CN104573142A - 基于神经网络的口令属性分析方法 - Google Patents

Abstract

一种计算机安全领域的对于口令数据的分析方法，具体是一种基于神经网络建模来对真实口令数据的属性关系进行分析处理以获取有价值信息的系统。本发明包括获取口令属性数据源、确定神经网络模型、训练学习、仿真测试等几个主要环节。所述的口令属性数据源是经过对每个口令赋予一组属性并根据口令组成特征依次赋值得到；所述的神经网络模型包括网络类型、输入输出属性、网络层数和各层神经元个数、训练样本和仿真样本容量、相关函数和参数设置；所述的训练学习是通过一定量的属性数据训练样本不断校正模型从而获得最接近真实的关系模型；所述的仿真测试是通过一定量的属性数据测试样本对训练过的网络进行测试，由仿真准确率判断输入输出属性间是否存在有价值关系、规则，进而指导字典文件生成，为口令破解和恢复提供指向性帮助。

Description

基于神经网络的口令属性分析方法

技术领域

本发明涉及的是一种计算机安全领域的对于口令数据的分析方法，具体是一种基于神经网络建模来对真实口令数据的属性关系进行分析处理以获取有价值信息的系统。

背景技术

人工神经网络（artificial neural network，缩写ANN），由称为神经元的基本处理单元互连而成的平行工作的复杂网络系统，简称神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。

神经网络是近年来得到迅速发展的新型学科，由于其独特的结构和处理信息的方法，使其应用范围日益扩大，并已在许多学科领域取得了成功的应用，其中通信及其保密通信就是神经网络的重要研究领域。用人工神经网络解决计算机密码学中的问题，即神经密码学，不仅是神经网络的一个重要的应用研究领域，而且也将给密码学理论提供一种全新的思路。

作为密码学的一项重要内容，口令，即日常生活中所谓的密码，是一种最普遍的身份识别机制。它广泛地应用于银行账户、电子门禁、操作系统账号、电子邮箱等生活的各个方面。在互联网高速发展的今天，口令更是与每个人的学习、生活和工作等息息相关，一旦口令发生泄漏或被破解，用户的个人隐私、财产等将面临严重的安全威胁。结合神经密码学的定义，基于神经网络的口令属性分析方法，也属于神经密码学的范畴。

经过对现有技术的检索发现，目前对于神经密码学的研究主要集中在加密机制、加密系统的改进上，如方俊与赵英良在《基于RBF神经网络的一次性口令认证方案》（《计算机工程》第37卷第9期，2011年5月）中，分析 S/KEY 一次性口令方案中存在的缺陷，在对其进行改进的基础上提出一种基于 RBF 神经网络的一次性口令认证方案。

然而利用神经网络对口令本身的研究却几乎没有，而事实上在生活中，为了方便记忆，用户在设置口令时，通常会采用手机号、生日、姓氏、英文单词等作为口令或口令的一部分，对于不同类型的口令或用户群体，也存在各种各样的口令设置习惯，有些甚至用户本身都没有意识到，有效地挖掘出这些潜在的规则，对于生成破解字典、口令破解和口令恢复都有着重要意义和研究价值。本发明提出一种适用于大量口令的分析方法，利用神经网络建模分析，挖掘真实口令的各项属性（如长度、是否包含大小写字母、是否包含数字、是否包含特殊字符、是否包含英文单词/姓名、是否包含手机号、是否为弱密码等）间可能存在的关系，通过对大量不同类型的真实口令（如社交网站、论坛、邮箱等不同类型口令）进行自动化分析、判断，从而挖掘出潜在的有用的属性间关系，并据此由已知的某些属性值推断出其他属性值，或根据这些规则可生成可用的字典，为口令破解和口令恢复提供一定的指向性和帮助。

在进一步的查新中，尚未发现与本发明主题相同或者类似的文献报道。

发明内容

本发明根据现有技术中存在的不足，提出一种基于神经网络的口令属性分析方法，通过神经网络建立对应模型，以分析判断真实口令的各项属性间可能存在的关系，目的在于挖掘出潜在的有价值的属性间关系（用户口令设置的潜在规则），从而指导字典生成、口令破解和恢复。由于口令的不同属性之间大多数并不存在明显的关系，难以通过人工进行分析判断，采用神经网络分析，可以在有限时间内完成对大量真实口令的分析处理，有效降低人工操作工作量，大大提高研究工作效率，为口令属性分析提供了快速有效的分析方法。

