该论文提出并评估了 MindReader，一个帮助用户在需要更换密码时生成既安全又易记的替代密码的工具。用户通常倾向于将旧密码替换为可预测的变体（如增加数字或特殊字符），这使得攻击者容易猜测。MindReader 利用大语言模型（LLM）来推断原始密码各组件的语义含义（例如，“Fluffy!”中的“Fluffy”可能指宠物猫），然后建议语义相关但语法无关联的新组件（例如，与“猫”相关的“Whiskers”），从而生成与原密码有个人关联但难以自动预测的新密码。用户研究（n=？）表明，使用 MindReader 生成的替代密码比用户自行生成的替代密码和原始密码更难被在线攻击猜中（即使攻击者知道原始密码并完全了解工具实现）。同时，一周后的登录测试显示其可记忆性与传统替代密码和原始密码相当。论文的主要贡献是：提出了一种基于 LLM 的个性化密码生成方法，在不牺牲可用性的前提下显著提升安全性，并验证了在实际场景中的有效性。适合密码安全研究员、人机交互学者及企业安全策略制定者阅读。

该论文关注儿童在数字环境中的安全问题。当前主流做法依赖于限制性机制，如禁令、年龄门控、家长控制、监控和屏幕时间限制。作者认为这些方法将儿童视为需要被排除的攻击者、需要修补的漏洞或需要管理的风险，忽略了儿童作为数字技术的合法使用者。论文提出“儿童适配安全”（Child-fit security）设计范式，将儿童视为合法用户，将儿童的福祉、发展、隐私、安全、自主权和权利作为核心安全需求。该范式将保护焦点从应用、账户和数据转向儿童-系统关系，即同时保护儿童及其参与。论文阐述了儿童适配安全的核心原则，并与传统的限制导向方法进行对比，讨论了其对安全设计的影响，并提出了使儿童适配安全可操作化的研究议程。适合安全设计人员、人机交互研究者、儿童在线安全政策制定者阅读。