本文提出一种基于 k 近邻（k-NN）的目标密码猜测方法。传统密码猜测方法通常利用通用密码列表或 Markov 模型，但忽视了用户个人特征。作者利用用户公开的个人信息（如姓名、出生日期等）作为特征，通过 k-NN 算法在已泄露的密码数据集上寻找与目标用户最相似的邻居，然后从邻居的密码中生成候选密码。实验使用多个真实密码数据集（如 RockYou、CSDN 等）评估，结果表明该方法在目标密码猜测场景下相比基线方法（如 Markov 模型、Probabilistic Context-Free Grammar）具有更高的猜测成功率，尤其在少量猜测次数内效果显著。该方法可应用于安全评估和账户恢复测试，但也揭示了个人信息在密码中的安全隐患。论文还讨论了防御措施，如使用密码管理器或增强密码复杂度。