CN112257433A - 基于马尔可夫链和神经网络的口令字典生成方法和系统 - Google Patents

Abstract

本发明公开了基于马尔可夫链和神经网络的口令字典生成方法，包括使用有序马尔可夫链进行原口令集的学习和基于5‑Gram统计语言模型的字符序列概率统计，生成按照概率高低输出的组合口令；采用随机数噪声训练生成对抗神经网络生成器产生伪口令样本，使用原口令集训练初始的生成对抗神经网络判别器，初始的生成对抗神经网络判别器通过对伪口令样本的判别反馈参数学习；生成对抗神经网络判别器对组合口令进行判别打分筛选得到可用口令集输出，将可用口令集输出拼接上原口令集构成口令字典，进行离线口令猜解。还公开了一种系统。生成的口令具有按照口令组合概率高低排序、符合原口令集分布的特点，测试集命中率高，起到加速口令猜解的效果。

Description

基于马尔可夫链和神经网络的口令字典生成方法和系统

技术领域

本发明涉及网络空间安全技术领域，具体的说，是基于马尔可夫链和神经网络的口令字典生成方法和系统。

背景技术

现有技术中离线口令的猜解问题，通常采用暴力猜解方法，对哈希字符串进行一个全口令空间的搜索来进行猜解，这种方法需要大量算力和时间，猜解的目标口令长度和字符集对计算代价影响很大，并且成功率低下。

离线口令猜解最优的方法是使用口令字典进行猜解，为生成这样高效的口令字典，有的方法是采用对抗生成网络进行对口令集学习，然后生成口令字典。这类方法生成的口令存在严重的重复率问题；还有的方法是采用基于递归神经网络和概率上下文无关文法的生成口令，将待处理字符串转变成标签的格式，并对每个标签进行概率统计，然后给递归神经网络学习特征的方法，但该方法存在命中率不高的情况。

发明内容

本发明的目的在于提供一种基于马尔可夫链和神经网络的口令字典生成方法和系统，用于解决现有技术中离线口令猜解口令生成的口令重复率高、命中率不高的问题。

本发明通过下述技术方案解决上述问题：

基于马尔可夫链和神经网络的口令字典生成方法，包括：

步骤S1：使用有序马尔可夫链进行原口令集的学习和基于5-Gram统计语言模型的字符序列概率统计，生成组合口令，所述组合口令按照口令序列组合的概率高低输出；

步骤S2：采用随机数噪声训练生成对抗神经网络生成器，产生伪口令样本，使用原口令集训练初始的生成对抗神经网络判别器，初始的生成对抗神经网络判别器通过对生成对抗神经网络生成器产生的伪口令样本的判别反馈进行参数学习，得到训练好的生成对抗神经网络判别器；

步骤S3：采用训练好的抗神经网络判别器对所述组合口令进行判别打分，按照最后的打分分布筛选出得分数值大于预设值（某个预设常数）的口令集作为可用口令集输出，可用口令集按照口令序列组合的概率高低排序，且符合原口令集分布的特点；

步骤S4：将可用口令集输出拼接上原口令集构成口令字典，进行离线口令猜解。

所述步骤S1具体包括：

步骤S11：对原口令集的口令进行切割，在开始添加开始标志符，在结尾添加结束符；

步骤S12：每次提取连续的5个字符序列作为1个字符序列组，移动步长为1，直到5个字符序列组的最后一个字符为结束字符，统计字符序列组数量；

步骤S13：采用对每个5-Gram字符序列组进行概率统计，并按照概率高低将5-Gram序列分为多个堆；

步骤S14：按照概率的高低遍历每个堆，从这些堆中寻找子序列进行口令组合，并生成组合口令。

所述生成对抗神经网络生成器由随机数发生器、线性层、5层残差块、1维卷积层和softmax层组成，所述生成对抗神经网络判别器对所述伪口令进行判别和反馈，所述生成对抗神经网络判别器由1层字符编码层、5层LSTM层和1层线性层组成。

基于马尔可夫链和神经网络的口令字典生成系统，包括马尔可夫链口令生成器、生成对抗神经网络判别器和生成对抗神经网络生成器，其中：

马尔可夫链口令生成器，用于采用基于5-Gram统计语言模型对口令集进行概率统计，并按照概率高低将5-Gram序列分为多个堆，再按照概率高低遍历每个堆寻找子序列进行口令组合，生成组合口令；

