本文讨论思路，展示结果，不泄露信息）。
我们以当时微博的 3315156 条用户名密码数据，开始分析之旅。
工具（可以选择略过这段！）
而我们下载到的文件类似于 csv (逗号分隔) 或 tsv 格式（空格分隔）数据，如下：
数据很大，需要的查询可能很复杂，纯脚本处理很难胜任，我们需要数据库, 本文用 mongoDB。
我们可以在命令行里使用 mongoimport 命令导入数据，也可以使用脚本（我用 node.js）导入，脚本更灵活。导完后，可以直接在命令行（如 mac 的 terminal）查询:
以上，括号里面的叫查询条件，这在本文中很重要，我们可以在查询条件里插入正则表达式（网上资料大大的），让查询变得更复杂:
最后，有时候我们要统计，比如密码以 a、b、c、d..，各有多少，这时我们需要用 mapreduce 进行累加。
嘿嘿，工具只是手段，白猫黑猫，能抓老鼠的就是好猫。
让我们启程！
密码 top 100
首先跑出重复率前 100 的密码， 以下是前 20:
很容易发现规律，俺将密码主人分五大派系：
- 极懒派
- 手势派
- 规律派
- 手机派
- 生日派
- 情感派
一、极懒派
这 3 万多同学真是懒的令人发指,也刷新了哥的常识，喝喝…
1. 那时候微博竟然能通过一个字的密码。
2. password 也是老外的高频词，我不知道是不是某些网站输入框里 password 提示词，或是很多设备默认密码是这个。
3. 单字重复型，如 11111，让我们深入发掘下。
4. 最有意思的是 163.com 和 @qq.com 出现的频率，而这 1000 多用户，密码=用户名后半部分… 醉了
- 极懒派之 一字重复 n 次
统计形如 ‘aa’, ‘11111’, ‘ssssssss’ 这类若干个相同单字的密码总数:
我统计了 1、2、3、4、5、6、7、8、9、0、q、a、z、w、s、d 的频率分布，其中用 11111 型的用户最多，这些密码总计 6w 多人，占 2%。
- 极懒派之 用户名＝密码
上述统计不包含用户名和密码相同的密码，这部分密码共有多少呢? 以 abcd@qq.com 为例，我们统计 abcd@qq.com / abcd / @qq.com 这 3 种模式的数量之和：
99671 个人，有点意外，整整占了 3% 呢!
二、手势派
密码太长，能在键盘上排成一种形状，记忆成本就大大压缩，在密码排行榜上，和图形有关的密码是哪些？ 123456 云云者，勉强算吧，在数字键盘划一字。同理 qwerty 开头的也是这个原理。
对此，我看到一位老外很牛逼地总结了 20 种模式:
这个模式很牛逼，图上是键盘密码。但 11年 已经有很多人用手机上微博了。有不少这种手机键盘：
因此很多密码的原理就迎刃而解了：
三、规律派
记住一串数字的规律，我们就可以把一串简单的数字演绎成复杂密码，而你记住规则就好。
很勉强，123456 就是个等差数列 fn = n 而 13579 是 fn = 2*n-1
很多人会用叠词 如 123123，112233，或叠加后对称 123321 。
高分密码有这些:
可以引申下，同样是数列，用了中学知识就不一样啦，假设我们让 fn = n^2, 我们就可以构造一个数列了：
1 2 3 4 5 6 -> 1 4 9 16 25 36…
我查询了含有 1491625 的所有密码，共找到 30 几个，真是海内存知己（因为曾经我也是这么设计的）
同理 1 8 27 64 125 的只有 3 个人，高手啊
如果你拿 12345 开根号、取三角函数、取对数，忘记密码，在手机计算机里算一遍（别忘了公式）。
海内无知己，天涯只有你，你赢了！
四、手机派
使用自己和亲人的生日、电话、手机做密码，已是我对普通密码的印象了，这部分人究竟多不多？
用手机做密码，一开始我设置了 11 位的数字的条件，但是有很多错误的结果。好在网上有对手机号码检测的正则表达式，包含了 2013年 前所有的手机字段:
- 移动：139 138 137 136 135 134 147 150 151 152 157 158 159 178 182 183 184 187 188
- 联通： 130 131 132 155 156 185 186 145 176
- 电信： 133 153 177 180 181 189
- 虚拟运营商：170
因此大哥整理了一个可以查询手机号的正则表达式：
亲测有效哦，出来的密码几乎都是手机号， 172418 个同学用手机号做密码 占比 5%。
五、生日 / 纪念日派
我们查询所有包含年份的密码，这些年份都以 19 和 20 开头，且有 4 位连续数字， 考虑到 5201314 (我爱你一生一世) 也是高频密码，且密码数据的时间为 2011年，此时 2013 不该出现，所以排除 2011年 以后的年份，我们得到如下结果:
543559 个密码使用了年份，占总量的 18%。 真不是小数字，但数据还是很复杂，有大量年份和字母，符号混合的，也不一定就是年份。那我们缩小范围，如果包含生日的有多少人？
月份比较复杂，1月1日 出生的，也许写 11，也许写 0101，也有 1.1、1-1 的。但后者其实比较少，且在在一篇分析人人和 csdn 密码的文章里看到 YYMMDD 型的生日是最多的:
那我们的查询如下：
318022 个密码符合条件 占总量的 10%。
这批密码还是颇为复杂，因为很多人在字母和其他数字后加入生日的，仅以生日作为密码的人会有多少？
