CN109558723A - 密码字典生成方法、装置以及计算机设备 - Google Patents

Abstract

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。

Description

密码字典生成方法、装置以及计算机设备

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。

在其中一个实施例中，真实密码样本集合为封装成文本格式的数据文档。

另一方面，在一个实施例中，本发明还提供了一种密码字典生成装置，包括：

真实样本输入模块，用于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；

误差获取模块，用于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；

密码字典生成模块，用于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。

另一方面，在一个实施例中，本发明还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现密码字典生成方法。

上述技术方案中的一个技术方案具有如下优点和有益效果：

本发明的密码字典生成方法、装置以及计算设备，将真实密码样本集合输入到对抗式神经网络中，并在回传误差小于预设误差时将生成器生成的假密码样本作为集合形成密码字典。本发明各实施例通过对抗式神经网络根据回传误差以及真实密码样本集合，经过反复对抗训练生成密码字典，可获得大量的密码。同时，本发明优化了密码字典的生成方式，降低了操作的复杂度，并且能够有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

附图说明

图1为本发明的一个实施例方式提供的密码字典生成方法的应用场景示意图；

图2为本发明的一个实施方式提供的密码字典生成方法的流程示意图；

图3为本发明的一个实施方式提供的密码字典生成方法中对抗式神经网络的示意图；

图4为本发明的一个实施方式提供的密码字典生成方法的具体流程示意图；

图5为本发明的一个实施方式提供的密码字典生成装置的结构示意图；

图6为本发明的一个实施方式提供的计算机设备的结构图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图结合实施例，对本发明进一步详细说明。

本发明的密码字典生成方法、装置以及计算机设备，可应用于服务器中，尤其是包含高性能显卡的服务器。如图1所示，图1为本发明密码字典生成方法的应用场景示意图，服务器运行有第三方解密软件，其中，密码字典生成方法可嵌入到第三方解密软件中，第三方解密软件通过调用该密码字典生成方法生成密码字典。其调用方式可以是提交命令的方式启动训练密码样本任务和密码字典生成任务，高性能显卡是训练密码样本和生成密码字典的引擎，用于接收任务并将任务训练结果返回。密码字典一般以文本格式存储于本地Flash中，等待第三方解密软件使用。由此，服务器在收发加密文件时，第三方解密软件可有效解密以检测文件是否涉及机密内容，防止信息泄露，大大提供文件传输的安全性。其中，服务器的操作系统可以为Windows或Linux。

实施例1

参见图2，本发明提供了一种密码字典生成方法，包括：

步骤S110：将获取到的真实密码样本集合输入到对抗式神经网络模型中，其中，所述真实密码样本集合包括多个真实密码样本。

具体而言，对抗式神经网络由生成器和判别器两个模型构成。生成器学习真实密码样本然后产生假密码样本，判别器也通过真密码样本学习对假密码样本的识别。经过反复对抗训练生成器产生越来越逼真的密码样本，判别器的判别精度也越来越高，生成器最终产生越来越逼近真实密码样本的“真实”密码。其中，真实密码样本集合可通过搜索网上等第三方泄露的密码，或破译后的密码而获得。

步骤S120：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而得到的回传误差。

具体而言，判别器的目标是将生成器生成的假密码样本与真实密码样本分辨开。回传误差的目的是使得生成器生成的假密码样本逐渐逼近真实密码样本。具体地，判别器将真实密码样本转换为真实数据概率分布，同时，生成器根据真实密码样本的真实数据概率分布生成逼近真实数据概率分布的假密码样本。由此，判别器可通过判别真实密码样本的真实数据概率分布以及假密码样本的数据概率分布之间的差别，生成回传误差，其中，差别越大回传误差越大，反之越小。

步骤S130：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。

具体而言，在回传误差小于预设误差时表示生成器能够生成数据概率分布与真实密码样本集合中真实密码样本的真实数据概率分布近似的密码样本，即此时生成器能够生成允许相似度范围内的假密码样本。由此，可将此时生成器生成的假密码样本作为集合形成密码字典。

