[发明专利]一种基于密文特征识别加密算法类型的方法与系统

权利要求书

1.一种基于密文特征识别加密算法类型的方法，其特征在于，所述方法包括：

爬取信息安全网站上的明文密码信息，并进行数据预处理；采用OpenSSL开源加密库采用不同种类的加密算法进行加密，获得加密后的密文集合，作为训练数据；进行基于GRU模型的深度学习的模型训练，对训练完的模型进行测试，获得分类错误的类别，对错误类别所对应的加密后的密码字符串进行基于n-gram的提取，获取n-gram片段，记录片段位置和元组数，对两个n-gram元组之间的数据进行隐藏，实现重要特征的提升，并再次进行测试，当测试结果有阈值程度提升时停止训练，否则改变n-gram元组数和隐藏的片段位置。

2.根据权利要求1所述的方法，其中，所述爬虫信息安全网站上的明文密码信息，主要还包括：

在信息安全相关网站上通过正则表达式匹配关键字为“常见密码”或各大信息安全论坛匹配“密码设置为：”这几个字的相关的报表内容或带有数字、符号、字母的信息；并对里面存在的数据缺陷和空格做处理。

3.根据权利要求1所述的方法，其中，所述OpenSSL开源加密库采用不同种类的加密算法进行加密，主要还包括：

选取OpenSSL开源加密库中的加密算法作为标准加密算法，从中分别挑选不同种类的加密算法对所述明文密码进行数据加密，并将这些密文按照加密算法的种类进行储存，得到不同种类的加密算法输出的密文集合，选取各种类密文长度相比小于预设阈值的密文作为训练数据。

4.根据权利要求1所述的方法，其中，所述进行基于GRU模型的深度学习的模型训练，对训练完的模型进行测试，获得分类错误的类别，主要还包括：根据密文集合进行不同种类加密算法样本作为特征，将该种类算法作为标注值，得到训练集，构建基于GRU神经网络的加密算法种类识别模型，并在其中加入dropout层和正则化；

通过该模型输入测试集样本识别出测试结果，包括正确分类的数据和错误分类的数据。

5.根据权利要求1所述的方法，其中，所述对错误类别所对应的加密后的密码字符串进行基于n-gram的提取，获取n-gram片段，记录片段位置和元组数，主要还包括：

抽取错误分类的数据特征，根据其对称特征性，进行分组；所述分组包括，通过n-gram算法对密码进行多元切分；分析是否存在相同的n-gram片段，并记录片段的位置；将不同的n-gram片段进行分开，根据分开的内容实现分组。

6.根据权利要求1所述的方法，其中，所述对两个n-gram元组之间的数据进行隐藏，实现重要特征的提升，主要还包括：

将两个n-gram特征的中间部分数据做隐藏，当隐藏的部分中包含有其他n-gram串时，则不作隐藏；当n-gram中间隔的字符串大于预设的长度时，也不作隐藏。

7.根据权利要求1所述的方法，其中，所述当测试结果有阈值程度提升时停止训练，否则改变n-gram元组数和隐藏的片段位置，主要还包括：

如果发现并没有正确率上的提升，则变化n-gram的元组数，从提取二元组变成三元组，使特征更加凸显；或者，改变隐藏的片段位置，只将两个元组最中间的N个字符串进行隐藏而不是全部隐藏，以此提升n-gram周边元素的特征值。

8.基于密文特征识别加密算法类型的方法，其特征在于，所述系统包括：

数据获取模块，用于通过爬虫获取可用于测试的密码内容；

深度学习训练与测试模块，用于采用深度学习GRU模型训练并测试模型正确率；

n-gram提取模块，用于对错误的内容识别其n-gram特征,以便后续测试改进；

片段隐藏模块，用于对不重要的片段进行隐藏，实现重要特征的增强。