PG-RNN:一种基于递归神经网络的密码猜测模型

• 作者: 叶俊彬 李志远 滕南君 金敏 鲁华祥
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 密码生成 深度学习 递归神经网络 Markov 密码猜测
• 年，卷（期）: 2018,（6）
• 页码范围: 889-896
• 页数: 8页
• 分类号: TP391
• 字数: 7008字
• 语种: 中文
• DOI: 10.11992/tis.201712006

摘要

用户名—密码(口令)是目前最流行的用户身份认证方式,鉴于获取真实的大规模密码明文非常困难,利用密码猜测技术来生成大规模密码集,可以评估密码猜测算法效率、检测现有用户密码保护机制的缺陷等,是研究密码安全性的主要方法.本文提出了一种基于递归神经网络的密码猜测概率模型(password guessing RNN,PG-RNN),区别于传统的基于人为设计规则的密码生成方法,递归神经网络能够自动地学习到密码集本身的分布特征和字符规律.因此,在泄露的真实用户密码集上训练后的递归神经网络,能够生成非常接近训练集真实数据的密码,避免了人为设定规则来破译密码的局限性.实验结果表明,PG-RNN生成的密码在结构字符类型、密码长度分布上比Markov模型更好地接近原始训练数据的分布特征,同时在真实密码匹配度上,本文提出的PG-RNN模型比目前较好的基于生成对抗网络的PassGAN模型提高了1.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁华祥	中国科学院半导体研究所	46	358	8.0	17.0
7	李志远	中国科学院半导体研究所	25	179	8.0	13.0
14	金敏	中国科学院半导体研究所	10	242	5.0	10.0
15	滕南君	中国科学院半导体研究所	1	2	1.0	1.0
19	叶俊彬	中国科学院半导体研究所	1	2	1.0	1.0