CSNN：中文口令安全评估与神经网络字典生成方法

"07 CSNN：基于汉语拼音与神经网络的口令集安全评估方法.pdf" 本文主要介绍了一种名为CSNN（Chinese Syllables and Neural Network）的口令集安全评估方法，该方法专注于中文口令的安全性。口令猜测攻击是网络安全中的常见威胁，攻击者通过尝试各种可能的口令来获取系统的访问权限。为了有效抵御这种攻击，需要生成高质量的口令字典来评估口令集的安全性。 CSNN方法的独特之处在于它将完整的汉语拼音视作一个整体元素，并依据汉语拼音的规则对口令进行结构划分和处理。这种方法考虑了中文语言的特性，能更好地模拟真实用户的口令创建习惯。之后，处理过的口令数据被输入到长短期记忆网络（LSTM）中进行训练，以生成更为合理的口令字典。 通过命中率实验，CSNN方法的效能得到了验证。与两种经典口令生成方法——概率上下文无关文法（PCFG）和5阶马尔可夫链模型进行了比较。实验结果表明，无论是在较小规模还是大规模的字典中，CSNN方法生成的口令字典在安全性评估方面都表现出更高的效率。具体来说，当猜测次数达到10^7时，相比于PCFG，CSNN在不同测试集上的命中率提升了5.1%至7.4%，平均提升6.3%。而与5阶马尔可夫链模型相比，在8×10^5次猜测时，CSNN的命中率提高了2.8%至12%，平均提升8.2%。 此外，文章还指出了口令集安全评估、口令字典生成以及神经网络在身份认证中的重要性。按照中国图书馆分类法，该研究属于TP309类别，且被赋予了A类文献标识码，表示其在学术研究领域具有较高的价值。文章的DOI为10.11999/JEIT190856，便于后续引用。 CSNN方法通过结合汉语拼音规则和神经网络，提供了一种更有效的中文口令集安全评估策略，有助于提升网络系统中用户口令的安全性，防止因口令猜测攻击导致的信息泄露。