本发明是通过以下技术方案实现：

本发明涉及一种基于神经网络的口令属性分析方法，主要包括获取口令属性数据源、确定神经网络模型、训练学习、仿真测试等几个主要环节。其中，神经网络分析采用MATLAB软件，口令属性数据源作为神经网络的数据来源读入MATLAB，确定好网络模型和相关参数后，依次进行模型训练学习、仿真测试并输出结果。

所述的口令属性数据源，是通过分析每个口令的组成特点，对每一个口令赋予一组属性值所构成的数据集合。即对于每一个真实口令，赋予其一些属性特征，通过分析其组成成分和组成特征，来对这些属性特征进行赋值。通过属性赋值，每一个口令都有自己对应的一组属性值，用来表现该口令的组成特点。属性赋值的意义在于将口令特征具体化、数字化，将抽象问题具体化，从而能够通过这些属性值进行分析处理以获得属性间有价值的关系，即获得口令组成的潜在规则或用户设置口令的潜在习惯。 

所述的神经网络，通常是由一个多层神经元结构组成，每一层神经元拥有输入（它的输入是前一层神经元的输出）和输出，每一层（我们用符号记做）Layer(i)是由Ni(Ni代表在第i层上的N)个网络神经元组成，每个Ni上的网络神经元把对应在Ni-1上的神经元输出作为它的输入，神经元和与之对应的神经元之间的连线叫做神经轴突的突触，在数学模型中每个突触有一个加权数值，称作权重，第i层上的某个神经元所得到的势能等于每一个权重乘以第i-1层上对应的神经元的输出，然后全体求和得到了第i层上的某个神经元所得到的势能，然后势能数值通过该神经元上的激励函数(activation function)求出该神经元的输出。

神经网络按其构造形式可分为单层和多层两大类：①单层神经网络。输入层直接与输出层相连接。其特点为结构简单，便于实现，如霍普菲尔德(Hopfield)网。②多层神经网络。输入层和输出层之间存在一层或多层中间层（称为隐藏层）。隐藏层的出现使网络工作机理复杂化，但功能加强，如反向传播(Back Propagation，BP)模型。

神经网络的基本工作原理可简述如下：每个神经元是由一个计算单元构成，该单元具有多个输入和单个输出。其功能是对各个输入信号作非线性权值运算，并通过输出端输出至其他神经元。整个网络工作过程分为训练和求解两个阶段。当已知训练样本的数据加到网络输入端时，网络的学习机制一遍又一遍地调整各神经元的权值，使其输出端达到预定的目标。这就是训练（学习、记忆）过程。当经过训练的网络进行问题求解时，输入的求解信号在网络内迅速地传递、处理。当网络达到稳定状态时，从输出端即可得到问题的解。

所述的确定神经网络模型，是指MATLAB下确定一个神经网络的网络类型（如BP网络、RBF网络、Hopfield网络等）、网络输入和输出、网络层数与各层神经元个数、训练样本容量和仿真样本容量，传递函数和训练函数等相关函数及参数设置。

所述的训练学习，是指在MATLAB下，通过训练样本的校正，对各个层的权重进行校正(learning)而建立模型的过程，称为自动学习过程(training algorithm)。具体的学习方法则因网络结构和模型不通而不同，常用反向传播算法(BackPropagation)来验证。

所述的仿真测试，是指在MATLAB下，对已经确定好的并且经过训练学习所得的神经网络模型，采用一定容量的仿真样本对该网络进行仿真测试，通过对比网络输出结果与实际样本结果来验证网络的准确性和有效性。

本发明通过上述的基于神经网络的口令属性分析方法，能够有效地对大量真实口令进行属性关系间的分析。由于口令的不同属性之间大多数并不存在明显的关系，难以通过人工进行高效的分析判断，而神经网络作为一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，对于口令属性这种未知关系的探索，提供了一种非常适用的方法。采用神经网络探索口令属性间关系，我们通过对不同的口令属性关系建立对应的神经网络模型，在有限时间内，利用大量口令数据的迭代测试不断逼近产生最接近真实的关系模型，从中筛选出有意义、有价值的属性关系，进而指导字典生成、口令破解和恢复。

