La seguridad informática depende principalmente de las contraseñas para proteger a los usuarios humanos de los atacantes. Por lo tanto, las contraseñas manuales y alfanuméricas son el tipo más frecuente de autenticación informática. Sin embargo, la creación de estas contraseñas tiene inconvenientes significativos. Por ejemplo, los usuarios suelen elegir contraseñas basadas en información personal para que sean memorables y, por lo tanto, débiles y predecibles. En contraste, a menudo es difícil recordar si la contraseña es difícil de adivinar. Proponemos un modelo de seguridad inteligente para la generación y estimación de contraseñas para abordar estos problemas utilizando el enfoque de aprendizaje conjunto y las características de gestos manuales. Este documento propone dos etapas inteligentes: la primera es la etapa de generación de contraseñas basada en el enfoque de aprendizaje conjunto y el S-Box propuesto. La segunda es la etapa de estimación de la fortaleza de la contraseña, también basada en el enfoque de aprendizaje conjunto. Se utilizan cuatro clasificadores conocidos: Perceptrón Multicapa (MLP), Máquina de Vectores de Soporte (SVM), Árbol de Bosque Aleatorio (RFT) y AdaBoost aplicados en dos conjuntos de datos: el conjunto de imágenes MNIST y el conjunto de datos de fortaleza de contraseñas. Los resultados experimentales mostraron que los procesos de clasificación de gestos manuales y de fortaleza de contraseñas se realizaron con precisión al 99% en AUC, precisión, medidas F1, precisión y recuperación. Como resultado, las características extraídas de los gestos manuales impactarán directamente en la complejidad de las contraseñas generadas, que son muy fuertes, difíciles de adivinar y memorables.