[發明專利]基于梯度懲罰的生成式對抗網絡的密碼破解方法及系統

在審

• 申請號: 202010697341.4
• 申請日: 2020-07-20
• 公開（公告）號: CN111966997A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 吳昊天;周濤
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F21/46
• 分類號: G06F21/46;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

本發明公開了一種基于梯度懲罰的生成式對抗網絡的密碼破解方法及系統，該方法包括下述步驟：進行數據預處理以確定密碼的最大長度和密碼中允許的字符種類；將原始密碼文件轉化為一個由所包含字符組成的字符數組和字符詞典，并記錄所包含字符在數組中的位置；根據字符數組提取最終訓練數據；構造網絡，包括后續生成器結構類以及相應的判別器結構類和采用的梯度懲罰類，生成相應的生成器和構造器實例，初始化生成器和構造器的優化器，在最終訓練數據集上進行迭代訓練；使用訓練好的生成器參數進行前向傳播過程，生成爆破的密碼集。

技術領域

本發明涉及密碼破解技術領域，具體涉及一種基于梯度懲罰的生成式對抗網絡的密碼破解方法及系統。

背景技術

在數字時代中，無論你的年齡與性別，你的生活都與密碼息息相關，目前最常用的也是文本密碼，而用戶的密碼通常是具有一定的規律，如自己的生日，某些常見的單詞如apple，password等等，同一用戶社區或者網站的用戶密碼往往也是如此。現有的密碼破解方法大部分是暴力破解的方法，例如彩虹表法、采取的一般是以時間換空間的方法，需要大量的存儲設備。其中的密碼數據量都在TB級別，并且這些方法并沒有對密碼進行分類，對于不同網站或者國家的密碼是沒有差別的。但是不同社區，不同國家以及不同網站的密碼往往是不同的，它們有著自己的特點。本方法基于這個特征，利用生成對抗網絡來學習某一社區或者某一網站用戶的密碼分布特征，從而能夠更加效率的進行密碼破解。

發明內容

為了克服現有技術存在的缺陷與不足，本發明提供一種基于梯度懲罰的生成式對抗網絡的密碼破解方法及系統，通過使用生成對抗網絡通過生成器與判別器的博弈訓練，使得生成器學習訓練數據密碼的特征分布，從而使得生成器生成與訓練數據類似度較高的密碼集，對特定網站或者用戶社區的密碼進行密碼破解。

為了達到上述目的，本發明采用以下技術方案：

本發明提供一種基于梯度懲罰的生成式對抗網絡的密碼破解方法，包括下述步驟：

數據預處理：確定最長密碼的長度和密碼中最多允許存在的字符種類，清除長度超過預設值以及限制密碼中的字符種類個數，采用一個字符數組過濾原始訓練密碼，得到訓練數據；

網絡構造：構造殘差塊結構、生成器和判別器，構造殘差塊結構類，并基于殘差塊結構類分別構造生成器類和判別器類，構造判別器損失函數中需要的梯度懲罰類；

進行網絡訓練：生成相應的生成器和構造器實例，初始化生成器和構造器相應的優化器，在訓練數據上進行迭代訓練；

采用訓練好的生成器參數生成爆破密碼集。

作為優選的技術方案，所述數據預處理具體步驟包括：

轉化原始數據訓練數據：將原始密碼文件轉化為一個密碼中包含的字符組成的字符數組和一個密碼中包含的字符組成的字符詞典，所述字符詞典以密碼中出現的字符為鍵，以字符在字符數組中的位置為值；

提取訓練數據：根據字符數組提取最終訓練數據，若原始訓練數據中某行密碼中的字符未出現在字符數組中，則該行密碼被過濾。

作為優選的技術方案，所述構造生成器類，具體步驟包括：

輸入隨機的隱空間維度大小的噪聲z，通過網絡進行前向傳播生成密碼。

作為優選的技術方案，所述生成器的輸入數據維度為[每次訓練樣本數，隱空間維度]，首先需要通過線性轉化為[每次訓練樣本數，(密碼長度*中間層維度)]的矩陣然后進行維度拆分變為[每次訓練樣本數，密碼長度，中間層維度]的矩陣，傳入殘差網絡中，通過一維卷積得到[每次訓練樣本數，字符種類，密碼長度]的矩陣，然后進行維度次序變換為[每次訓練樣本數，密碼長度，字符種類]的矩陣。

作為優選的技術方案，所述構造判別器類，最終判別器的輸出結果為維度[每次訓練樣本數,1]的矩陣，表示每一批訓練樣本在判別器中的得分。