CN110795726A - 一种基于人工神经网络的密码保护方法及系统 - Google Patents
一种基于人工神经网络的密码保护方法及系统 Download PDFInfo
- Publication number
- CN110795726A CN110795726A CN201911013404.3A CN201911013404A CN110795726A CN 110795726 A CN110795726 A CN 110795726A CN 201911013404 A CN201911013404 A CN 201911013404A CN 110795726 A CN110795726 A CN 110795726A
- Authority
- CN
- China
- Prior art keywords
- password
- artificial neural
- layer
- neural network
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/45—Structures or tools for the administration of authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Storage Device Security (AREA)
- Document Processing Apparatus (AREA)
Abstract
本发明公开了一种基于人工神经网络的密码保护方法及系统,涉及互联网技术领域,本发明包括包括密码字符库和预先构建的人工神经网络模型,所述密码字符库内存放有计算机能够表达的所有密码字符,人工神经网络模型包括加密网络和解密网络,所述加密网络用于对输入的密码字符串进行加密,得到密文密码保存至配置文件,解密网络从配置文件获取密文密码,并对密文密码进行解密,得到明文密码进行公有系统访问,本发明基于人工神经网络原理和常用密码字符,设计一个人工神经网络并对网络进行训练,利用训练好的网络模型对密码字符进行加密解密,通过将明文密码加密为密文密码进行保存,提高密码保护安全性能。
Description
技术领域
本发明涉及互联网技术领域,更具体的是涉及一种基于人工神经网络的密码保护方法及系统。
背景技术
目前很多私有系统在运行过程中会通过互联网访问各种云平台,比如访问百度的人脸识别系统来满足私有系统的人脸识别功能。但要访问云平台,需要提供账号和密码,而账号和密码直接写死在私有系统里也不方便更新,特别是有些云平台要求一定时间后需要更新密码,那就会导致私有系统升级,很不方便。
所以,常用的密码保护方式是记住自己的密码,但这一方式对人要求较高,特别是在现在社会很多地方都需要密码,一个人会有很多密码需要记住,再者,如果密码设置复杂,也很难记住;另一种方式是将密码记录在自己私有的地方,在使用的时候再去查看,但这对软件运行很不友好。
因此,如图2所示,目前很多系统都是将访问账号和明文密码存放在配置文件里,但是配置文件里的内容,只要能访问计算机的人都能看到,信息太公开,别有用心的人会拿这个账号和密码进行其他活动,从而消耗该账号的资金,风险很高。
发明内容
本发明的目的在于:为了解决现有的私有系统将访问账号和明文密码存放在配置文件里,用以访问公有系统,存在信息太公开,风险很高的问题,本发明提供一种基于人工神经网络的密码保护方法及系统,基于人工神经网络原理和常用密码字符,设计一个人工神经网络并对网络进行训练,利用训练好的网络模型对密码字符进行加密解密,通过将明文密码加密为密文密码进行保存,提高密码保护安全性能。
本发明为了实现上述目的具体采用以下技术方案:
一种基于人工神经网络的密码保护系统,包括密码字符库和预先构建的人工神经网络模型,所述密码字符库内存放有计算机能够表达的所有密码字符,人工神经网络模型包括加密网络和解密网络,所述加密网络用于对输入的密码字符串进行加密,得到密文密码保存至配置文件,解密网络从配置文件获取密文密码,并对密文密码进行解密,得到明文密码进行公有系统访问。
进一步的,所述人工神经网络模型采用三层结构的全连接BP网络,三层结构分别为依次连接的输入层、中间隐藏层以及输出层,所述输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络,所述输入层与密码字符库连接,中间隐藏层用于对输入层传送的密码字符串进行加密,得到密文密码保存到配置文件,以及从配置文件获取密文密码并对密文密码进行解密传输待输出层,输出层得到明文密码进行公有系统访问。
进一步的,所述输入层、中间隐藏层和输出层分别包括若干节点,其中输入层节点数和输出层节点数均与密码字符库内存放的密码字符的个数相同,中间隐藏层节点数少于密码字符库内密码字符的个数。
一种基于人工神经网络的密码保护方法,包括如下步骤:
