[发明专利]基于梯度惩罚的生成式对抗网络的密码破解方法及系统

说明书

本发明公开了一种基于梯度惩罚的生成式对抗网络的密码破解方法及系统，该方法包括下述步骤：进行数据预处理以确定密码的最大长度和密码中允许的字符种类；将原始密码文件转化为一个由所包含字符组成的字符数组和字符词典，并记录所包含字符在数组中的位置；根据字符数组提取最终训练数据；构造网络，包括后续生成器结构类以及相应的判别器结构类和采用的梯度惩罚类，生成相应的生成器和构造器实例，初始化生成器和构造器的优化器，在最终训练数据集上进行迭代训练；使用训练好的生成器参数进行前向传播过程，生成爆破的密码集。

技术领域

本发明涉及密码破解技术领域，具体涉及一种基于梯度惩罚的生成式对抗网络的密码破解方法及系统。

背景技术

在数字时代中，无论你的年龄与性别，你的生活都与密码息息相关，目前最常用的也是文本密码，而用户的密码通常是具有一定的规律，如自己的生日，某些常见的单词如apple，password等等，同一用户社区或者网站的用户密码往往也是如此。现有的密码破解方法大部分是暴力破解的方法，例如彩虹表法、采取的一般是以时间换空间的方法，需要大量的存储设备。其中的密码数据量都在TB级别，并且这些方法并没有对密码进行分类，对于不同网站或者国家的密码是没有差别的。但是不同社区，不同国家以及不同网站的密码往往是不同的，它们有着自己的特点。本方法基于这个特征，利用生成对抗网络来学习某一社区或者某一网站用户的密码分布特征，从而能够更加效率的进行密码破解。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于梯度惩罚的生成式对抗网络的密码破解方法及系统，通过使用生成对抗网络通过生成器与判别器的博弈训练，使得生成器学习训练数据密码的特征分布，从而使得生成器生成与训练数据类似度较高的密码集，对特定网站或者用户社区的密码进行密码破解。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于梯度惩罚的生成式对抗网络的密码破解方法，包括下述步骤：

数据预处理：确定最长密码的长度和密码中最多允许存在的字符种类，清除长度超过预设值以及限制密码中的字符种类个数，采用一个字符数组过滤原始训练密码，得到训练数据；

网络构造：构造残差块结构、生成器和判别器，构造残差块结构类，并基于残差块结构类分别构造生成器类和判别器类，构造判别器损失函数中需要的梯度惩罚类；

进行网络训练：生成相应的生成器和构造器实例，初始化生成器和构造器相应的优化器，在训练数据上进行迭代训练；

采用训练好的生成器参数生成爆破密码集。

作为优选的技术方案，所述数据预处理具体步骤包括：

转化原始数据训练数据：将原始密码文件转化为一个密码中包含的字符组成的字符数组和一个密码中包含的字符组成的字符词典，所述字符词典以密码中出现的字符为键，以字符在字符数组中的位置为值；

提取训练数据：根据字符数组提取最终训练数据，若原始训练数据中某行密码中的字符未出现在字符数组中，则该行密码被过滤。

作为优选的技术方案，所述构造生成器类，具体步骤包括：

输入随机的隐空间维度大小的噪声z，通过网络进行前向传播生成密码。

作为优选的技术方案，所述生成器的输入数据维度为[每次训练样本数，隐空间维度]，首先需要通过线性转化为[每次训练样本数，(密码长度*中间层维度)]的矩阵然后进行维度拆分变为[每次训练样本数，密码长度，中间层维度]的矩阵，传入残差网络中，通过一维卷积得到[每次训练样本数，字符种类，密码长度]的矩阵，然后进行维度次序变换为[每次训练样本数，密码长度，字符种类]的矩阵。

作为优选的技术方案，所述构造判别器类，最终判别器的输出结果为维度[每次训练样本数,1]的矩阵，表示每一批训练样本在判别器中的得分。