[发明专利]基于BPE分词的长短期记忆神经网络的密码生成方法

说明书

本发明公开了一种基于BPE分词的长短期记忆神经网络的密码生成方法。本方法先使用BPE分词算法对训练密码集进行分词处理，并且利用dropout技术增加分词的多样性；然后用分词后的密码对长短期记忆网络（LSTM）进行训练；使用训练好的网络预测密码序列中的下一个子词，采取随机采样策略生成密码，并引入temperature参数增加生成密码的创造性。本发明使用基于统计的分词方法对密码进行分词，充分利用了符合大部分用户习惯的子词，使用本方法可以显著提升生成密码集的猜测攻击能力，从而更加有效地评估密码库的安全性。

技术领域

本发明属于信息安全技术领域，具体涉及一种基于BPE分词的长短期记忆神经网络的密码生成方法。

背景技术

为了保护用户信息安全，互联网应用中需要使用身份认证技术确认操作者身份。虽然更加安全的基于生物特征(指纹和人脸等)和智能卡等的身份认证方式已经得到广泛应用，但是具有部署难度低、使用局限性小等特性的文本密码仍然是互联网应用中身份认证的主要方式。然而，为了便于记忆和管理，人们往往会选择一些具有特定规则的密码，并且会在不同的应用中重复使用同一个密码，这都使得文本密码更加容易通过猜测攻击被破解。对密码生成方法的研究不仅可以提升人们对密码安全的认识，还可以用于对密码的安全性进行评估。

目前用于密码生成的方法有基于统计的PCFG方法、基于概率的Markov方法和基于神经网络的方法，研究表明使用神经网络猜测密码的效率优于传统的基于概率的Markov和PCFG方法。由于人们往往会选择将姓名、生日、手机号码等信息包含到密码中，字符级LSTM模型没有很好的利用这一特征；其次，生成密码时使用集束搜索会产生很多重复、无效密码，从而降低了生成密码在测试集上的匹配率。

发明内容

本发明所要解决的技术问题在于，针对背景技术指出的不足，降低生成密码的重复率，使用基于统计的BPE算法对密码进行分词，充分利用了人们倾向于选择具有特定含义的字符创建密码这一特性，提出一种基于BPE分词的长短期记忆神经网络的密码生成方法。

本发明为解决以上技术问题而采用以下技术方案：

本发明提出一种基于BPE分词的长短期记忆神经网络的密码生成方法，

步骤1：使用BPE-dropout将原始训练密码集切分成子词粒度；

步骤2：使用子词粒度密码集训练子词级LSTM模型；

步骤3：使用训练好的子词级长短期记忆网络LSTM模型生成猜测密码集。生成密码时选择下一个子词的方法为带温度(temperature)的随机采样策略。

所述步骤1包括以下步骤：

步骤1.1使用原始训练密码集构建BPE合并表。具体如下：

步骤1.1.1将所有密码表示为字符序列，并使用所有字符序列初始化符号表T_symbol；

步骤1.1.2统计符号表T_symbol中所有相邻符号对(symbol_i,symbol_j)出现的频次，所述符号为单个字符或者由几个字符组合成的子词；

步骤1.1.3合并符号表T_symbol中出现频次最高的相邻符号对，使用合并产生的新符号symbol_k替换符号表T_symbol中两个原始符号symbol_i和symbol_j，并将合并过程按照符号出现频次降序的顺序记录到BPE合并表中，合并过程表示为：

(symbol_i,symbol_j)→symbol_k；