[發明專利]基于深度學習的口令語義結構化實現方法

在審

• 申請號: 202110002686.8
• 申請日: 2021-01-04
• 公開（公告）號: CN112613325A
• 公開（公告）日: 2021-04-06
• 發明（設計）人: 邱衛東;田昊;郭捷;唐鵬;王強民;劉國珍
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/44;G06K9/34;G06N3/04;G06N3/08
• 代理公司: 上海交達專利事務所 31201
• 代理人: 王毓理;王錫麟

一種基于深度學習的口令語義結構化實現方法，將待處理的口令語義結構編碼為字符串作為輸入存儲到輸入文件中，將當前編碼字符的下一位字符作為標準輸出存儲到預測文件中，同時將掩碼保存在掩碼文件中，通過兩層長短時記憶網絡訓練得到編碼字符串的字符轉移概率，再根據字符轉移概率和首字符概率分布表計算生成的口令結構概率，通過深度遍歷的搜索方式，當任一口令語義結構的概率小于概率閾值時剪枝，最后得到所有剪枝的口令語義結構編碼字符串作為輸出，即新的編碼字符串，經解碼得到新的口令語義結構。本發明通過學習樣本集中口令語義結構之間的轉移特征，得到口令語義結構概率轉移矩陣，并提出了新的口令語義結構生成算法，能夠準確、高效的生成口令語義結構。

技術領域

本發明涉及的是一種信息安全領域的技術，具體是一種在電子取證中應用的基于深度學習的口令語義結構化實現方法。

背景技術

隨著網絡犯罪的威脅逐漸加大，網絡犯罪中證據的提取、固定也就成了需要重點關注的問題。電子取證相比傳統的取證方式難度更高，在不知道嫌疑人電腦口令的情況，想要直接從硬盤恢復數據比較困難。因此，常規的做法是生成口令字典對其進行逐一試探，因此如何生成一個高效的口令字典就是需要解決的問題。

在利用口令語義分析生成口令字典的過程中，訓練集能夠得到的口令語義結構的數量是固定的，因此最終生成的口令字典也會受限于口令語義結構的數量。因此需要采用一種方法擴大口令語義結構的規模。

神經網絡及深度學習已經廣泛應用在口令字典生成方面。William Melicher曾提出過使用LSTM學習口令之間的字符轉移概率來分析和模擬生成口令字典。PCFG方法分析了同類字符間的組成關系，但是無法對口令語義內容進行分析。然而，在口令語義結構化訓練方面，目前的研究還沒有設計相應的方案，更沒有將口令語義結構訓練與深度學習相結合。

發明內容

本發明針對現有口令語義結構化訓練方面方案不足，無法滿足對語義結構深度分析的矛盾，提出一種基于深度學習的口令語義結構化實現方法，通過學習樣本集中口令語義結構之間的轉移特征，得到口令語義結構概率轉移矩陣，并提出了新的口令語義結構生成算法，能夠準確、高效的生成口令語義結構。

本發明是通過以下技術方案實現的：

本發明涉及一種基于深度學習的口令語義結構化實現方法，將待處理的口令語義結構編碼為字符串作為輸入存儲到輸入文件中，將當前編碼字符的下一位字符作為標準輸出存儲到預測文件中，同時將掩碼保存在掩碼文件中，通過兩層長短時記憶(LSTM)網絡訓練得到編碼字符串的字符轉移概率，再根據字符轉移概率和首字符概率分布表計算生成的口令結構概率，通過深度遍歷的搜索方式，當任一口令語義結構的概率小于概率閾值時剪枝，最后得到所有剪枝的口令語義結構編碼字符串作為輸出，即新的編碼字符串，經解碼得到新的口令語義結構。

所述的編碼，通過將待處理的口令語義結構映射到字符上，映射方法是根據語義結構的出現順序依次對應從ascii碼21開始的字符，編碼后得到編碼表。

優選在每個編碼的密碼中添加一個特殊的結束符號，以便將模式“[NOUN][KB][num4]”編碼為“BL3[END]”。

所述的輸入文件和預測文件優選為hdf5格式存儲。

所述的兩層LSTM網絡中包括：兩層循環神經元組成的第一隱層和一層softmax函數組成的第二隱層，并通過反向傳播計算損失，該兩層LSTM網絡輸入為編碼的字符串，輸出為預測文件，通過神經網絡學習得到編碼字符轉移概率矩陣。

所述的生成的口令結構概率P(ab)＝P(a)*P(b|a)，其中：P(a)為a在首字符概率分布表中的概率；P(b|a)為前一個字符是a的情況下，后一個字符是b的概率。

所述的首字符概率分布表是指：統計輸入文件中每一個字符串的首字母的頻率。

技術效果