【技术实现步骤摘要】
本申请一般地涉及信息安全，尤其涉及一种基于人工智能的密码安全性评测方法。
技术介绍
1、随着网络技术的飞速发展，大量用户的个人信息和数据资源在网络中流转，为了保护用户的个人信息和数据资源，用户可以设置密码对个人信息和数据资源进行加密，只有输入正确的密码才能够获取密码背后的个人信息和数据资源。因此，密码的安全性直接决定了个人信息和数据资源的安全性，为了保证网络中的信息安全，需要对用户设置的密码进行安全性评测。
2、目前，公开号为cn110807476a的专利申请文件公开了一种密码安全等级分类方法，该方法包括：将待处理密码输入预先建立的神经网络模型进行分类，得到所述待处理密码的安全等级；其中，神经网络模型包括字符向量子模型、编码子模型以及分类子模型；所述字符向量子模型，用于对输入的密码中每个字符进行向量化处理，得到每个字符的字符向量，并将得到的字符向量输入至所述编码子模型；所述编码子模型，具体用于依次针对输入的每个字符向量进行编码处理，得到该字符向量的编码特征，每次编码处理的输入为所针对的字符向量以及上次编码处理输出的编码特征，并将最后一次编码处理输出的编码特征输入所述分类子模型；所述分类子模型，用于通过全连接网络对输入的编码特征进行分类，得到该编码特征对应的安全等级。
3、然而，上述方法直接将待处理密码输入神经网络模型，虽然能够输出待处理密码的安全等级，但是忽略了待处理密码中所有字符的字符类型以及待处理密码的防御能力对安全等级的影响，导致密码安全性评测结果不准确。
技术实现思路<
1、为了解决现有技术中的上述技术问题，本申请提供了一种基于人工智能的密码安全性评测方法，综合考虑了密码中字符和字符类型的复杂程度，以及密码对攻击的防御能力，提高密码安全性评测结果的准确性。
2、本专利技术提供了一种基于人工智能的密码安全性评测方法，所述密码安全性评测方法包括：获取待评测密码，并构建所述待评测密码的字符类型序列，所述字符类型序列包括所述待评测密码中每个字符的字符类型，所述字符类型包括数字、字母和特殊符号；将所述待评测密码和所述字符类型序列输入训练完毕的安全评测网络，输出所述待评测密码的安全等级，并将所述安全等级作为所述待评测密码的第一评测结果；将所述待评测密码中的任意一个字符作为掩码字符，将所述掩码字符之外的其它字符输入训练完毕的密码预测网络以输出所述掩码字符的预测结果，所述密码预测网络为cbow网络；遍历所述待评测密码中的所有字符以获取每个掩码字符的预测结果，并基于所有掩码字符的预测结果计算所述待评测密码的第二评测结果；基于所述第一评测结果和所述第二评测结果获取所述待评测密码的安全性评测结果；其中，所述安全评测网络包括第一时序模型、第二时序模型和分类模型，所述安全评测网络的训练方法包括：获取标注有安全等级标签的密码样本，一个密码样本对应一个字符类型序列样本；将任意密码样本输入所述第一时序模型，对所述密码样本进行时序特征提取，得到密码向量；将所述密码样本的字符类型序列样本输入所述第二时序模型，对所述字符类型序列样本进行时序特征提取，得到字符类型向量；拼接所述密码向量和所述字符类型向量，并将拼接结果输入所述分类模型以输出所述密码样本的安全等级；计算输出的安全等级与安全等级标签之间的交叉熵损失函数值；利用梯度下降法调整所述安全评测网络的网络参数；迭代地调整所述安全评测网络的网络参数，直至输出的安全等级与安全等级标签之间的交叉熵损失函数值小于设定值，得到训练完毕的安全评测网络。
3、在一些实施例中，构建所述待评测密码的字符类型序列包括：将所述待评测密码中的所有字符替换为对应的字符类型标签，得到所述待评测密码的字符类型序列，所述字符类型序列用于反映所述待评测密码中每种字符类型的数量和排列顺序；其中，一种字符类型对应一个预先设定的字符类型标签。
4、在一些实施例中，所述第一时序模型和所述第二时序模型为循环神经网络，所述分类模型为全连接神经网络。
5、在一些实施例中，所述密码预测网络的训练方法包括：搭建密码预测网络，所述密码预测网络的输入为一个待评测密码中待预测字符两侧设定数量的字符，输出为所述待预测字符的预测结果，所述待预测字符为待评测密码中任意一个字符，所述预测结果包括预设字典中每个字符的概率值，所述预设字典包括组成密码的所有字符；对于一个密码样本，将所述密码样本中的任意字符作为待预测字符，将所述待预测字符两侧设定数量的字符输入所述密码预测网络以输出预测结果，计算所述预测结果和所述待预测字符之间的交叉熵损失函数值，利用梯度下降法调整所述密码预测网络的网络参数；迭代地调整所述密码预测网络的网络参数，直至所述预测结果和所述待预测字符之间的交叉熵损失函数值小于所述设定值，得到训练完毕的密码预测网络。
