[发明专利]一种基于神经网络的加密算法识别方法和装置

说明书

本申请提供了一种基于神经网络的加密算法识别方法和装置，涉及数据处理技术领域。该方法首先获取待识别加密算法对应的加密码流和加密密码，进而将加密码流和加密密码输入预先训练的神经网络，利用训练的神经网络对加密码流和加密密码对应的加密算法进行识别，得到加密码流和加密密码对应的预测加密算法。可以看到，本申请实施例可以通过神经网络来准确、便捷地识别加密算法。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种基于神经网络的加密算法识别方法和装置。

背景技术

数据加密的基本过程就是对原来为明文的文件或数据按某种算法进行处理，使其成为不可读的一段代码，通常称为“密文”，使其只能在输入相应的密钥之后才能显示出本来内容，通过这样的途径来达到保护数据不被非法人窃取、阅读的目的。该过程的逆过程为解密，即将该编码信息转化为其原来数据的过程。目前的加解密方案五花八门，且必须一一对应，如何准确、便捷地识别加密算法成为亟需解决的技术问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的基于神经网络的加密算法识别方法和装置，可以准确、便捷地识别加密算法。所述技术方案如下：

第一方面，提供了一种基于神经网络的加密算法识别方法，该方法包括以下步骤：

获取待识别加密算法对应的加密码流和加密密码；

将所述加密码流和加密密码输入预先训练的神经网络，利用所述训练的神经网络对所述加密码流和加密密码对应的加密算法进行识别，得到所述加密码流和加密密码对应的预测加密算法。

在一种可能的实现方式中，所述方法还包括：

构建初始神经网络，获取样本加密码流和样本加密密码及对应的实际加密算法；

将所述样本加密码流和样本加密密码输入所述初始神经网络，利用所述初始神经网络对所述样本加密码流和样本加密密码对应的加密算法进行预测，得到预测加密算法；

根据所述预测加密算法与所述样本加密码流和样本加密密码对应的实际加密算法进行比对，得到训练的神经网络的一次训练准确度；

以此类推，继续获取其它样本加密码流和其它样本加密密码及对应的实际加密算法，利用所述其它样本加密码流和其它样本加密密码对训练的神经网络继续进行训练，每次训练后都求取对应的训练准确度；

在训练的过程中判断训练准确度的变化是否小于预设阈值，若是，则停止训练，得到最后训练的神经网络；若否，则继续训练，直至训练准确度的变化小于预设阈值。

在一种可能的实现方式中，利用下面的公式根据所述预测加密算法与所述样本加密码流和样本加密密码对应的实际加密算法进行比对，得到训练的神经网络的一次训练准确度：

其中μ(t)表示神经网络经过第t次训练后的训练准确度；D_t，a(i)表示神经网络经过第t次训练后将第a个加密算法的加密码流和加密密码进行输入后输出的解密码流中的第i个二进制数值；S_a(i)表示第a个加密算法的未加密码流中的第i个二进制数值；n表示第a个加密算法的未加密码流中二进制数的位数；δ{}表示零检验函数，若括号内的数值为0时函数值为1，反之为0；m表示加密算法的总数；

当t＝1时，即为训练的神经网络的一次训练准确度μ(1)。

在一种可能的实现方式中，利用下面的公式在训练的过程中判断训练准确度的变化是否小于预设阈值，并控制训练的神经网络的训练使能：

其中H(k)表示神经网络经过第k次训练后的训练使能控制值；μ(k)表示神经网络经过第k次训练后的训练准确度；μ(k-b)表示神经网络经过第k-b次训练后的训练准确度；