在当今社会,网络与人们生活之间的关系日渐紧密,身份认证技术越来越受到人们的重视。而口令是一种重要的身份认证技术,因其易于部署、几乎没有额外开销、轻量级等特点,得到了广泛的应用,因此口令安全成为了研究热点。口令恢复是口令安全的一个研究方向,而口令猜测方法是其重要组成部分。目前主流的口令猜测方法会先以真实口令集为训练集进行学习,然后根据学习到的规律构造猜测口令集用于口令恢复,猜测口令集中口令的次序依赖于对应训练集。当目标密文集对应明文在长度和字符类型方面,与上述训练集存在较大差异时,从训练集中得到的猜测口令集中的口令次序将变得不合理,从而影响到猜测效率。针对基于规则的三种主流猜测方法:语料乘积、变形语料乘积、频度暴力,本文设计了对目标密文集的静态适应方法和动态适应方法,以解决上述问题。静态适应方法支持指定多个挑选条件挑选猜测规则集,使得在事先知道密文来自于特定网站,而该网站对口令明文恰恰具有长度、字符类型数等方面的约束时,可以主动指定对应挑选条件,以获得有效的猜测规则集。动态适应方法则会分析在恢复过程中恢复出的明文口令,并以此为根据对猜测规则集的规则次序进行调整,使得能在事先不知道目标密文集信息的情况下提升猜测效率。最后,在原有口令恢复系统的基础上,本文基于静态适应方法构建了猜测规则挑选子系统,基于动态适应方法在DCR＿Hashcat口令恢复平台中构建了自适应相关模块,从而得到适应性口令恢复系统。在系统测试与分析部分中,本文先对猜测规则挑选子系统和自适应相关模块进行全面的正确性测试;然后通过构造一个与猜测规则集对应训练集在长度和字符类型方面差异较大的目标密文集,模拟训练集与目标密文集差异较大的场景,再在加入自适应相关模块后的口令恢复系统上检验动态适应方法的实际效果,并最终验证了动态适应方法确实能在该场景下提高恢复效率,在相同的耗时下命中率的提升率可达50%以上。