附图说明

图1为基于神经网络的口令属性分析流程图

图2 口令属性表

图3为真实口令库内容样式

图4为MATLAB下2层BP网络结构示意图

图5训练样本容量与网络训练时间统计表

图6为神经网络训练过程图

图7为基于神经网络的口令属性分析可视化界面

图8 CSDN口令属性规则对应的神经网络模型表

图9为用户自定义规则界面

图10为规则导出文件图。

具体实施方式

下面对本发明的实例作详细说明，本实例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实例。

本实例中涉及的口令属性分析方法基于MATLAB软件平台，由于版权问题， 该软件不支持神经网络工具箱的编译，无法支持混合编程，而神经网络工具箱又是该分析系统必不可少的一部分，故而只能依附于MATLAB软件，无法独立运行。

如附图1所示，实施过程包括：获取原始口令库样本、对口令样本进行属性赋值、MATLAB读取并存储口令属性样本、确定输入输出属性、确定神经网络模型、训练神经网络、仿真测试，最终导出有用规则。

所述的属性赋值，就是对于每一个真实口令，赋予其一些属性特征，通过分析其组成成分和组成特征，来对这些属性特征进行赋值。所有属性均是布尔值，1为真，0为假。属性赋值的意义在于能够通过简单的数值来描述口令特点，将抽象的问题数字化，从而利用MATLAB下的神经网络工具对这些数值进行有效的计算分析，以获取口令中潜在的属性关系和特点。具体如附图2所示，共20个口令属性。

 在本实例中，原始口令库为CSDN论坛泄露的640万口令库，内容样式如附图3所示；对口令样本进行属性赋值，采用的是一个java小程序，按照以下流程，获得口令属性数据源：

a)        载入百家姓、常见英文名字、简单英文单词等各类字典文件；

b)        载入口令文件（CSDN的640万口令库文件）读取待分析的每个口令；

c)        判断口令长度（对应属性1~4）；

d)        判断口令字符成分（对应属性5~13）；

e)        判断口令组成（对应属性14~20）；

f)         将口令属性拆分结果写入csv文件中。

赋值结束得到csv文件，采用MATLAB读取该文件并将存储为口令属性样本，以供神经网络训练学习和仿真测试使用。

所述的输入输出属性，是指所要研究的两个或多个属性，以其中的一个或多个属性为输入，另一个属性为输出，从而建立对应的网络模型进行训练和仿真测试，探索输入和输出属性之间可能存在的关系。

 本实例具体步骤如下：

1. 选择需要分析的真实口令库文件

在本例中为CSDN论坛的640万口令库文件，内容格式如附图2所示；

2. 获取口令属性数据源

采用java小程序对口令库文件进行分析处理，最终得到每个口令对应的20个属性值，保存于csv文件中。用文本编辑器打开该csv文件，可以看到每一条口令的20个属性值（每一行依次对应一个口令）如下格式：

0,1,0,0,1,0,0,1,1,0,0,0,0,1,0,0,0,0,0,0,

1,0,0,0,1,0,0,0,1,0,0,1,0,1,0,0,0,0,0,0,

……

例如第一个口令的结果为：“0,1,0,0,1,0,0,1,1,0,0,0,0,1,0,0,0,0,0,0,”，即说明它的长度小于7-8，包含字母，包含大写字母，包含小写字母，包含百家姓，其他属性皆为假；

3. 运行MATLAB软件并读取数据源文件

读取csv文件并将口令属性值保存在MATLAB下的矩阵变量中作为口令属性样本，并为下面的训练学习和仿真测试提供数据样本；

4. 确定输入输出属性

本发明旨在分析口令属性间关系，故输入输出即为所要研究的两个或多个属性，以其中的一个或多个属性为输入，另一个属性为输出。例如，欲分析图2中前1到19个与第20个属性（是否为弱口令）之间的关系，则输入为1~19个属性值（即19维），输出为第20个属性值（即1维）。值得注意的是，输入可为1或多个属性，而输出只能是某1个属性；

