LLM 引导的密码猜测提示词进化

针对密码安全常因用户选择可预测及凭证泄露而受损的问题，本文提出一种基于大语言模型（LLM）驱动的进化计算方法，用于自动优化密码猜测框架中的提示词。通过结合 MAP-Elites 质量多样性搜索与岛屿种群模型的 OpenEvolve 系统，我们在 RockYou 衍生测试集上演化出能最大化破解率的提示词。实验涵盖本地 Qwen3 8B、云端 Gemini-2.5 Flash 及前沿模型组合三种配置，将破解率从 2.02% 提升至 8.48%。字符分布分析证实，演化后的提示词能生成统计上更真实的密码，表明自动化提示词进化是增强 LLM 密码审计的有效途径。