生成对抗神经网络生成器，用于根据输入的随机数噪声输出伪口令样本；

生成对抗神经网络判别器，用于通过输入的真实口令学习真实口令的分布，并通过对生成对抗神经网络生成器生成的伪口令样本的判别反馈进行参数学习，学习完成后对马尔可夫链口令生成器输出的组合口令进行打分，过滤掉低于预设值的口令集，得到可用口令集并输出；

口令拼接模块，用于将原目标口令集与可用口令集进行拼接，得到口令字典。

本发明与现有技术相比，具有以下优点及有益效果：

本发明结合有序马尔可夫链和生成对抗神经网络技术，使用有序马尔可夫链口令生成器生成口令，生成对抗神经网络判别器筛选口令，从而生成一个具有按照口令组合概率高低排序和符合原口令集分布的口令集；本发明能在生成同样多的口令情况下，测试集命中率远高于OMEN和使用对抗生成网络生成器生成口令的方法。由于生成的口令集是按照组合概率高低来排序的，所以本发明生成的口令字典还能起到加速口令猜解的效果。

附图说明

图1为本发明的系统框架图；

图2为生成对抗神经网络生成器的框架图；

图3为生成对抗神经网络判别器的框架图；

图4为图3中LTSM残差块的框架图；

图5为图2中残差块的框架图；

图6为5-Gram字符序列统计流程图；

图7为口令生成过程示意图；

图8为口令筛选过程示意图。

具体实施方式

下面结合实施例对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例：

一种基于马尔可夫链和神经网络的口令字典生成方法，包括：

步骤S1：使用有序马尔可夫链进行原口令集的学习和基于5-Gram统计语言模型的字符序列概率统计，生成组合口令，所述组合口令按照口令序列组合的概率高低输出；

步骤S2：采用随机数噪声训练生成对抗神经网络生成器，产生伪口令样本，使用原口令集训练初始的生成对抗神经网络判别器，初始的生成对抗神经网络判别器通过对生成对抗神经网络生成器产生的伪口令样本的判别反馈进行参数学习，得到训练好的生成对抗神经网络判别器；

步骤S3：采用训练好的生成对抗神经网络判别器对所述组合口令进行判别打分，按照最后的打分分布筛选出得分数值大于预设值（某个预设常数，如-1.3）的口令集作为可用口令集输出，如图8所示，可用口令集按照口令序列组合的概率高低排序，且符合原口令集分布的特点；

步骤S4：将可用口令集输出拼接上原口令集构成口令字典，进行离线口令猜解。

所述步骤S1具体包括：

步骤S11：对原口令集的口令进行切割，在开始添加开始标志符，在结尾添加结束符；

步骤S12：每次提取连续的5个字符序列作为1个字符序列组，移动步长为1，直到5个字符序列组的最后一个字符为结束字符，统计字符序列组数量；

如输入口令password，如图6所示，在开始处添加开始标志^，结尾处添加结束符$，每次提取连续的5个字符序列，移动步长为1，得到字符序列组^pass，passw，asswo，sswor，sword和word$，统计字符序列组数量。

步骤S13：采用5-Gram统计语言模型进行概率统计，并按照概率高低将5-Gram序列分为多个堆；

步骤S14：按照概率的高低遍历每个堆，从这些堆中寻找子序列进行口令组合，并生成组合口令，如图7所示。

所述生成对抗神经网络生成器由随机数发生器、线性层、5层残差块、1维卷积层和softmax层组成，如图2所示，生成对抗神经网络生成器的作用就是通过随机数发生器产生的随机数，经过生成器网络后，生成出一条伪口令；

所述生成对抗神经网络判别器对所述伪口令进行判别和反馈，所述生成对抗神经网络判别器由1层字符编码层、5层LSTM层和1层线性层组成，如图3所示，生成对抗神经网络判别器的作用是：伪口令通过生成对抗神经网络判别器打分反馈后，生成对抗神经网络判别器进行参数调整来学习口令分布。

