[发明专利]一种基于群体的口令强度评估方法

权利要求书

1.一种基于群体的口令强度评估方法，其特征在于，该方法包括以下具体步骤：

步骤1：口令评估准备

确定群体属性特征，根据群体属性特征确定群体集合成员，构建群体集合，收集群体集合成员口令集并对口令集数据进行清洗，完成口令数据集预处理；

步骤2：神经网络训练

确定神经网络模型，结合预处理后口令数据集训练神经网络模型；

步骤3：群体口令强度评估

对训练好的神经网络模型进行压缩，对口令在群体集合环境下进行强度评估，并及时反馈口令强度。

2.根据权利要求1所述的口令强度评估方法，其特征在于，步骤1中，所述群体为具有相同属性特征的一类人；

所述属性特征包括但不限于职业、地区或性别。

3.根据权利要求1所述的口令强度评估方法，其特征在于，所述步骤1具体为：

步骤A1：确定群体属性特征；

步骤A2：根据属性特征确定群体成员，构建群体集合；

步骤A3：根据集合成员收集群体口令集；

步骤A4：对收集到的口令集数据进行清洗；

步骤A5：对清洗过后的口令数据集进行预处理；其中：

所述口令集数据清洗包括但不限于对非法字符无效口令进行剔除；

所述口令数据集预处理包括但不限于对口令集数据进行one-hot编码。

4.根据权利要求1所述的口令强度评估方法，其特征在于，所述步骤2具体为：

步骤B1：确定神经网络模型；

步骤B2：训练神经网络模型；

步骤B3：通过试验效果对神经网络模型进行参数调整，进行再次训练，直到效果好为止；其中：

所述神经网络模型包括但不限于循环神经网络模型及注意力机制；

所述调整的参数包括但不限于神经网络学习率、步长和训练轮数。

5.根据权利要求1所述的口令强度评估方法，其特征在于，所述步骤3具体为：

步骤C1：对训练效果好的神经网络模型进行模型压缩；

步骤C2：将口令在已训练群体环境中进行口令强度计算及评估；

步骤C3：反馈口令强度；其中：

所述模型压缩包括但不限于：轻量化压缩、有损压缩或ZigZag编码；

所述口令强度计算及评估包括但不限于：在已训练群体环境情况中，利用神经网络学习到的口令概率分布，结合蒙特卡洛仿真抽样方法，计算出口令被成功猜测出所需猜测次数，通过将猜测次数与预先设置的强度阈值进行比较，从而得出该口令在已训练群体中强度。