S1:预先构建三层结构的全连接BP网络作为人工神经网络模型;
S2:利用密码字符库内的密码字符对人工神经网络模型进行训练,使得输入的密码字符串与输出的密码字符串相匹配;
S3:使用训练好的人工神经网络模型对用户输入的密码字符串进行加密得到密文密码并存储至配置文件;
S4:当访问公有系统时,私有系统访问配置文件获取密文密码,通过训练好的人工神经网络模型对密文密码进行解密,得到明文密码,进而通过明文密码对公有系统进行访问。
进一步的,所述S1中三层结构的全连接BP网络分别为依次连接的输入层、中间隐藏层以及输出层,所述输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络,S3中通过加密网络对用户输入的密码字符串进行加密,S4中通过解密网络对密文密码进行解密。
进一步的,所述S2中对人工神经网络模型进行训练,具体为:
S2.1:对密码字符库内的若干密码字符进行排序,每个密码字符对应一个输入层节点和一个输出层节点;设定对于输入层,若出现对应密码字符,则输入值为1,否则为0;对于输出层,若某一节点输出值为1,则对应到相应的密码字符,否则不是该密码字符;
S2.2:向输入层同时输入所有不重复的密码字符,根据输出层得到的结果,不断优化中间隐藏层,使得输入与输出的差值最小化,得到训练好的人工神经网络模型。
进一步的,所述S2及S3中,对输入的密码字符串进行预处理后,再输入人工神经网络模型中,所述预处理具体为:确定本次人工神经网络批处理的大小,即输入的密码字符串的长度,然后通过循环判断语句确定输入层每一节点的输入值。
本发明的有益效果如下:
1、本发明利用人工神经网络模型对用户密码进行加密,然后发送至配置文件进行加密保存,当需要访问公有系统时,私有系统获取配置文件所保存的密文密码,通过解密网络对密文密码进行解码后,获得明文密码进行公有系统的访问,无需人员参与,不仅解决了人对密码记忆的苦恼,也解决了直接将明文密码存放在配置文件里,信息太公开,风险系数高的问题。
2、本发明采用三层结构的全连接BP网络,不存在时间戳概念,网络结构简单,层数仅有三层,能够确保计算高效快捷,并且由于不需要使用复杂低效的加密算法,对系统软件的运行不存在效率上的影响。
3、本发明的密文密码只能通过私有系统访问公有系统,而不能直接访问公有系统,从而防止直接访问公有系统带来的危害,可以防止密码被泄露,即使非法人员拿到存放密码的文本,也无法使用该密码,解决了用户对密码泄露的担心。
附图说明
图1是本发明具体实施方式的人工神经网络模型结构示意图。
图2是现有的公有系统访问示意图。
图3是本发明具体实施方式的公有系统访问示意图。
图4是本发明具体实施方式的预处理的循环判断语句示意图。
具体实施方式
为了本技术领域的人员更好的理解本发明,下面结合附图和以下实施例对本发明作进一步详细描述。
实施例1
本实施例提供一种基于人工神经网络的密码保护系统,包括密码字符库和预先构建的人工神经网络模型,所述密码字符库内存放有计算机能够表达的所有字符,本实施例中密码字符库内存放有62个常用密码字符,具体为26个英文小写字母、26个英文大写字母以及0~9共10个数字字符,系统密码从这62个密码字符中抽取并使用任意方式组合;人工神经网络模型包括加密网络和解密网络,所述加密网络用于对输入的密码字符串进行加密,得到密文密码保存至配置文件,解密网络从配置文件获取密文密码,并对密文密码进行解密,得到明文密码进行公有系统访问。
如图1所示,所述人工神经网络模型采用三层结构的全连接BP网络,三层结构分别为依次连接的输入层、中间隐藏层以及输出层,其中输入层、中间隐藏层和输出层分别包括若干节点,输入层节点数和输出层节点数均与密码字符库内存放的常用密码字符的个数相同,中间隐藏层节点数少于常用密码字符的个数,因此本实施例中输入层节点数和输出层节点数均为62个,中间隐藏层节点数为16个,所述输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络,所述输入层与密码字符库连接,中间隐藏层用于对输入层传送的密码字符串进行加密,得到密文密码保存到配置文件,以及从配置文件获取密文密码并对密文密码进行解密传输待输出层,输出层得到明文密码进行公有系统访问,本实施例中加密和解密的具体方法采用现有的密码字符串加密和解密方法。
基于上述密码保护系统,本实施例还提供一种基于人工神经网络的密码保护方法,包括如下步骤:
S1:预先构建三层结构的全连接BP网络作为人工神经网络模型,输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络;
S2:利用密码字符库内的常用密码字符对人工神经网络模型进行训练,使得输入的密码字符串与输出的密码字符串相匹配,具体为:
