递归神经网络驱动的密码猜测模型PG-RNN：深度学习在密码生成中的突破

需积分: 0 70 浏览量更新于2024-08-05 收藏 906KB PDF 举报

本文主要探讨了"PG-RNN:一种基于递归神经网络的密码猜测模型"这一主题，发表在《智能系统学报》2018年第1期。在当前最流行的用户身份认证方式——用户名-密码(口令)的安全性研究中，由于获取真实大规模密码明文的难度，密码猜测技术作为一种评估密码强度和检测系统漏洞的有效手段被广泛应用。传统密码生成方法通常依赖于人为设计的规则，但这种方法存在局限性，因为它可能无法捕捉到密码集的真实分布特性和字符间的复杂规律。作者提出了一种创新的解决方案，即利用递归神经网络(RNN)构建密码猜测概率模型，也就是PG-RNN。递归神经网络的优势在于其能够通过学习大量数据，自动发现密码集合中的潜在模式，从而生成接近真实数据的新密码，这在一定程度上克服了人工规则设定的破译密码方法的不足。实验结果显示，PG-RNN在密码的结构字符类型和长度分布上表现优于基于Markov模型的生成方法，更准确地模拟了原始训练数据的特征。特别是在与最先进的基于生成对抗网络的PassGAN模型在真实密码匹配度上的比较中，PG-RNN有显著提升，达到了1.2%。这意味着PG-RNN在生成的密码安全性方面具有更高的可信度。该研究的关键点包括深度学习、递归神经网络在密码生成中的应用以及它对密码猜测技术的改进，对于密码学领域的理论研究和实际应用都具有重要意义。通过引用如下：中文引用格式：滕南君, 鲁华祥, 金敏, 等. PG-RNN: 一种基于递归神经网络的密码猜测模型[J]. 智能系统学报, 2018, 13(6): 889-896. 英文引用格式： TENGNanjun, LUHuaxiang, JINMin, et al. PG-RNN: A password-guessing model based on recurrent neural networks[J]. CAAI Transactions on Intelligent Systems, 2018, 13(6): 889-896.

DOI: 10.11992/tis.201712006

网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20180410.1436.020.html

PG-RNN: 一种基于递归神经网络的密码猜测模型

滕南君

1,2

，鲁华祥

1,3,4

，金敏

，叶俊彬

1,2

，李志远

1,2

（1. 中国科学院半导体研究所，北京 100083; 2. 中国科学院大学，北京 100089; 3. 中国科学院脑科学与智能技

术卓越创新中心，上海 200031; 4. 半导体神经网络智能感知与计算技术北京市重点实验室，北京 100083）

摘要：用户名—密码(口令)是目前最流行的用户身份认证方式，鉴于获取真实的大规模密码明文非常困难，

利用密码猜测技术来生成大规模密码集，可以评估密码猜测算法效率、检测现有用户密码保护机制的缺陷等，

是研究密码安全性的主要方法。本文提出了一种基于递归神经网络的密码猜测概率模型(password guessing

RNN, PG-RNN)，区别于传统的基于人为设计规则的密码生成方法，递归神经网络能够自动地学习到密码集本

身的分布特征和字符规律。因此，在泄露的真实用户密码集上训练后的递归神经网络，能够生成非常接近训练

集真实数据的密码，避免了人为设定规则来破译密码的局限性。实验结果表明，PG-RNN生成的密码在结构字

符类型、密码长度分布上比Markov模型更好地接近原始训练数据的分布特征，同时在真实密码匹配度上，本文

提出的PG-RNN模型比目前较好的基于生成对抗网络的PassGAN模型提高了1.2%。

关键词：密码生成；深度学习；递归神经网络；Markov；密码猜测

中图分类号：TP391 文献标志码：A 文章编号：1673−4785(2018)06−0889−08

中文引用格式：滕南君, 鲁华祥, 金敏, 等. PG-RNN: 一种基于递归神经网络的密码猜测模型[J]. 智能系统学报, 2018, 13(6):

889–896.

英文引用格式：TENG Nanjun, LU Huaxiang, JIN Min, et al. PG-RNN: a password-guessing model based on recurrent neural net-

works[J]. CAAI transactions on intelligent systems, 2018, 13(6): 889–896.

PG-RNN: a password-guessing model based on recurrent neural networks

TENG Nanjun

1,2

，LU Huaxiang

1,3,4

，JIN Min

，YE Junbin

1,2

，LI Zhiyuan

1,2

(1. Institute of Semiconductors, Chinese Academy of Sciences, Beijing 100083, China; 2. University of Chinese Academy of Sci-

ences, Beijing 100089, China; 3. Center for Excellence in Brain Science and Intelligence Technology, Chinese Academy of Sciences,

Shanghai 200031, China; 4. Semiconductor Neural Network Intelligent Perception and Computing Technology Beijing Key Lab,

Beijing 100083, China)

Abstract: Passwords are the most popular way of user ID authentication. However, it is rather difficult to obtain large-

scale real text passwords. Generating large-scale password sets based on password-guessing techniques is a principal

method to research password security, which can be applied to evaluate the efficiency of password-guessing algorithm

and detect the defects of existing user-password protective mechanisms. In this paper, we propose a password guessing-

based recurrent neural network (PG-RNN) model. Our model can directly and automatically infer the distribution char-

acteristics and character rules from the data of password sets, which is different from the traditional password generat-

ing method based on manual design rule. Therefore, an RNN model that has been trained on a disclosed real user pass-

word set can generate passwords very close to the real data of the training set, which avoids the limitations of manual

setting for password guessing. The results of our experiments show that PG-RNN can generate passwords closer to

primitive data distribution more than Markov in password length and character structure categories. When evaluating on

large password dataset, the proposed PG-RNN model matching outperforms that of PassGAN, which is based on gener-

ative adversarial networks, by more than 1.2%.

Keywords: password generation; deep learning; recurrent neural networks; Markov; password guessing

在网络时代普及的今天，密码是一种被广泛

使用的用户验证方法。主要原因在于，一方面密

码方便理解、使用，另一方面较容易实现。然而，

收稿日期：2017−12−05. 网络出版日期：2018−04−10.

基金项目：北京市科技计划课题(Z171100002217094)；中科院战

略性先导科技专项(A类)(XDA18040400).

通信作者：金敏. E-mail：jinmin08@semi.ac.cn.

第 13 卷第 6 期

智　能　系　统　学　报

Vol.13 No.6

2018 年 12 月

CAAI Transactions on Intelligent Systems

Dec. 2018

下载后可阅读完整内容，剩余7页未读，立即下载

weixin_35780426

粉丝: 25
资源: 286

递归神经网络驱动的密码猜测模型PG-RNN：深度学习在密码生成中的突破

一种基于递归神经网络的密码猜测模型

theano-rnn, 用Theano实现递归神经网络演示.zip

Multi-Robot-Search-RNN-:基于递归神经网络（RNN）的多机器人搜索

Singing-Voice-Separation-RNN:使用深度递归神经网络将单声道录音中的声音与声音分离

深度学习-RNN-LSTM-卷积神经网络-算法实现-RNN-LSTM卷积神经网络Matlab实现

tensorflow-rnn-shakespeare：来自“递归神经网络”上的“ Tensorflow和深度学习-无博士学位，第2部分”会议中的代码

hurricane-rnn:使用递归神经网络预测飓风轨迹路径

bit-rnn:量化递归神经网络中的权重和激活

网络游戏-一种标准型递归神经网络发动机怠速模型辨识方法.zip

网络游戏-一种基于递归神经网络的推荐方法及系统.zip

最新资源