5. 确定神经网络模型

a)      确定网络类型

为了获得最佳实验效果，在测试了RBF网络和BP网络两种适用的网络类型后，经多次实验发现，同等条件下（包括样本数量、网络层数、神经元个数等）BP网络的网络训练时间开销远远小于RBF网络，所得网络的仿真效果也优于RBF网络。故而本系统全部采用BP网络；

BP (Back Propagation)神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。这是一种误差反传误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进入误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止；

b)      确定网络层数

BP网络由输入层、中间层和输出层构成。其中，中间层可为单层或多层，由于它们和外界没有直接的联系，故也称隐层（或隐含层）。实验过程对比测试了单隐层和多隐层的网络结构，结果表明，对于本口令属性关系分析系统，多隐层网络实际仿真准确率小于或等于单隐层，而网络训练的时间开销却大于单隐层。在多次实验后，本系统确定采用单隐层结构的BP网，即2层结构的BP网络（注：网络层数指隐层和输出层，一般不计算输入层）；

c)      确定各种神经元个数

对应网络层数的概念，神经元的个数是指隐层和输出层的神经元个数，而与输入层无关；

单隐层神经元个数：一般依据如下经验公式取值

I.          (输入维数+输出维数) / 2 

II.       (输入维数*输出维数)^1/2 + α，其中α为1~10之间的常数

输出层神经元个数：与输出属性维数一致，此处取1；

如附图4所示为MATLAB神经网络中一个2层BP网络的结构示意图，其中，输入维数19（即19个输入属性），输出维数1（即1个输出属性）,对应分析输入的19个属性与输出的1个属性间的关系；隐层数为1，包含10个神经元；输出层包含1个神经元，对应一个输出属性；

d)    确定训练样本容量

训练样本，是指神经网络学习过程用于校正逼近网络各层权重的数据样本；

经多次实验发现，在网络类型确定（BP网络）的情况下，随着网络训练样本容量的增大，训练时间不断增大，而所得网络的仿真准确率先增大后趋近于同一个一个数值。实验发现，取训练样本容量为1万时，所得网络仿真测试准确率较高；当样本容量大于1万（如10万、100万到640万）时，训练时间急剧增大，而所得网络准确率“小于”或“等于”训练样本为1万时得到的准确率；

经实验测试，在PC硬件支持（内存大于4G）和运行时间允许情况下，本系统支持训练样本超过600万！实验过程训练样本容量与网络训练时间统计如附图5所示；

e)      确定仿真样本容量

仿真样本（或称测试样本），是指在神经网络中利用学习训练所得网络进行仿真测试以获得输出结果的输入样本；

仿真样本容量越大，仿真计算时间开销越大，对计算机系统内存要求越高。为了更准确全面地反映训练所得网络的仿真准确率，我们采用CSDN全体口令属性样本（640万）作为仿真测试样本；

经实验测试，在PC硬件支持（内存大于4G）情况下，本系统支持仿真样本超过900万；

f)      确定相关函数和参数设置

其中，神经网络（BP网络）第1层（单隐层）采用正切Sigmoid传递函数“tansig”，第2层（输出层）采用线性传递函数“purelin”，训练函数则采用动量梯度下降反向传播算法“traingdm”；

6. 训练神经网络

利用MATLAB编程确定网络类型、结构、输入输出和参数设置后，便可以开始运行MATLAB编程文件开始网络训练和仿真测试，以分析口令属性间可能存在的有价值的关系，训练过程如附图6所示；

7. 仿真测试

完成网络训练后，为了检验所得网络模型的有效性，必须利用该网络对仿真样本进行测试。采用仿真样本作为输入，通过当前网络仿真计算出输出，对输出结果进行适当处理后，与实际样本结果进行对比，计算出当前网络仿真的准确率，以此评估当前网络的有效性，分析当前输入输出的口令属性间是否存在有价值的关系。如附图7右端输出信息所示，即为当前输入输出属性所对应的网络仿真准确率；