本发明实施例的密码字典生成方法，将真实密码样本集合输入到对抗式神经网络中，并在回传误差小于预设误差时将生成器生成的假密码样本作为集合形成密码字典。本发明实施例通过对抗式神经网络根据回传误差以及真实密码样本集合，经过反复对抗训练生成密码字典，可获得大量的密码。同时，本发明优化了密码字典的生成方式，降低了操作的复杂度，并且能够有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

在一个具体的实施例中，在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、以及上一次更新时的随机噪声而得到。

具体而言，对抗式神经网络的生成器以生成-判别网络串接式训练，其目的是学习真实密码样本集合中真实密码样本的真实数据概率分布，目标是根据随机噪声，将噪声转化为可以以假乱真的假密码样本。由此，通过生成-判别网络串接的训练，能够使得生成器生成出逼近真实密码样本的假密码样本。其中，随机噪声为噪声函数，可以但不局限于高斯噪声，具体地，是根据回传误差调整随机噪声中的噪声参数，使得随机噪声的数据概率分布接近于真实数据概率分布，以更新随机噪声。

如图3所示，为密码字典生成方法中对抗式神经网络的示意图。生成器用G表示，可通过随机噪声z并根据真实密码样本集合中真实密码样本的真实数据概率分布，生成逼近真实数据概率分布的当前假密码样本G(z)。判别器用D表示，可根据输入的真实密码样本以及假密码样本，判断出假密码样本的数据概率分布与真实数据概率分布的差别，以输出判别结果，并生成回传给生成器的回传误差。其中，判别器可以理解为一个二类分器，以0-1分类器为例，如果输出的分类值大于0.5，可以认为输入的密码样本为真，否则为假。

具体地，将生成器根据真实密码样本以及上一次更新时的随机噪声生成的当前假密码样本(逼真的密码样本)添加表示该样本为真的标签，并输入到判别器中。在进入到判别器中时，判别器对添加标签的当前假密码样本进行判别，在该当前假密码样本的数据概率分布与真实密码样本的真实数据概率分布存在误差时，则生成回传误差。即当前密码样本不够真实但标签表示为真时，判别器会生成较大的回传误差，进而能够根据该回传误差调整生成器的随机噪声，以使生成器基于真实密码样本以及调整更新后的随机噪声继续训练，以得到更加真实的假密码样本。反之，当当前假密码样本足够真实且标签表示为真时，判别器生成的回传误差较小。经过上述反复的训练，在回传误差小于预设误差时，则表示此时的生成器能够生成迷惑判别器的假密码样本。

本发明实施例的密码字典生成方法，基于生成器和判别器的反复对抗训练，并根据回传误差调整更新生成器的随机噪声，由此能够使得生成器不断优化生成的假密码样本，进而得到足够真实的假密码样本。本发明实施例有助于生成足够大量的密码样本，智能化程度高，减小了人工操作的复杂度，以及所消耗的人力物力。

结合图3，在一个具体的实施例中，“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。

具体而言，学习模型可以但不局限于采用支持向量机SVM、逻辑回归LR(LogisticRegression)等模型辨别真实密码样本和假密码样本，进一步地，对抗式神经网络的对抗训练过程可以理解为是一种博弈过程，其博弈结果可预先设定，为使得生成器生成允许相似度范围内的假密码样本，可设定博弈结果为生成器赢。进一步地，在每一次对判别器的训练时，获取此时生成器生成的当前假密码样本，并添加表示为假的标签，将添加表示假的标签的该假密码样本输入到判别器中，同时，对真实密码样本添加表示为真的标签并输入到判别器中，从而训练判别器识别真假密码样本。对于判别到假密码样本时尽可能输出接近0的判别结果，真实密码样本尽可能输出接近1的判别结果，则表示判别结果正确，进一步地，在训练过程中，可根据回传误差调节学习模型中参数从而可调节判别模型的辨识度，更新学习模型。以使判别器在下一次判别真实密码样本和假密码样本之间的误差时生成的回传误差接近于预设误差。