6、在一些实施例中，所述设定数量等于所有密码样本的平均长度；若一个待评测密码中任意一个待预测字符两侧的字符数量小于所述设定数量，在所述待评测密码两端填充设定字符，直至所述待评测密码中所述待预测字符两侧的字符数量等于所述设定数量，得到所述待预测字符输入至密码预测网络的输入信息。
7、在一些实施例中，一个掩码字符的预测结果包括所述掩码字符的概率值，基于所有掩码字符的预测结果计算所述待评测密码的第二评测结果包括：对于每个掩码字符，获取对应预测结果中所述掩码字符的概率值，作为所述掩码字符的破解成功率；基于所有掩码字符的破解成功率计算所述待评测密码的破解成功率，所述待评测密码的破解成功率与所有掩码字符的平均破解成功率呈负相关；依据设定等级区间获取所述待评测密码的破解成功率对应的防御等级，并将所述防御等级作为所述待评测密码的第二评测结果。
8、在一些实施例中，所述待评测密码的破解成功率满足关系式：
9、
10、其中，为所述待评测密码中所有字符的数量，为第个字符作为掩码字符时的破解成功率，为所述待评测密码的破解成功率。
11、在一些实施例中，所述防御等级的数量与所述安全等级的数量相同，基于所述第一评测结果和所述第二评测结果获取所述待评测密码的安全性评测结果包括：将所述第一评测结果和所述第二评测结果中的安全性最弱的等级作为所述待评测密码的安全性评测结果。
12、本申请的技术方案具有以下有益技术效果：
13、本申请实施例提供的上述一种基于人工智能的密码安全性评测方法，首先依据待评测密码中每个字符的字符类型构建待评测密码的字符类型序列，将待评测密码以及对应的字符类型序列输入训练完毕的安全评测网络，输出安全等级，得到待评测密码的第一评测结果，第一评测结果从密码中字符以及字符类型的复杂度的角度评价待评测密码的安全性；进一步地，将待评测密码中的任意一个字符作为掩码字符，将所述掩码字符之外的其它字符输入训练完毕的密码预测网络，输出所述掩码字符的预测结果，掩码字符的预测结果能够表征掩码字符被准确预测的难易程度，进而能够反映掩码字符是否能够被准确破解，综合待评测密码中所有字符的预测结果计算待评测密码的破解成功率本文档来自技高网...
【技术保护点】
1.一种基于人工智能的密码安全性评测方法，其特征在于，所述密码安全性评测方法包括：
2.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，构建所述待评测密码的字符类型序列包括：
3.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述第一时序模型和所述第二时序模型为循环神经网络，所述分类模型为全连接神经网络。
4.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述密码预测网络的训练方法包括：
5.如权利要求4所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述设定数量等于所有密码样本的平均长度；
6.如权利要求5所述的一种基于人工智能的密码安全性评测方法，其特征在于，一个掩码字符的预测结果包括所述掩码字符的概率值，基于所有掩码字符的预测结果计算所述待评测密码的第二评测结果包括：
7.如权利要求6所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述待评测密码的破解成功率满足关系式：
8.如权利要求7所述的一种基于人工智能的密
...【技术特征摘要】
1.一种基于人工智能的密码安全性评测方法，其特征在于，所述密码安全性评测方法包括：
2.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，构建所述待评测密码的字符类型序列包括：
3.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述第一时序模型和所述第二时序模型为循环神经网络，所述分类模型为全连接神经网络。
4.如权利要求1所述的一种基于人工智能的密码安全性评测方法，其特征在于，所述密码预测网络的训练方法包括：
5.如权利要求4所述的一种基于人工智能的密码安全性评测方法，其特征在于...
【专利技术属性】
技术研发人员：范文丽，王小杰，张琪，樊帆，
申请(专利权)人：西安尚易安华信息科技有限责任公司，
类型：发明
国别省市：
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。