8. 导出有用规则

完成仿真测试后，可将其中有价值的属性规则导出，如附图10所示。

本发明旨在采用神经网络分析挖掘口令属性间的关系，对我们来说，一种有意义有价值的属性关系，可以看作一条有用的规则，对应于MATLAB下一个有效的神经网络模型。如何判断一种关系是否有意义？我们以该关系对应的神经网络模型的仿真准确率高低来衡量。当仿真准确率大于某个数值（如80%），我们可以认为这个模型是有意义的，即对应的输入输出属性之间的关系是有意义。下图为本系统采用CSDN的640万口令进行分析所得的部分有意义的属性关系所对应的神经网络模型。(注：下图中训练样本和仿真样本均来自CSDN经属性拆分后的640万口令库；图中属性1~20所代表的含义详见附图2。

在上图中，每一条记录代表一条规则，一个有意义的神经网络，也是一种有价值的属性关系。例如前4条记录，表示根据属性1~9，能够推断出属性10、11、12、13。

本发明为基于MATLAB的神经网络口令属性分析方法，根据以上介绍内容，可将神经网络样本输入、网络确定、网络训练和仿真测试封装整合成一个可视化用户界面（如附图7所示）。通过该用户界面，可通过载入不同类型的口令库（如论坛口令、邮箱口令、人人网等社交网站口令）进行属性分析，获得相应的有意义的规则（即属性关系），进而生成相关的字典，为口令破解和恢复提供指向性帮助。例如，我们利用该口令属性分析工具，以CSDN口令库作为样本，分析可得如下规则：

规则1

输入属性：5.包含字母，14.包含中文姓氏

输出属性：9.包含小写字母

规则2

输入属性：3.长度9~11位，5.包含字母

输出属性：6.包含数字

那么，我们可以根据这两个规则生成包含小写字母的百家姓字典，以及长度为9~11位包含数字和字母的字典。

值得注意的是，同样的规则（属性关系、网络模型），在CSDN口令库下经测试是有意义的，然而当口令样本类型发生改变，比如将CSDN论坛口令库换成126邮箱口令库，则这些规则不一定都适用，仿真准确率也会发生变化（部分规则准确率提高，部分准确率降低）。这也反映出不同类型（论坛、邮箱、社交网站等）口令，属性间关系不尽相同、用户口令设置习惯有所差异。为此，本项目为用户提供尽可能多的参考规则（如附图7所示），用户在具体使用时，可以方便地选用提供的规则（或者选择自定义规则，如附图9所示）进行网络训练和仿真测试，根据仿真准确率筛选符合条件的规则并将相关信息输出到指定文件中（如附图10所示）。

Claims (4)

1.一种计算机安全领域的对于口令数据的分析方法，具体是一种基于神经网络的口令属性分析系统；其特征在于，包括获取口令属性数据源、确定神经网络模型、训练学习、仿真测试等几个主要环节；其中，神经网络分析采用MATLAB软件，口令属性数据源作为神经网络的数据来源读入MATLAB，确定好网络模型和相关参数后，依次进行模型训练学习、仿真测试并输出结果；所述的确定神经网络模型，包括确定网络类型、网络输入输出、网络层数和各层神经元个数、训练样本和仿真样本容量、传递函数和训练函数等相关函数和参数设置。

2.根据权利要求1所述的基于神经网络的口令属性分析系统，其特征是，所述的获取口令属性数据源，是对每一个真实口令，赋予其一些属性特征，通过分析其组成成分和组成特征，来对这些属性特征进行赋值；其意义在于能够通过简单的数值来描述口令特点，将抽象的问题数字化，以进一步利用神经网络对这些数值进行有效的计算分析。

3.根据权利要求1所述的基于神经网络的口令属性分析系统，其特征是，所述的训练学习，是指在MATLAB下，通过一定容量的训练样本（来自口令属性数据样本）的校正，对各个层的权重进行校正从而逼近最接近真实的关系模型，即可获得输入属性与输出属性的关系模型。

4.根据权利要求1所述的基于神经网络的口令属性分析系统，其特征是，所述的仿真测试，是指在MATLAB下，对已经确定好的并且经过训练学习所得的神经网络模型，采用一定容量的仿真样本（来自口令属性数据样本）对该网络进行仿真测试，通过对比网络输出结果与实际样本结果来验证网络的准确性和有效性，即可判断输入属性与输出属性之间是否存在有价值的关系、规则，从而根据所得规则指导字典文件生成。