本发明实施例的密码字典生成方法，能够训练出满足使用需求的判别器，以使得判别器的判别能力在允许范围内，以使生成器能够生成相似度在允许范围内的假密码样本。即相当于可预先设置对抗式神经网络的博弈结果，有助于在获得近似于真实密码样本集合的假密码样本集合的同时生成较为强大的密码字典。

在一个具体的实施例中，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、迭代次数以及在当前假密码样本中的个数。

具体而言，迭代次数为生成器与判别器之间对抗的次数，次数越多，最后生成器生成的假密码样本越接近于真实。由于，训练的过程会大量占用机器资源，因此可设置训练周期，每次训练周期完成时可获取生成器的假密码样本，有助于保持机器系统的稳定性和足够的存储空间。

本发明实施例的密码字典生成方法，有助于生成大量且近似于真实密码样本集合的密码集合，以得到较强大的密码字典，从而解密时提高密码的匹配效率。

在一个具体的实施例中，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。

本发明实施例的密码字典生成方法，由于生成器在生成逼近于真实密码样本集合的假密码样本中，可能会存在重复的密码或者乱码，为保证密码字典的可靠性和准确性可更新该密码样本集合，对该密码样本集合进行清洗，将重复的密码以及乱码删除。

在一个具体的实施例中，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。

具体而言，预设组合规则可以但不局限于为纯数字组合和纯字母组合中的任一种或组合。

本发明实施例的密码字典生成方法，为进一步地提高实用性、有效性和减小密码字典的冗余度，可选取出符合预设组合规则的密码样本。本发明实施例能够有效增大密码覆盖率和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

在一个具体的实施例中，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。

本发明实施例的密码字典生成方法，可定期更新真实密码样本集合，从而使得密码字典更加完善，有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

在一个具体的实施例中，真实密码样本集合为封装成文本格式的数据文档。

具体而言，真实密码样本集合可以但不局限于为txt格式的文本，进一步地可以一行一个密码的方式存储于文本中，或者以一行多个密码，以分隔符分隔开来的方式存储于文本中。

本发明实施例的密码字典生成方法，以文本格式存储真实密码样本集合，在对抗式神经网络进行对抗训练时能够快速读取，提高训练的效率。

实施例2

参见图4，作为一优选的实施例，本发明实施的密码字典生成方法，具体包括以下步骤：

步骤S310：采集真实密码样本集合。

步骤S320：输入真实密码样本集合到对抗式神经网络中，并根据训练参数初始化对抗式神经网络。

步骤S330：启动对抗式神经网络进行对抗训练。

步骤S340：获取对抗式神经网络完成训练时生成的在允许相似度范围内的假密码样本。

步骤S350：清洗假密码样本。

步骤S360：根据自定义密码组合规则，选取符合该规则的密码样本集合并作为密码字典。

应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

实施例3

参见图5，本发明还提供了一种密码字典生成装置，包括真实样本输入模块410、误差获取模块420和密码字典生成模块430。

真实样本输入模块410，用于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；

误差获取模块420，用于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；

密码字典生成模块430，用于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。

本发明实施例的密码样本字典生成装置，将真实密码样本集合输入到对抗式神经网络中，并在回传误差小于预设误差时将生成器生成的假密码样本作为集合形成密码字典。本发明实施例通过对抗式神经网络根据回传误差以及真实密码样本集合，经过反复对抗训练生成密码字典，可获得大量的密码。同时，本发明优化了密码字典的生成方式，降低了操作的复杂度，并且能够有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

在一个具体的实施例中，还包括：

第一训练模块，用于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。

本发明实施例的密码字典生成装置，基于生成器和判别器的反复对抗训练，并根据回传误差调整更新生成器的随机噪声，由此能够使得生成器不断优化生成的假密码样本，进而得到足够真实的假密码样本。本发明实施例有助于生成足够大量的密码样本，智能化程度高，减小了人工操作的复杂度，以及所消耗的人力物力。