答案是 137697, 4%的人用自己生日做密码，而其中，也有些奇葩的答案，如好几个 19190504。我去，这是 xx 团委的公众号么…
六、情感派
写一句有含义的密码，写什么重复率最高？
现实里压抑的我们难得一说我爱你，不论国内国外，都有很多人对着服务器许愿，说出 wo ai xx，这些我爱你型密码的总数让我非常震惊。
这份密码数据里，woaini 以 2659 次重复荣居意义型密码榜首，iloveyou 则不到 woaini 的一半。 但事实上文字版的都弱爆了，位居第五名的 5201314（我爱你一生一世）有 15000 个人同时使用，还有各种变体…其中第 13 名最缺爱 7758521（亲亲我吧爱我吧）
除了我爱你，我还爱谁？ 让我们查询任何含有 woai（我爱）的密码，还是基本都是在各种爱你… 偶尔有 woaiwojia woaishui woainima… 有意思的是我爱我家，这中介公司的名字取得真是合理。
如果我们查询含有 ‘wo’ 字的密码，也会发现我最喜欢做的事情就是爱 xx… 除了爱你，我还爱谁呢，老公、老婆、妈妈、爸爸？…
woailaopo + laopowoai 的人数有 291 人 。
laogongwoai 和 woailaogong 的人数有 98 人。
这些都是少数派密码了。
我们试试我爱妈妈 (201) 和我爱爸爸 (60) 的比例，竟然也是 3:1。
出于好奇，我又统计了密码里包含’ laopo’ 的和包含’ laogong’ 的比例:
老公: 454
老婆: 1118
包含老公的密码基本都是形如: ‘zuiailaogong’、 ‘qinaidelaogong’、 ‘pplaogong’,我擦看不下去了，真是一部 show 恩爱宝典…
爱老婆的数量还是完胜，可惜，这是一组良莠不齐的密码， 还是有不少形如 laopo38、 laoposhizhu choulaopo laopocaolei sblaopo777 的密码…（总数还是不算多）
相反，骂人的人比例很少，fuck shit cao 说的人都不算多。而这其中，也有些有趣的点:
鲁迅在杂文《论他妈的》中说他妈的是中国的国骂，但是时代变了，也许是受了上古十大神兽草泥马（当年暴走漫画王尼玛还没火吧），nima 的频率 2714 次远高于 tama 101 次。也完胜 ‘fuck’、 ‘shit’、 ‘wocao’ 这些 400-500 次之间的词。
用什么字做密码最安全
我不是黑客，不知破解算法是怎么做的，但只要键入一个字，就让你的密码与众不同，你会怎么敲？ 我们对密码里用到的所有字进行统计，得出下图：
1 是第一名，被 300 多万用户累计输入 300 多万次，1 是一个很有趣的数字，超过 60%的人密码会用到 1，而 30%的人会以 1 作为密码开头， 可以看到’.’ ‘@’ 等特殊字符，在符号里排名很靠前。曾经看到说用’_‘在密码里较为安全，因为比’-‘少，事实上也的确如此，但你何必按 shift 打_号呢，’,’的比例比前面所有的标点符号都少。
我们可以看到，数据下降非常快速，有规律可循吗？将柱状图的大小全部取对数，那么四大阵营的阶梯形一览无余： 1-9 排在了所有的字母之前，几乎所有的字母排在了大写字母之前：
最后，纠正一个数据错误，我们看到 ‘E’ 和 ‘+’ 的比例非常异常，他们理应没有那么多，为什么？
好，看到这里，你应该觉得很熟悉, 5201314,123456, 都是熟悉的密码，而 E+13 这种也很熟悉。excel 里输入一个长度超过 11 位的纯数字，excel 会自动将数字转化为这个样子的。这份数据应该是被谁用 excel 打开后又保存了，所以，大写字母最多的应该是 ‘A’，而 ‘+’的用量也排不到符号类的第二名。
你的密码安全吗
回到 2011年，我在微博上找一个邮箱，然后破解你的密码，哥成功的概率有多大？
前 100 名的密码,第一名的密码 123456 共 165882 条,占 5%。前 10 名的密码有 316085 条，占 10%，而前 100 条密码共 442555 条，占 15%
累计 15%的人能被这 100 个密码破解。
用户名和密码匹配（包含之前提到的前缀相同，后缀相同和 后缀 +@ 相同）共 99671 人。
累计计 18%的用户都会在 103 次穷举后被破解。
近 100年 的生日有 365*100 个，如果我遍历那么多次，总有一个是对的，这样我可以破解 4%的密码。
累计 22%的人已经被破解。
倘若我知道你的手机号码，5%的人的密码会被破解，累计 27%
如果我知道你的名字 (这份数据无法分析你的名字和密码的关系) 这个比例会更高。
2011年，1/3 的人密码是不安全的。
你觉得你的密码设计的科学吗？
本文作者为阿里巴巴可视化工程师周宁奕（主攻 webgl、海量数据可视化、地理相关可视化，曾在参数化事务所 hhd-fun 工作），文章首发于其微信公众账号“数学的美学世界”（ID：mathartworld）
相关阅读：
大数据揭秘：中国家用Wifi常见密码TOP10
想知道为什么你的帐号密码老被盗吗？解密千万密码的背后
密码心理学：设定什么样的密码最安全？
数据基因公司：研究显示1234为最常用密码
End.
帷幄咨询是我国专注互联网品牌营销落地执行的第三方服务机构；主要服务项目有：全网营销特训营、互联网品牌营销微咨询、互联网思维培训、互联网实效性定制培训系统；助力传统企业互联网品牌转型升级，让互联网思维更加落地，促进线上业务更快发展。
