我发现真正随机的 diceware 密码短语通常包含一个容易拼错的单词或具有不合逻辑的顺序。我认为有三种方法可以让 diceware 密码更令人难忘：
当然，问题在于所有三个选项都会减少熵。可以通过手动编辑 diceware 列表来避免第二个问题，但这对大多数人来说工作量太大。我仍然相信生成的密码短语会比许多其他选项更好，并且对大多数目的有用。但是，我很感兴趣这些方法的每种方法所产生的熵位。
真正随机的 4 字密码短语的熵是 log2(7776*7776*7776*7776) = 51.7 位。选项 3 的最坏情况是只有一种逻辑方式可以重新排列单词。在这种情况下，我相信熵的位数是 log2( (7776*7776*7776*7776) / (4*3*2*1) ) = 47.1。我不确定 1 和 2 使用什么公式。例如，如果我将一个单词抛出三遍，那么熵的位数是多少。我认为1更加模棱两可。在纸面上，它不应该减少熵，但显然它确实可以。
扔掉密码，直到你能记住一个-
如果您查看 16 个密码短语，并保留您最喜欢的那个，那么您最多将熵减少了 4 位（log 2 16 = 4）。直觉类似于您为重新排列给出的直觉：最坏的情况是逻辑上只有 16 个密码短语有人可能选择。
一般来说，如果您查看N个密码短语并保留您最喜欢的那个，那么您的熵最多减少了 log 2 N位。如果您丢弃N -1 个密码短语并保留第N个密码，那么这基本上是相同的情况，因此您可以估计您可能已经将熵减少了最坏的 log 2 N位。
扔掉你很难记住的个别单词——
让我建议两种不同的方法来计算你损失了多少熵：
你可以把这想象成拿你的 7776 词词典，扔掉一堆你很难记住的词。如果你扔掉 1000 个单词，你已经从 7776 个单词的字典减少到了 6776 个单词的字典，所以你已经将每个单词的熵从大约 12.9 位减少到了 12.7 位，或者你的密码的总熵从大约51.7 位到大约 50.9 位。减少幅度不大。
不幸的是，这种计算方法在实践中使用起来有点棘手。要以这种方式估计熵，您必须仔细阅读整个单词列表并计算有多少单词太难记住，或者扫描单词列表的随机样本并使用它来估计哪个部分太难记记住。（此外，这个计算假设一个词是否太难记住与密码的其余部分无关。）它不会选择一个随机密码是有效的，因为其中一个单词太难而拒绝它，选择第二个密码，保留那个密码，然后推断你已经将字典从 7776 个单词减少到 7775 个单词，所以你的熵从 51.6993到 51.6985 位。这不是有效的推理，因为它不计算字典中可能还有多少其他单词，如果它们被选中，你也会拒绝。
您可以将此视为您可能会丢弃密码的另一个原因。然后我们回到上面已经分析过的情况（“扔掉密码，直到你能记住一个”）。
重新排列单词，以便更容易记住-
您已经在问题中涵盖了这一点，是的，您的推理是准确的。您最多将熵减少了 log 2 4！= 4.6 位熵。
熵是关于概率的，所以到处都有平均值。
对于方法 1，如果您平均丢弃n-1 个密码并保留第n个密码，则熵除以n（以位为单位，您使用log 2 n位）。这假设攻击者可以准确地模拟什么是“难以记住的密码”，即预测您是否会丢弃或保留密码。在实践中，攻击者不会 100% 准确地预测你的反应，但很难量化他在这方面会取得多大的成功，因此简单地假设攻击者可以做到这一点似乎更安全。
对于方法 2，攻击者将简单地使用一个简化列表，从该列表中删除您也删除的所有单词。例如，如果列表有x 个单词，您删除了其中的y个单词，并且您的密码包含m个单词，那么熵会减少一个因子(x/(xy)) m（这只是使用较短的列表，在事实）。
对于方法 3，重新排列单词将使熵最多减少m！，如果您的密码有m个单词（这是m的阶乘，即m=3为6， m =4为24，依此类推）。这个想法是每个密码都是一组m! 的一部分！以其他顺序使用相同单词的密码短语，并且您始终坚持您喜欢的一种顺序，攻击者也可以对其进行建模。同样，这取决于攻击者在猜测您的大脑如何运作方面的能力；由于我们无法给出一个好的衡量标准，我们只是假设攻击者“非常好”。