[发明专利]密码字典生成方法、装置以及计算机设备

说明书

本发明公开了一种密码字典生成方法、装置以及计算机设备，其中，方法包括：将获取到的真实密码样本集合输入到对抗式神经网络中；其中，真实密码样本集合包含多个真实密码样本；获取对抗式神经网络的判别器在判别真实密码样本与生成器生成的当前假密码样本之间的误差时而得到的回传误差；采集生成器在回传误差小于预设误差时生成的假密码样本作为集合形成密码字典。本发明降低了操作的复杂度，并且能够有效增大密码字典的覆盖面和多样化。

技术领域

本发明涉及密码安全技术，特别涉及一种密码字典生成方法、装置以及计算机设备。

背景技术

在网络化、信息化和全球化的大发展背景下，信息安全防护已成为经济发展不可缺少的重要一环。网络上泄露的信息会在极短的时间内传遍全球。因此，信息安全防护要求对网络上的信息进行实时监控，对一些加密传输的文档需要通过解密，然后扫描信息是否安全合法，防患于未然。现有的密码大部分不以明文而是以Hash值的方式存于文件或服务器中，破解时通过运算碰撞得出，参与运算的密码一般通过“列举”和“密码字典”的方式获得。

然而，通过密码字典的方式进行破密，若密码字典不够强大，则会降低解密的成功率。传统技术中生成密码字典时一般是人工制作，需要消耗大量的人力物力和时间，且密码个数有限，一定程度上未能满足用户的解密需求。

发明内容

本发明的目的在于针对传统技术中的不足，提供一种密码字典生成方法、装置以及计算机设备，利用机器自主学习生成密码字典，从而具有更高的密码覆盖面和丰富性。

根据本发明的实施方式，本发明提供了一种密码字典生成方法，包括：

将获取到的真实密码样本集合输入到对抗式神经网络中；其中，真实密码样本集合包含多个真实密码样本；

获取对抗式神经网络的判别器在判别真实密码样本与生成器生成的当前假密码样本之间的误差时而得到的回传误差；

采集生成器在回传误差小于预设误差时生成的假密码样本作为集合形成密码字典。

在其中一个实施例中，“获取对抗式神经网络的判别器在判别真实密码样本与生成器生成的当前假密码样本之间的误差时而得到的回传误差”之后，还包括：

在回传误差大于或等于预设误差时，更新生成器的随机噪声；其中，当前假密码样本根据生成器基于真实密码样本、以及上一次更新的随机噪声而得到。

在其中一个实施例中，“获取对抗式神经网络的判别器在判别真实密码样本与生成器生成的当前假密码样本之间的误差时而得到的回传误差”之后，还包括：

在回传误差大于或等于预设误差时，更新判别器的学习模型；学习模型用于学习判别真实密码样本和当前假密码样本。

在其中一个实施例中，“将获取到的真实密码样本集合输入到对抗式神经网络中”之后，还包括：

获取训练参数，并根据训练参数初始化对抗式神经网络；其中，训练参数包括训练周期、迭代次数以及当前假密码样本的个数。

在其中一个实施例中，“采集生成器在回传误差小于预设误差时生成的假密码样本作为集合形成密码字典”之后，还包括：

删除密码字典中重复的密码以及乱码，以更新密码字典。

在其中一个实施例中，“采集生成器在回传误差小于预设误差时生成的假密码样本作为集合形成密码字典”，包括：

在作为集合的假密码样本中选取出符合预设组合规则的密码作为密码字典。

在其中一个实施例中，“将获取到的真实密码样本集合输入到对抗式神经网络中”之前，还包括：

获取破译后的密码以及第三方泄露的密码作为真实密码样本集合。