The invention provides a user password guessing based on deep learning system, through the analysis of the password data set, mining user password common pattern; according to the common mode of learning code, based on the user's personal information, the user may use can generate passwords, including data processing, model training, common mode extraction, password generation of the four subsystems; the password data is analyzed; according to the user password data, proposed the establishment of user password mode based on probability model based on recurrent neural network; user password mode probability model based on the acquisition, according to the Beam Search user password generation method of the most common pattern; according to the generated password based on the model, the user's personal information, the user may use the generated password; the invention can be used for speculation Password can also be used to assess the strength of user passwords; also can provide users with as little as possible suggestions for changes, enhance the user's password strength.
【技术实现步骤摘要】
一种基于深度学习的用户密码猜测系统
本专利技术属于数据挖掘
,特别涉及一种基于深度学习的用户密码猜测系统。
技术介绍
随着互联网时代的到来,互联网服务越来越多,而这些互联网服务广泛采用的用户认证方式就是文本密码,在可预见的未来,文本密码依然会占据不可替代的主导地位。尽管人们已经提出了多种不同的用户认证机制,然而没有任何一种能在不给用户引入额外负担的前提下保留文本密码的所有优势。因此,从攻击者的角度猜测用户密码有利于加深人们对于密码强度的理解,另一方面,猜测方法也可用于评估用户密码的强度,所提方法可帮助用户挑选强度更高的密码串,增强用户账号的安全性。为了便于记忆,用户密码往往并不是随机字符串,用户密码中或多或少会包含用户的个人信息,包括用户名、姓名、出生日期、身份证号、手机号、邮箱等等。因此,为了提高密码猜测的速度和密码强度评估的准确度,我们应当考虑用户个人信息在用户密码构成中的重要作用以及个人信息对于密码强度的影响。综上,如何根据用户个人信息猜测用户密码和评估密码强度就有着极为重要的理论和现实意义。目前已经有一些方法尝试根据个人信息猜测用户密码,如马尔科夫模型等,但是这些方法都或多或少都存在一些缺点。马尔科夫模型并不能捕捉密码串字符间的长距离依赖关系,另外,用户个人信息也并不能很自然地嵌入模型中。
技术实现思路
为了克服上述现有技术的缺点,本专利技术的目的在于提供一种基于深度学习的用户密码猜测系统,本专利技术的一项优势在于,采用深度递归神经网络对用户密码模式进行建模,能够捕捉用户密码串中的长距离依赖关系,因此模型的表达能力更强;本专利技术的另一项优势在于 ...
【技术保护点】
一种基于深度学习的用户密码猜测系统,其特征在于,包括:数据处理子系统,实现输入数据的预处理,根据用户个人信息和用户密码生成用户密码模式;模式训练子系统,通过分析用户密码模式数据,基于递归神经网络构建用户密码模式概率模型;模式提取子系统,基于模式训练子系统得到的用户密码模式概率模型,利用Beam Search方法生成用户最常用密码模式;密码生成子系统,根据模式提取子系统生成的用户最常用密码模式,基于用户个人信息,生成用户可能使用的密码。
【技术特征摘要】
1.一种基于深度学习的用户密码猜测系统,其特征在于,包括:数据处理子系统,实现输入数据的预处理,根据用户个人信息和用户密码生成用户密码模式;模式训练子系统,通过分析用户密码模式数据,基于递归神经网络构建用户密码模式概率模型;模式提取子系统,基于模式训练子系统得到的用户密码模式概率模型,利用BeamSearch方法生成用户最常用密码模式;密码生成子系统,根据模式提取子系统生成的用户最常用密码模式,基于用户个人信息,生成用户可能使用的密码。2.根据权利要求1所述基于深度学习的用户密码猜测系统,其特征在于,所述数据处理子系统根据用户个人信息和对应的密码,利用最长正向匹配算法将用户个人信息和密码进行匹配,根据匹配结果生成用户密码使用的密码模式,为模式训练子系统准备数据条件。3.根据权利要求2所述基于深度学习的用户密码猜测系统,其特征在于,所述将用户个人信息和密码进行匹配指找到包含用户个人信息的子串,匹配完成后,从左到右扫描匹配结果并根据结果生成该特定密码串的构成模式,所述用户个人信息包括用户名、姓名、出生日期、身份证号、手机号、邮箱。4.根据权利要求1所述基于深度学习的用户密码猜测系统,其特征在于,所述模式训练子系统使用递归神经网络(RNN,RecurrentNeuralNetwork)来对用户密码模式进行分析,对用户密码模式中时序上的依赖关系和共现关系进行建模,假定用户密码模式输入存在一定时序上的先后关系,则递归神经网络每个时刻的输入为当前时刻用户密码模式,输出为下一时刻用户密码模式,以此构建用户密码模式概率模型。5.根据权利要求4所述基于深度学习的用户密码猜测系统,其特征在于,所述用户密码模式概率模型为:其中N为递归神经网络所有训...
【专利技术属性】
技术研发人员:王平辉,陶敬,梁肖,陈雅静,孙飞扬,兰林,贾鹏,田栋文,柳哲,孙立远,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。