在一个具体的实施例中，还包括：

第二训练模块，用于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。

本发明实施例的密码字典生成装置，能够训练出满足使用需求的判别器，以使得判别器的判别能力在允许范围内，以使生成器能够生成相似度在允许范围内的假密码样本。即相当于可预先设置对抗式神经网络的博弈结果，有助于在获得近似于真实密码样本集的假密码样本集合的同时生成较为强大的密码字典。

在一个具体的实施例中，还包括初始模块，用于获取训练参数，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。

本发明实施例的密码字典生成装置，有助于生成大量且近似于真实密码样本集合的密码样本，以得到较强大的密码字典，从而解密时提高密码的匹配效率。

在一个具体的实施例中，还包括字典更新模块，用于删除密码字典中重复的密码以及乱码，以更新密码字典。

本发明实施例的密码字典生成装置，由于生成器在生成逼近于真实密码样本集合的假密码样本中，可能会存在重复的密码或者乱码，为保证密码字典的可靠性和准确性可更新该密码字典，可对该密码字典中的密码样本进行清洗，将重复的密码以及乱码删除。

在一个具体的实施例中，密码字典生成模块包括选取单元，用于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，并将选取出的密码样本集合作为密码字典。

本发明实施例的密码字典生成装置，为进一步地提高实用性、有效性和减小密码字典的冗余度，可选取出符合预设组合规则的密码样本集合。本发明实施例能够有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

在一个具体的实施例中，还包括真实样本更新模块，用于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。

本发明实施例的密码字典生成装置，可定期更新真实密码样本集合，从而使得密码字典更加完善，有效增大密码覆盖面和多样化，进一步地，可在解密时提高密码的匹配率，有助于加快解密速度。

关于密码字典生成装置的具体限定可以参见上文中对于密码字典生成方法的限定，在此不再赘述。上述密码字典生成装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

参见图6，在一个实施例中，本发明还提供一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现密码字典生成方法。

该计算机设备可以是服务器，其内部结构图可以如图6所示。该服务器包括通过系统总线连接的处理器、存储器、网络接口、显卡和数据库。其中，该服务器的处理器用于提供计算和控制能力。该服务器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该服务器的数据库用于存储真实密码样本、假密码样本以及密码字典。该服务器的网络接口用于与外部的终端通过网络连接通信。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种密码字典生成方法，其特征在于，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，所述真实密码样本集合包含多个真实密码样本；

获取所述对抗式神经网络的判别器在判别所述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；

采集所述生成器在所述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。

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“获取所述对抗式神经网络的判别器在判别所述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：

在所述回传误差大于或等于预设误差时，更新所述生成器的随机噪声；其中，所述当前假密码样本根据所述生成器基于所述真实密码样本、以及上一次更新的随机噪声而得到。

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“获取所述对抗式神经网络的判别器在判别所述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：

在所述回传误差大于或等于预设误差时，更新所述判别器的学习模型；所述学习模型用于学习判别所述真实密码样本和所述当前假密码样本。

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，并根据所述训练参数初始化所述对抗式神经网络；其中，所述训练参数包括训练周期、迭代次数以及所述当前假密码样本的个数。

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“采集所述生成器在所述回传误差小于所述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：

删除所述密码字典中重复的密码以及乱码，以更新密码字典。

6.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“采集所述生成器在所述回传误差小于所述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：

在所述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所述密码字典。

7.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所述真实密码样本集合。

8.根据权利要求1至7任意一项所述密码字典生成方法，其特征在于，所述真实密码样本集合为封装成文本格式的数据文档。

9.一种密码字典生成装置，其特征在于，包括：

真实样本输入模块，用于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，所述真实密码样本集合包含多个真实密码样本；

误差获取模块，用于获取所述对抗式神经网络的判别器在判别所述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；

密码字典生成模块，用于采集所述生成器在所述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。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的密码字典生成方法。