关于密码统计的一些疑问

很久之前有个大公司被脱裤了，下载完数据之后，挑了些时间最早的，除去脏数据，得到了6200K条数据，1.7G

当然数据不全。

然后想研究一下国内的密码和用户名之间的关系，密码的构造方式，以及统计弱密码。

现在想到的点有如下：

• 密码长度（不同长度的密码所占总密码的百分比，最短密码，最长密码的组成）
• 密码组成（纯数字，包含单词，包含拼音，包含其他字母，生日，手机号）
• 密码组合方式（数字+字母，数字+标点，字母[包括单词]+数字）
• 重复密码（以及其用户名的规律）统计 TOP 弱口令
• 包含特殊符号的密码，以及用户名（命名方式）
• 重复的用户名（同一个账户），密码是否相同
• 相近的用户名（相同的开始，后面有加数字），密码如果相同，则视为同一账户，研究这些用户名的变化

征求一下大家的意见，看还有什么遗漏的地方，望各位不吝赐教。