实施例2：

结合附图1所示，基于马尔可夫链和神经网络的口令字典生成系统，包括马尔可夫链口令生成器、生成对抗神经网络判别器和生成对抗神经网络生成器，其中：

马尔可夫链口令生成器，包括有序马尔可夫链口令生成器学习模块和有序马尔可夫链口令生成器生成模块，有序马尔可夫链口令生成器学习模块对口令集进行学习，学习过程如图6所示，对口令进行切割，在开始添加开始标志符^，在结尾添加结束符$，提取连续的每5个字符序列，移动步长为1，直到5个字符序列组的最后一个字符为结束字符$。统计相应的字符序列数量。待口令处理完成，计算每一个5-Gram字符序列组的出现的频率，在样本量足够大的情况下，将频率当作概率，按照概率高低将所有5-Gram字符序列组均匀分为11个堆，有序马尔可夫链口令生成器学习模块工作完成；有序马尔可夫链口令生成器生成模块如图7所示，按照概率高低顺序遍历11个5-Gram字符序列组堆，寻找第一个字符为^的5-Gram字符序列组作为口令起始字符序列，然后删除起始字符^，并寻找，以上一个5-Gram字符序列组的后4个字符序列为起始字符序列的5-Gram字符序列组，该5-Gram字符序列组的最后一个字符作为口令的下一个字符，直到找到结束字符$，删除结束字符$即可得到口令，重复上述流程直到所有字符序列组合被使用完或者生成的口令集合达到目标数目停止，得到生成的口令集合。为了更直观的理解该流程，以password字符序列生成为例，找到^pass作为口令起始字符序列，删除开头的^得到pass；寻找pass开头的5-Gram序列，假设找到passw，得到口令下一个字符w，则口令变为passw；继续寻找以assw开头的5-Gram字符序列，假设找到了asswo，得到口令下一个字符o，则口令变为passwo；继续寻找以sswo开头的5-Gram字符序列，假设找到了sswor，得到口令下一个字符r，则口令变为passwor；继续寻找以swor开头的5-Gram字符序列，假设找到了sword，得到口令下一个字符d，则口令变为password；继续寻找以word开头的5-Gram字符序列，假设找到了word$，得到口令下一个字符$，则口令变为password$；由于$为结束字符，则删掉结束字符$得到最终口令password。

生成对抗神经网络生成器，用于根据输入的随机数噪声输出伪口令样本；

生成对抗神经网络判别器，包括对抗生成神经网络训练模型和判别筛选模块，对抗生成神经网络训练模型通过输入的真实口令学习真实口令的分布，并通过对生成对抗神经网络生成器生成的伪口令样本的判别反馈进行参数学习；判别筛选模块将训练完成的生成对抗神经网络的判别器网络作用于由有序马尔可夫链口令生成器模块生成的组合口令上，其输出为一系列浮点数，一个口令对应一个浮点数值，输入口令得到一个浮点数的过程即为打分过程，对于得分浮点数值低于-1.3的相应口令，进行过滤删除操作，得分浮点数值高于和等于-1.3的相应口令被保留下来组成可用口令集并输出；

口令拼接模块，用于将原目标口令集与可用口令集进行拼接，得到口令字典。

生成对抗神经网络生成器与生成对抗神经网络判别器的学习过程即训练过程。生成对抗神经网络生成器和生成对抗神经网络判别器的神经网络如图2、图3、图4和图5所示。训练生成对抗神经网络的平台采用Tensorflow，其中，生成对抗神经网络的生成器网络结构如图2所示，依次为噪音的输入层，对噪音进行线性处理的线性层，由5个残差块组成的残差层，一维卷积层，softmax层与伪口令输出层，其中输入的随机噪声种子为128位浮点数。在图2中，组成残差层的残差块结构如图5所示，依次为输入层，一维卷积层，一维卷积层与输出层。上述的一维卷积层每层的神经元个数为128。生成对抗神经网络的判别器网络结构如图3所示，依次为以口令序列作为输入的输入层，字符嵌入层，由5个LSTM块组成的LSTM残差层，一个线性层，一个输出层。在图3中，LSTM残差层中的每个LSTM块的结构如图4所示，依次为输入层，LSTM层，dropout层与输出层，其中LSTM层中的神经元个数设置为128个，输出的return_sequences参数为真，即为多到多模型，dropout取为0.3，输出口令序列长度为10。训练的超参数设置如下，批训练大小设置为64，训练轮数i设置为400000。WGAN-gp中的惩罚系数为10，优化器采用Adam，优化器学习率为1e-4，优化器β1取为0.5，优化器β2取为0.9，每轮训练1次生成对抗神经网络生成器，训练10次生成对抗神经网络判别器。

