[发明专利]密码字典生成方法及计算机可读存储介质

权利要求书

1.一种密码字典生成方法，其特征在于，包括：

收集密码集，所述密码集包括真实密码和虚拟密码；

生成测试集，所述测试集包括明文密码；

通过递归神经网络模型对当前的密码集进行训练，得到字典模型；

根据所述字典模型，生成字典；

根据所述测试集，对所述字典进行测试，得到当前的密码集对应的命中率；

随机修改当前的密码集中的虚拟密码，得到新的密码集；

通过递归神经网络模型对所述新的密码集进行训练，得到新的字典模型；

根据所述新的字典模型，生成新的字典；

根据所述测试集，对所述新的字典进行测试，得到新的密码集对应的命中率；

判断新的密码集对应的命中率是否大于当前的密码集对应的命中率；

若否，则返回执行所述随机修改当前的密码集中的虚拟密码，得到新的密码集的步骤；

若是，则令更新次数加一，并将所述新的密码集作为当前的密码集；

当更新次数未达到预设的第一次数时，返回执行随机修改当前的密码集中的虚拟密码，得到新的密码集的步骤；

当更新次数达到预设的第一次数时，根据当前的密码集通过递归神经网络模型训练得到的字典模型，生成密码字典；

所述“通过递归神经网络模型对当前的密码集进行训练，得到字典模型”具体为：

构建递归神经网络模型，所述递归神经网络模型包括输入层、隐含层和输出层，所述隐含层包括三个GRU层，所述GRU为门控循环单元；

从当前的密码集中读取一组密码，每组密码包括随机从密码集中取出的预设的第一个数的密码；

将所述第一个数的密码导入递归神经网络模型，并在输入层将所述密码从字符串转换为数值向量；

将转换后的第一个数的密码经过三个GRU层的计算，得到二阶矩阵；

将所述二阶矩阵输入到输出层，得到第一个数的数值序列；

根据代价函数，计算得到所述数值序列的预测结果与实际结果的偏差；

根据所述偏差以及预设的学习率，通过优化算法调整所述三个GRU层的神经元的权重参数；

返回执行所述从当前的密码集中读取一组密码的步骤，直至所述密码集中的所有密码完成一次训练；

返回执行所述从当前的密码集中读取一组密码的步骤，直至所述密码集完成预设第二次数的训练；

获取三个GRU层的神经元的权重参数，得到字典模型。

2.根据权利要求1所述的密码字典生成方法，其特征在于，所述“根据所述测试集，对所述字典进行测试，得到当前的密码集对应的命中率”具体为：

计算所述字典中与所述测试集中的明文密码相同的密码条数；

计算所述密码条数与所述测试集中的明文密码的总数之商，得到当前的密码集对应的命中率。

3.根据权利要求1所述的密码字典生成方法，其特征在于，所述“将所述第一个数的密码导入递归神经网络模型，并在输入层将所述密码从字符串转换为数值向量”之前，进一步包括：

用0将所述第一个数的密码填充到预设的长度。

4.根据权利要求1所述的密码字典生成方法，其特征在于，所述“将转换后的第一个数的密码经过三个GRU层的计算，得到二阶矩阵”之前，进一步包括：

根据随机丢弃算法，随机选取每个GRU层的预设比例的神经元，并使所述神经元失效。

5.根据权利要求1所述的密码字典生成方法，其特征在于，所述“根据所述字典模型，生成字典”具体为：

获取字符集；

从所述字符集中随机选取一个字符作为一密码的第一个字符；

将所述字符作为当前字符，并根据当前字符以及所述字典模型，通过代价函数计算得到各字符出现的概率；

获取概率最大的预设的第二个数的字符，并从所述第二个数的字符中随机选取一个字符作为所述一密码的下一个字符；

判断所述下一个字符是否为预设的结束符；

若否，则所述下一个字符作为当前字符，返回执行所述根据当前字符以及所述字典模型，通过代价函数计算得到各字符出现的概率的步骤；

若是，则将所述一密码加入字典；

返回执行所述从所述字符集中随机选取一个字符作为一密码的第一个字符的步骤，直至所述字典中密码的个数达到预设的第三个数。