S2.1:对密码字符库内的62个密码字符进行排序,每个密码字符对应一个输入层节点和一个输出层节点;设定对于输入层,若出现对应密码字符,则输入值为1,否则为0;对于输出层,若某一节点输出值为1,则对应到相应的密码字符,否则不是该密码字符;
S2.2:向输入层同时输入所有不重复的密码字符,根据输出层得到的结果,不断优化中间隐藏层,使得输入与输出的差值最小化,得到训练好的人工神经网络模型;
在训练时,批处理的大小为62,在输入密码字符A后,经过人工神经网络模型,我们需要得到的输出也是密码字符A,因此,设人工神经网络模型的数学函数为y=f(x),x=A,通过网络后,得到y=f(A),而我们需要得到y=A,则输入与输出的差值为|A-f(A)|,训练的目的即是使|A-f(A)|最小,得到训练好的人工神经网络模型;
S3:使用训练好的加密网络对用户输入的密码字符串进行加密,通过中间隐藏层将得到的密文密码存储至配置文件;
S4:当访问公有系统时,私有系统访问配置文件获取密文密码到中间隐藏层,通过解密网络对密文密码进行解密,得到明文密码,进而通过明文密码对公有系统进行访问。
所述S2及S3中,先对输入的密码字符串进行预处理后,再输入人工神经网络模型中,所述预处理具体为:确定本次人工神经网络批处理的大小,即输入的密码字符串的长度,然后通过循环判断语句确定输入层每一节点的输入值,设输入的密码字符串用变量data表示,如图4所示为循环判断语句的流程示意图。
本实施例在实际使用过程中,仅需要提供解密网络,加密网可作为加密工具提供给具有高权限的使用者,普通使用者申请到密码之后,将密码提交给高权限的使用者,对明文密码进行加密,高权限使用者将加密得到的密文密码给普通使用者,普通使用者便可以公开该密文密码至配置文件,当需要访问公有系统时通过解密网络对密文密码进行解密后便可访问,如图3所示,本实施例的密文密码只能通过私有系统访问公有系统,而不能直接访问公有系统,从而防止了直接访问公有系统带来的危害,避免了密码被泄露,即使非法人员拿到存放密码的文本,也无法使用该密码,解决了用户对密码泄露的担心。
以上所述,仅为本发明的较佳实施例,并不用以限制本发明,本发明的专利保护范围以权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (7)
1.一种基于人工神经网络的密码保护系统,其特征在于:包括密码字符库和预先构建的人工神经网络模型,所述密码字符库内存放有计算机能够表达的所有密码字符,人工神经网络模型包括加密网络和解密网络,所述加密网络用于对输入的密码字符串进行加密,得到密文密码保存至配置文件,解密网络从配置文件获取密文密码,并对密文密码进行解密,得到明文密码进行公有系统访问。
2.根据权利要求1所述的一种基于人工神经网络的密码保护系统,其特征在于:所述人工神经网络模型采用三层结构的全连接BP网络,三层结构分别为依次连接的输入层、中间隐藏层以及输出层,所述输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络,所述输入层与密码字符库连接,中间隐藏层用于对输入层传送的密码字符串进行加密,得到密文密码保存到配置文件,以及从配置文件获取密文密码并对密文密码进行解密传输待输出层,输出层得到明文密码进行公有系统访问。
3.根据权利要求2所述的一种基于人工神经网络的密码保护系统,其特征在于:所述输入层、中间隐藏层和输出层分别包括若干节点,其中输入层节点数和输出层节点数均与密码字符库内存放的密码字符的个数相同,中间隐藏层节点数少于密码字符库内密码字符的个数。
4.一种基于人工神经网络的密码保护方法,其特征在于,包括如下步骤:
S1:预先构建三层结构的全连接BP网络作为人工神经网络模型;
S2:利用密码字符库内的密码字符对人工神经网络模型进行训练,使得输入的密码字符串与输出的密码字符串相匹配;
S3:使用训练好的人工神经网络模型对用户输入的密码字符串进行加密得到密文密码并存储至配置文件;
S4:当访问公有系统时,私有系统访问配置文件获取密文密码,通过训练好的人工神经网络模型对密文密码进行解密,得到明文密码,进而通过明文密码对公有系统进行访问。
5.根据权利要求4所述的一种基于人工神经网络的密码保护方法,其特征在于,所述S1中三层结构的全连接BP网络分别为依次连接的输入层、中间隐藏层以及输出层,所述输入层和中间隐藏层构成加密网络,中间隐藏层和输出层构成解密网络,S3中通过加密网络对用户输入的密码字符串进行加密,S4中通过解密网络对密文密码进行解密。
6.根据权利要求5所述的一种基于人工神经网络的密码保护方法,其特征在于,所述S2中对人工神经网络模型进行训练,具体为:
S2.1:对密码字符库内的若干密码字符进行排序,每个密码字符对应一个输入层节点和一个输出层节点;设定对于输入层,若出现对应密码字符,则输入值为1,否则为0;对于输出层,若某一节点输出值为1,则对应到相应的密码字符,否则不是该密码字符;
