没有什么好办法。你说的，实际上是我们心中密码距离的 度量。显然不可能有直接的方法来做到这一点。

第二件事，你想要测量的东西，很大程度上取决于人，并且通常只包含他已知的信息。例如，您的一位同事可以在不同的公司服务器上使用其孩子的名字。不可能建立一个软件解决方案来找到这个，但是一些黑客/同事可以拥有这些信息并使用它们来破解他的帐户。

你能做的，是进入 NSA 的轨道：虽然你不能直接窥探人们的思想，但你可以使用大数据来模拟一些非常相似的东西。

你需要什么：网络上公开的信息。例如：

1. 词库
2. Wikipedia（虽然没有简单的方法来衡量两个关键字的链接距离，但它的数据库可以简单地下载，您可以构建一个脚本来分析其链接连通性）。
3. 或者简单地说，您可以使用google search api进行自动 google 搜索，并获得第一个、第二个密码和双重查询之间的命中率（例如，如果第一个密码是“apple”，第二个是“orange” "，则Hits("apple")*Hits("orange")/Hits("apple", "orange")^2必须低于您设定的实验限制）。

但请注意：不要在不受信任的公共云中执行包含密码的查询，这是非常严重的安全漏洞！当然，这仅取决于您的观点/考虑/责任，您信任哪个公共云。对我来说，没有。

在你的地方，我做了以下事情：

1. 我有一个维基百科镜像（他们有简单的 mysql 数据库，可公开下载）
2. 创建了一个链接距离图（它非常简单，虽然它可能很大）
3. 我为这两个密码创建了与他们最近的维基百科文章标题进行比较（它可能需要大量的 levenshtein 比较，所以你需要很多 cpu）
4. 最后我使用了以下公式：D("pwd1", "pwd2") = Levensheiten("pwd1", Lev_nearest("pwd1")) + Wiki_Link_Distance(Lev_nearest("pwd1"), Lev_nearest("pwd2"))+ Levensheiten ("pwd2", Lev_nearest("pwd2"))

扩展：wiki 包含大约 100 万条文本条目，这使得最短的搜索方式几乎是不可能的。您肯定已经将其实现为 C++，并使用了非常优化的算法。因此，这将是困难的。作为替代方案，您可以只使用维基百科中最常用的词（可以通过获取它们的使用统计信息来找到）。尽管英语维基有大约几百万篇文章，但以英语为母语的人只知道大约一万篇文章。

真的应该有人写这个，它是 github 某处的一个很棒的开源恶魔 :-)

你很幸运，有一个很好的方法来规范化公开信息：WolframAlpha可用于将字符串减少为可比较的逻辑组件，并产生更准确的 Levenshtein 比较。

“星期一”的示例

一旦将字符串“分解”为所有可能的含义（星期几、拼字游戏值等），您就可以将这些元素用作新的比较值。

对于私有信息，例如兄弟名称，您将需要遵循类似的方法为您的专有存储重新构建 Wolfram 的结构。Wolfram有一个可用的 API ，可以将结果导出为 JSON，并且可以帮助您将想法与创建此类私有存储库所需的内容保持一致。