[發明專利]基于馬爾可夫鏈和神經網絡的口令字典生成方法和系統

有效

• 申請號: 202011539052.8
• 申請日: 2020-12-23
• 公開（公告）號: CN112257433B
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 張磊;楊龍龍;劉亮;楊頻
• 申請（專利權）人: 四川大學
• 主分類號: G06F40/284
• 分類號: G06F40/284;G06F40/242;G06N3/04;G06N3/08
• 代理公司: 四川省成都市天策商標專利事務所 51213
• 代理人: 張秀敏

本發明公開了基于馬爾可夫鏈和神經網絡的口令字典生成方法，包括使用有序馬爾可夫鏈進行原口令集的學習和基于5?Gram統計語言模型的字符序列概率統計，生成按照概率高低輸出的組合口令；采用隨機數噪聲訓練生成對抗神經網絡生成器產生偽口令樣本，使用原口令集訓練初始的生成對抗神經網絡判別器，初始的生成對抗神經網絡判別器通過對偽口令樣本的判別反饋參數學習；生成對抗神經網絡判別器對組合口令進行判別打分篩選得到可用口令集輸出，將可用口令集輸出拼接上原口令集構成口令字典，進行離線口令猜解。還公開了一種系統。生成的口令具有按照口令組合概率高低排序、符合原口令集分布的特點，測試集命中率高，起到加速口令猜解的效果。

技術領域

本發明涉及網絡空間安全技術領域，具體的說，是基于馬爾可夫鏈和神經網絡的口令字典生成方法和系統。

背景技術

現有技術中離線口令的猜解問題，通常采用暴力猜解方法，對哈希字符串進行一個全口令空間的搜索來進行猜解，這種方法需要大量算力和時間，猜解的目標口令長度和字符集對計算代價影響很大，并且成功率低下。

離線口令猜解最優的方法是使用口令字典進行猜解，為生成這樣高效的口令字典，有的方法是采用對抗生成網絡進行對口令集學習，然后生成口令字典。這類方法生成的口令存在嚴重的重復率問題；還有的方法是采用基于遞歸神經網絡和概率上下文無關文法的生成口令，將待處理字符串轉變成標簽的格式，并對每個標簽進行概率統計，然后給遞歸神經網絡學習特征的方法，但該方法存在命中率不高的情況。

發明內容

本發明的目的在于提供一種基于馬爾可夫鏈和神經網絡的口令字典生成方法和系統，用于解決現有技術中離線口令猜解口令生成的口令重復率高、命中率不高的問題。

本發明通過下述技術方案解決上述問題：

基于馬爾可夫鏈和神經網絡的口令字典生成方法，包括：

步驟S1：使用有序馬爾可夫鏈進行原口令集的學習和基于5-Gram統計語言模型的字符序列概率統計，生成組合口令，所述組合口令按照口令序列組合的概率高低輸出；

步驟S2：采用隨機數噪聲訓練生成對抗神經網絡生成器，產生偽口令樣本，使用原口令集訓練初始的生成對抗神經網絡判別器，初始的生成對抗神經網絡判別器通過對生成對抗神經網絡生成器產生的偽口令樣本的判別反饋進行參數學習，得到訓練好的生成對抗神經網絡判別器；

步驟S3：采用訓練好的抗神經網絡判別器對所述組合口令進行判別打分，按照最后的打分分布篩選出得分數值大于預設值（某個預設常數）的口令集作為可用口令集輸出，可用口令集按照口令序列組合的概率高低排序，且符合原口令集分布的特點；

步驟S4：將可用口令集輸出拼接上原口令集構成口令字典，進行離線口令猜解。

所述步驟S1具體包括：

步驟S11：對原口令集的口令進行切割，在開始添加開始標志符，在結尾添加結束符；

步驟S12：每次提取連續的5個字符序列作為1個字符序列組，移動步長為1，直到5個字符序列組的最后一個字符為結束字符，統計字符序列組數量；

步驟S13：采用對每個5-Gram字符序列組進行概率統計，并按照概率高低將5-Gram序列分為多個堆；

步驟S14：按照概率的高低遍歷每個堆，從這些堆中尋找子序列進行口令組合，并生成組合口令。

所述生成對抗神經網絡生成器由隨機數發生器、線性層、5層殘差塊、1維卷積層和softmax層組成，所述生成對抗神經網絡判別器對所述偽口令進行判別和反饋，所述生成對抗神經網絡判別器由1層字符嵌入層、5層LSTM層和1層線性層組成。

基于馬爾可夫鏈和神經網絡的口令字典生成系統，包括馬爾可夫鏈口令生成器、生成對抗神經網絡判別器和生成對抗神經網絡生成器，其中：