S2.2:向输入层同时输入所有不重复的密码字符,根据输出层得到的结果,不断优化中间隐藏层,使得输入与输出的差值最小化,得到训练好的人工神经网络模型。
7.根据权利要求6所述的一种基于人工神经网络的密码保护方法,其特征在于,所述S2及S3中,对输入的密码字符串进行预处理后,再输入人工神经网络模型中,所述预处理具体为:确定本次人工神经网络批处理的大小,即输入的密码字符串的长度,然后通过循环判断语句确定输入层每一节点的输入值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911013404.3A CN110795726A (zh) | 2019-10-23 | 2019-10-23 | 一种基于人工神经网络的密码保护方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911013404.3A CN110795726A (zh) | 2019-10-23 | 2019-10-23 | 一种基于人工神经网络的密码保护方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110795726A true CN110795726A (zh) | 2020-02-14 |
Family
ID=69441068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911013404.3A Pending CN110795726A (zh) | 2019-10-23 | 2019-10-23 | 一种基于人工神经网络的密码保护方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110795726A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112583823A (zh) * | 2020-12-11 | 2021-03-30 | 广东工业大学 | 一种编码加密、解码解密处理方法 |
CN118395479A (zh) * | 2024-07-01 | 2024-07-26 | 深圳琼景科技有限公司 | 线上商城系统的数据保护方法、装置、电子设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350155A (zh) * | 2008-09-09 | 2009-01-21 | 无敌科技(西安)有限公司 | 通过类神经网络生成/验证密码的方法及系统 |
CN104573142A (zh) * | 2013-10-10 | 2015-04-29 | 无锡市思库瑞科技信息有限公司 | 基于神经网络的口令属性分析方法 |
CN107181600A (zh) * | 2017-07-27 | 2017-09-19 | 锐捷网络股份有限公司 | 一种密码登录认证方法、系统及用户设备和认证服务器 |
CN107248914A (zh) * | 2017-08-14 | 2017-10-13 | 四川长虹电器股份有限公司 | 一种iOS设备上新型对称加密系统及加密方法 |
CN108629193A (zh) * | 2018-04-26 | 2018-10-09 | 成都大象分形智能科技有限公司 | 一种针对人工神经网络模型的加密保护系统及方法 |
CN108898028A (zh) * | 2018-07-06 | 2018-11-27 | 成都大象分形智能科技有限公司 | 涉及迭代与随机加密的神经网络模型加密保护系统及方法 |
US10423874B2 (en) * | 2015-10-02 | 2019-09-24 | Baidu Usa Llc | Intelligent image captioning |
-
2019
- 2019-10-23 CN CN201911013404.3A patent/CN110795726A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350155A (zh) * | 2008-09-09 | 2009-01-21 | 无敌科技(西安)有限公司 | 通过类神经网络生成/验证密码的方法及系统 |
CN104573142A (zh) * | 2013-10-10 | 2015-04-29 | 无锡市思库瑞科技信息有限公司 | 基于神经网络的口令属性分析方法 |
US10423874B2 (en) * | 2015-10-02 | 2019-09-24 | Baidu Usa Llc | Intelligent image captioning |
