Ubuntu修改密码及密码复杂度策略设置方法

Ubuntu修改密码及密码复杂度策略设置方法

在Ubuntu系统中,我们可以通过命令行或图形界面来修改密码,并设置密码复杂度策略。本文将介绍如何使用命令行和图形界面来修改密码,并设置密码复杂度策略。

示例一:使用命令行修改密码及设置密码复杂度策略

修改密码

# 使用passwd命令修改当前用户的密码
passwd

# 使用passwd命令修改其他用户的密码
sudo passwd username

在上述命令中,我们使用passwd命令来修改密码。如果要修改当前用户的密码,只需输入passwd命令即可。如果要修改其他用户的密码,则需要使用sudo passwd命令,并将username替换为要修改密码的用户名。

设置密码复杂度策略

# 安装libpam-pwquality软件包
sudo apt-get install libpam-pwquality

# 修改/etc/pam.d/common-password文件
sudo vi /etc/pam.d/common-password

在上述命令中,我们首先使用apt-get命令安装libpam-pwquality软件包,该软件包提供了密码复杂度策略的功能。然后,我们使用vi命令编辑/etc/pam.d/common-password文件,并将文件中的password requisite pam_pwquality.so enforce_for_root retry=3设置为password requisite pam_pwquality.so retry=3 minlen=8 ucredit=-1 lcredit=-1 dcredit=-1 ocredit=-1。

在上述设置中,minlen=8表示密码长度至少为8个字符,ucredit=-1表示密码中至少包含一个大写字母,lcredit=-1表示密码中至少包含一个小写字母,dcredit=-1表示密码中至少包含一个数字,ocredit=-1表示密码中至少包含一个特殊字符。

示例二:使用图形界面修改密码及设置密码复杂度策略

修改密码

  1. 点击屏幕右上角的设置图标,选择“用户账户”。
  2. 在“用户账户”窗口中,选择要修改密码的用户,并点击“解锁”按钮。
  3. 输入管理员密码,然后点击“确定”按钮。
  4. 在“用户账户”窗口中,点击“密码”选项卡。
  5. 点击“解锁”按钮,输入管理员密码,然后点击“确定”按钮。
  6. 输入新密码,然后点击“确定”按钮。

设置密码复杂度策略

  1. 点击屏幕右上角的设置图标,选择“用户账户”。
  2. 在“用户账户”窗口中,选择要修改密码复杂度策略的用户,并点击“解锁”按钮。
  3. 输入管理员密码,然后点击“确定”按钮。
  4. 在“用户账户”窗口中,点击“密码”选项卡。
  5. 点击“解锁”按钮,输入管理员密码,然后点击“确定”按钮。
  6. 在“密码”选项卡中,点击“更改”按钮。
  7. 在“更改密码”窗口中,勾选“要求密码符合复杂性要求”选项,并设置密码复杂度策略。
  8. 点击“确定”按钮。

结论

总之,在Ubuntu系统中,我们可以使用命令行或图形界面来修改密码,并设置密码复杂度策略。需要注意的是,密码复杂度策略的设置可能会影响用户的使用体验,因此需要根据实际情况进行调整。

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:Ubuntu修改密码及密码复杂度策略设置方法 - Python技术站

(0)
上一篇 2023年5月15日
下一篇 2023年5月15日

相关文章

  • Pytorch如何约束和限制权重/偏执的范围

    方法一: 首先编写模型结构: class Model(nn.Module): def __init__(self): super(Model,self).__init__() self.l1=nn.Linear(100,50) self.l2=nn.Linear(50,10) self.l3=nn.Linear(10,1) self.sig=nn.Sigmo…

    PyTorch 2023年4月8日
    00
  • unbuntu 16.04 MS-Celeb-1M + alexnet + pytorch

    最近被保研的事情搞的头大,拖了半天才勉强算结束这个了。从熟悉unbantu 16.04的环境(搭个FQ的梯子都搞了一上午 呸!)到搭建python,pytorch环境。然后花了一个上午熟悉py的基本语法就开始强撸了,具体的过程等保研结束了再补吧,贴个代码意思一下先。 数据集用的是清洗过的MS-Celeb-1M(em…怎么清洗的之后再补吧) python用…

    PyTorch 2023年4月8日
    00
  • pytorch使用horovod多gpu训练的实现

    PyTorch使用Horovod多GPU训练的实现 Horovod是一种用于分布式深度学习的开源框架,可以在多个GPU或多个计算节点上并行训练模型。在本文中,我们将介绍如何使用PyTorch和Horovod来实现多GPU训练,并提供两个示例,分别是使用Horovod进行图像分类和使用Horovod进行文本分类。 安装Horovod 在使用Horovod之前,…

    PyTorch 2023年5月15日
    00
  • pytorch: 准备、训练和测试自己的图片数据

    大部分的pytorch入门教程,都是使用torchvision里面的数据进行训练和测试。如果我们是自己的图片数据,又该怎么做呢? 一、我的数据 我在学习的时候,使用的是fashion-mnist。这个数据比较小,我的电脑没有GPU,还能吃得消。关于fashion-mnist数据,可以百度,也可以 点此 了解一下,数据就像这个样子:   下载地址:https:…

    2023年4月8日
    00
  • Pytorch训练模型得到输出后计算F1-Score 和AUC的操作

    以下是“PyTorch训练模型得到输出后计算F1-Score和AUC的操作”的完整攻略,包含两个示例说明。 示例1:计算F1-Score 步骤1:准备数据 首先,我们需要准备一些数据来计算F1-Score。假设我们有一个二分类问题,我们有一些真实标签和一些预测标签。我们可以使用sklearn库中的precision_recall_fscore_support…

    PyTorch 2023年5月15日
    00
  • pytorch __init__、forward与__call__的用法小结

    在PyTorch中,我们通常使用nn.Module类来定义神经网络模型。在定义模型时,我们需要实现__init__()、forward()和__call__()方法。这些方法分别用于初始化模型参数、定义前向传播过程和调用模型。 init()方法 init()方法用于初始化模型参数。在该方法中,我们通常定义模型的各个层,并初始化它们的参数。以下是一个示例代码,…

    PyTorch 2023年5月15日
    00
  • Linux环境下GPU版本的pytorch安装

    在Linux环境下安装GPU版本的PyTorch需要以下步骤: 安装CUDA和cuDNN 首先需要安装CUDA和cuDNN,这是GPU版本PyTorch的基础。可以从NVIDIA官网下载对应版本的CUDA和cuDNN,也可以使用包管理器进行安装。 安装Anaconda 建议使用Anaconda进行Python环境管理。可以从Anaconda官网下载对应版本的…

    PyTorch 2023年5月15日
    00
  • pytorch中.pth文件转成.bin的二进制文件

    model_dict = torch.load(save_path) fp = open(‘model_parameter.bin’, ‘wb’) weight_count = 0 num=1 for k, v in model_dict.items(): print(k,num) num=num+1 if ‘num_batches_tracked’ in …

    PyTorch 2023年4月7日
    00
合作推广
合作推广
分享本页
返回顶部