[发明专利]一种基于深度学习的密码字典生成技术

权利要求书

1.一种基于深度学习的密码字典生成技术，其特征在于：具体包括以下步骤：

S1、对于密码数据集进行清洗，筛选出符合实验要求的密码，筛选出包含的字符是字母、数字、符号的组合，并且长度是8-16位的密码。并且将数据集分成训练集、验证集和测试集；

S2、word2vec对于密码进行词嵌入处理获得组成密码的字符对应的字符向量，对下一步输入lstm神经网络做准备；

S3、用获取S2生成的字符向量，组成由字符向量组成的输入列表，不足16位的用空格字符向量补全，作为整个模型的输入；根据字符对应的ascii码作为标签，包含除去第一位的所有字符，由固定数值M补足16位；

S4、将S3中处理好的向量输入到lstm神经网络模型中，设置好输出列表的大小，选择交叉熵来计算模型的损失，通过数次训练得到损失小效果优的模型参数，用作密码字典的生成；

S5、使用S4得到的模型，进行密码字典生成。

2.根据权利要求1所述的一种基于深度学习的密码字典生成技术，其特征在于：所述S1中，筛选方法是筛选出包含的字符是字母、数字、符号的组合，并且长度是8-16位的密码，并且将数据集分成训练集、验证集和测试集。

3.根据权利要求4所述的一种基于深度学习的密码字典生成技术，其特征在于：所述S3中，最终，我们需要确定输出什么值，这个输出将会基于细胞状态，但是也是一个过滤后的版本，首先，运行一个sigmoid层来确定细胞状态的哪个部分将输出出去，接着，把细胞状态通过tanh进行处理(得到一个在-1到1之间的值)并将它和sigmoid门的输出相乘，最终仅仅会输出确定输出的那部分。

4.根据权利要求1所述的一种基于深度学习的密码字典生成技术，其特征在于：所述S5中，密码字典生成具体包括以下步骤：

S1、获取所有密码数据的首字母出现的概率，用以后面使用，初始化一个空集S；

S2、设置密码字典大小为N，以S内的密码数量Count(S)是否小于N为条件循环生成密码序列；

S3、初始化空集password，在概率最大的前λ个字符中随机选取一个并添加到password中；

S4、以password内的字符数量是否小于等于最大密码长度为条件循环生成密码字符；将password的内容加载到模型当中预测函数得到下一个字符的概率；

S5、在概率最大的前λ个字符中随机选取一个并添加到password中直至随机选取的字符为M或password的字符数量等于最大密码长度；

S6、当循环等于密码字典大小时，即得到了预期的大小为N的密码字典。