[發明專利]基于序列生成對抗神經網絡的口令強度評估方法

在審

• 申請號: 202011033257.9
• 申請日: 2020-09-27
• 公開（公告）號: CN112000948A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 何道敬;周貝貝;陸城;張偉哲
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06F21/46
• 分類號: G06F21/46;G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 薛福玲

1.一種基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述口令強度評估方法包括：

獲取目標神經網絡模型，所述目標神經網絡模型根據包括多個口令的口令集訓練得到；

將待評估口令輸入到目標神經網絡模型，以確定所述待評估口令的被猜測出所需的猜測次數；

根據所述猜測次數確定所述待評估口令的安全強度。

2.如權利要求1所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述根據所述猜測次數確定所述待評估口令的安全強度的步驟包括：

若所述猜測次數大于預設次數，確定所述待評估口令為弱口令；

若所述猜測次數小于或等于預設次數，確定所述待評估口令為強口令。

3.如權利要求1所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述目標神經網絡模型為序列生成對抗神經網絡模型，所述目標神經網絡模型包括生成器模型以及判別器模型，所述將待評估口令輸入到目標神經網絡模型，以確定所述待評估口令的被猜測出所需的猜測次數的步驟包括：

通過所述生成器模型以及所述待評估口令的概率分布生成目標口令；

根據所述判別器模型獲取所述目標口令的預測概率；

判斷所述預測概率是否大于預設概率；

若所述預測概率大于預設概率，獲取所述目標口令的生成次數，并將所述生成次數作為所述待評估口令的被猜測出所需的猜測次數；

若所述預測概率小于或等于預設概率，采用所述目標口令更新所述待評估口令，并更新所述目標口令的生成次數；

返回執行所述通過所述生成器模型獲取所述待評估口令的概率分布，并根據所述概率分布生成目標口令的步驟。

4.如權利要求1所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述獲取目標神經網絡模型的步驟包括：

獲取口令集；

對所述口令集預處理生成目標口令集；

將所述目標口令集輸入到預設神經網絡模型訓練得到目標神經網絡模型。

5.如權利要求4所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述目標口令集包括訓練集、驗證集以及測試集，所述將所述目標口令集輸入到預設神經網絡模型訓練得到目標神經網絡模型的步驟包括：

用所述訓練集訓練所述預設神經網絡模型；

用所述驗證集驗證訓練后的所述預設神經網絡模型，并根據驗證結果更新所述預設神經網絡模型的參數；

用所述測試集測試驗證后的所述預設神經網絡模型，計算損失函數；

判斷所述損失函數是否收斂；

若所述損失函數收斂，壓縮訓練后的所述預設神經網絡模型，生成目標神經網絡模型；

若所述損失函數不收斂，返回執行所述用所述訓練集訓練所述預設神經網絡模型的步驟。

6.如權利要求4所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述對所述口令集預處理生成目標口令集的步驟包括：

對所述口令集進行數據清理，以剔除無效口令；

對剔除無效口令后的所述口令集中剩余的口令進行編碼；

對編碼后的所述口令集中的口令按預設比例分類，以得到所述訓練集、所述驗證集以及所述測試集。

7.如權利要求6所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述無效口令為字符長度小于預設長度的口令或者含有在預設字符中不存在的字符的口令。

8.如權利要求1-7任一項所述的基于序列生成對抗神經網絡的口令強度評估方法，其特征在于，所述根據所述猜測次數確定所述待評估口令的安全強度的步驟之后包括：

將所述待評估口令的安全強度信息發送至所述待評估口令對應的終端并輸出提示信息。