本文研究基于深度学习的密码猜测模型在针对人类选择密码的定向攻击中的有效性。随着服务提供商提高密码安全性要求（如强制复杂生成模式和采用计算开销大的哈希函数），攻击者可用的猜测次数大幅减少，因此必须利用受害者公开信息进行定向猜测。作者提出一种上下文感知的密码猜测模型（DCM_sp），该模型能够更好地模拟攻击者行为，核心创新在于利用受害者的电子邮件地址作为上下文信息来猜测其密码。实验证明，仅知道受害者的邮箱地址就足以显著提高密码猜测成功率，并深入分析了邮箱地址与密码之间的关联性。此外，该模型还能基于用户的密码生成行为对用户进行聚类，从而识别虚假账户和更容易受到上下文感知猜测攻击的群体。论文代码已公开。本文属于研究型工作，主要面向密码安全研究者、防御方以及服务提供商安全团队，揭示了公开信息对密码安全构成的潜在威胁，并为设计更安全的密码策略和用户教育提供依据。