CN107181600A (zh) * | 2017-07-27 | 2017-09-19 | 锐捷网络股份有限公司 | 一种密码登录认证方法、系统及用户设备和认证服务器 |
CN107248914A (zh) * | 2017-08-14 | 2017-10-13 | 四川长虹电器股份有限公司 | 一种iOS设备上新型对称加密系统及加密方法 |
CN108629193A (zh) * | 2018-04-26 | 2018-10-09 | 成都大象分形智能科技有限公司 | 一种针对人工神经网络模型的加密保护系统及方法 |
CN108898028A (zh) * | 2018-07-06 | 2018-11-27 | 成都大象分形智能科技有限公司 | 涉及迭代与随机加密的神经网络模型加密保护系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112583823A (zh) * | 2020-12-11 | 2021-03-30 | 广东工业大学 | 一种编码加密、解码解密处理方法 |
CN112583823B (zh) * | 2020-12-11 | 2022-07-29 | 广东工业大学 | 一种编码加密、解码解密处理方法 |
CN118395479A (zh) * | 2024-07-01 | 2024-07-26 | 深圳琼景科技有限公司 | 线上商城系统的数据保护方法、装置、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101340279B (zh) | 数据加密及解密方法、系统及设备 | |
US20230108682A1 (en) | Data processing method and apparatus, device, and computer-readable storage medium | |
CN107359998B (zh) | 一种便携式智能口令管理体制的建立与操作方法 | |
KR20230157929A (ko) | 원격 액세스 제한 지갑으로부터 암호화폐 이체 | |
CN104243149B (zh) | 加、解密方法,装置和服务器 | |
CN107948152A (zh) | 信息存储方法、获取方法、装置及设备 | |
US8619978B2 (en) | Multiple account authentication | |
CN107948146A (zh) | 一种混合云中基于属性加密的连接关键词检索方法 | |
CN102571357B (zh) | 一种签名的实现方法和装置 | |
CN111582508A (zh) | 一种基于联邦学习框架的策略制定方法、装置和电子设备 | |
CN110084599A (zh) | 密钥处理方法、装置、设备和存储介质 | |
CN111553443B (zh) | 裁判文书处理模型的训练方法、训练装置和电子设备 | |
CN110771190A (zh) | 对数据的控制访问 | |
CN112364376A (zh) | 一种属性代理重加密医疗数据共享方法 | |
CN116502732B (zh) | 基于可信执行环境的联邦学习方法以及系统 | |
CN105656881B (zh) | 一种电子病历的可验证外包存储和检索系统及方法 | |
CN110795726A (zh) | 一种基于人工神经网络的密码保护方法及系统 | |
CN104639528A (zh) | 一种dba移动客户端反攻击方法及装置 | |
CN116318617A (zh) | 基于rfid和区块链的医疗救援物资慈善捐助方法 | |
CN111711521B (zh) | 一种区块链账号私钥重置方法及系统 | |
Veeraragavan et al. | Enhanced encryption algorithm (EEA) for protecting users' credentials in public cloud | |
Yang et al. | Secure and privacy-preserving human interaction recognition of pervasive healthcare monitoring | |
CN109409111A (zh) | 一种面向加密图像的模糊搜索方法 | |
CN111212068B (zh) | 一种输入法对文字加解密的方法 | |
CN111010386B (zh) | 一种基于共享账本的隐私保护与数据监管控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200214 |
|
RJ01 | Rejection of invention patent application after publication |