[發明專利]基于變分自動編碼器的口令生成方法、系統、介質和設備

有效

• 申請號: 202010716110.3
• 申請日: 2020-07-23
• 公開（公告）號: CN111966998B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 吳昊天;鄭凱翰
• 申請（專利權）人: 華南理工大學
• 主分類號: G06F21/46
• 分類號: G06F21/46;G06F21/57
• 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

1.一種基于變分自動編碼器的口令生成方法，其特征在于，包括下述步驟：

口令集預處理；

構建初始的變分自動編碼器結構，所述變分自動編碼器結構包括編碼器和解碼器，所述編碼器的結構采用循環神經網絡后接兩個線性層，所述解碼器的結構采用循環神經網絡構建；

訓練模型：所述編碼器學習口令集的分布，編碼后得到低維的隱藏向量，所述隱藏向量分別通過兩個線性層計算得到參數均值和標準差，通過重參數計算得到潛在向量，所述解碼器通過潛在向量重建數據，得到重建數據計算重建數據與輸入的原始口令集的誤差，然后通過訓練減少誤差；

模型優化：模型的優化器計算損失函數，將結果反饋給變分自動編碼器模型的編碼器和解碼器，通過梯度下降算法調整循環神經網絡和線性層的參數；

所述模型的優化器計算損失函數，所述損失函數包括交叉熵損失函數與KL散度，分別用于衡量原始口令數據和重建后的口令數據的相似度，以及隱藏空間的分布與正態分布的相似度；

所述標準差的分布與正態分布之間的KL散度，具體計算公式為：

其中，N(μ,σ)表示標準差的分布，N(0,1)表示正態分布，μ表示參數均值，σ表示標準差；

模型訓練優化后得到最優的分布參數均值和標準差，得到對應口令集的近似分布；

將參數均值和標準差通過正態分布計算得到潛在空間的分布情況，將潛在向量和首字母向量輸入解碼器，輸出口令數據。

2.根據權利要求1所述的基于變分自動編碼器的口令生成方法，其特征在于，所述口令集預處理的具體包括：數據清理、構建字典和文本矢量化表示；

所述數據清理具體步驟包括：清除口令集中長度超過預設值的口令，對無法編碼的內容進行清洗；

所述構建字典具體步驟包括：對數據清理后的數據進行提取所用的字符，組成一個字典；

所述文本矢量化表示步驟包括：基于字典將使用的密碼轉換成one-hot向量表示。

3.根據權利要求1所述的基于變分自動編碼器的口令生成方法，其特征在于，還包括序列數據處理步驟，所述循環神經網絡接收序列輸入，通過輸入初始隱藏向量h，在每一個時刻t，更新隱藏向量h和生成數據o；

所述隱藏向量h更新公式為：

h_t＝f(Ux_t+Wh_t-1)

其中，f表示一個非線性的激活函數，U表示輸入到隱含層的權重矩陣，W表示狀態到隱含層的權重矩陣；

所述生成數據o的計算公式為：

O_t＝g(Vh_t)

其中，g表示非線性的激活函數。

4.根據權利要求1所述的基于變分自動編碼器的口令生成方法，其特征在于，所述通過重參數計算得到潛在向量，具體計算步驟為：

從標準正態分布N(0，1)中采樣一個向量ε，使得z＝mu+exp(log(var))*ε；

其中，z表示潛在向量。

5.根據權利要求1所述的基于變分自動編碼器的口令生成方法，其特征在于，所述梯度下降算法采用Adam算法。