生成对抗神经网络判别器对组合口令的打分和筛选过程，如图8所示，将有序马尔可夫链口令生成器生成的口令序列作为输入，经过判别筛选模块后，得到一个输出浮点数值，判断该得分浮点数值是否大于-1.3，是则保留作为最终口令集的口令，否则认为该口令不符合原口令集分布，将其丢弃，重复这一过程直到所有口令被处理完或者生成了足够多的口令条目。

本系统使用有序马尔可夫链进行口令生成，然后使用对抗生成网络中的判别器进行对口令打分筛选。使用有序马尔可夫链口令生成器生成的口令具有顺序按照口令的组合概率高低排列的特点。使用对抗生成网络学习了原口令集的分布，对抗生成网络的判别器就具有筛选符合原口令集分布的能力。由于判别器筛选的口令具有符合原口令集分布的特点，所以生成的口令同时具有按照组合概率高低排序和符合原口令集分布的特征。这两个特征均对口令猜解进程有着加速作用，能在尽量少的猜解中提高命中率。

尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。

Claims (4)

1.基于马尔可夫链和神经网络的口令字典生成方法，其特征在于，包括：

步骤S1：使用有序马尔可夫链进行原口令集的学习和基于5-Gram统计语言模型的字符序列概率统计，生成组合口令，所述组合口令按照口令序列组合的概率高低输出；

步骤S2：采用随机数噪声训练生成对抗神经网络生成器，产生伪口令样本，使用原口令集训练初始的生成对抗神经网络判别器，初始的生成对抗神经网络判别器通过对生成对抗神经网络生成器产生的伪口令样本的判别反馈进行参数学习，得到训练好的生成对抗神经网络判别器；

步骤S3：采用训练好的生成对抗神经网络判别器对所述组合口令进行判别打分，并筛选出得分数值大于预设值的口令集作为可用口令集输出，可用口令集按照口令序列组合的概率高低排序；

步骤S4：将可用口令集输出拼接上原口令集构成口令字典，进行离线口令猜解。

2.根据权利要求1所述的基于马尔可夫链和神经网络的口令字典生成方法，其特征在于，所述步骤S1具体包括：

步骤S11：对原口令集的口令进行切割，在开始添加开始标志符，在结尾添加结束符；

步骤S12：每次提取连续的5个字符序列作为1个字符序列组，移动步长为1，直到5个字符序列组的最后一个字符为结束字符，统计字符序列组数量；

步骤S13：采用对每个5-Gram字符序列组进行概率统计，并按照概率高低将5-Gram序列分为多个堆；

步骤S14：按照概率的高低遍历每个堆，从这些堆中寻找子序列进行口令组合，并生成组合口令。

3.根据权利要求1所述的基于马尔可夫链和神经网络的口令字典生成方法，其特征在于，所述生成对抗神经网络生成器由随机数发生器、线性层、5层残差块、1维卷积层和softmax层组成，所述生成对抗神经网络判别器对所述伪口令进行判别和反馈，所述生成对抗神经网络判别器由1层字符编码层、5层LSTM层和1层线性层组成。

4.基于马尔可夫链和神经网络的口令字典生成系统，其特征在于，包括马尔可夫链口令生成器、生成对抗神经网络判别器和生成对抗神经网络生成器，其中：

马尔可夫链口令生成器，用于采用5-Gram统计语言模型对口令集进行概率统计，并按照概率高低将5-Gram序列分为多个堆，再按照概率高低遍历每个堆寻找子序列进行口令组合，生成组合口令；

生成对抗神经网络生成器，用于根据输入的随机数噪声输出伪口令样本；

生成对抗神经网络判别器，用于通过输入的真实口令学习真实口令的分布，并通过对生成对抗神经网络生成器生成的伪口令样本的判别反馈进行参数学习，学习完成后对马尔可夫链口令生成器输出的组合口令进行打分和筛选，输出可用口令集；

口令拼接模块，用于将原目标口令集与可用口令集进行拼接，得到口令字典。

Images