在互聯(lián)網(wǎng)技術(shù)普及的今天,出現(xiàn)了多種多樣的用戶身份認(rèn)證方式,口令認(rèn)證仍以其簡單易用性作為網(wǎng)絡(luò)用戶身份認(rèn)證的一種主流方式。但口令認(rèn)證本身有許多的缺陷性。在以往的研究中,口令認(rèn)證一直受到計(jì)算機(jī)安全相關(guān)的科研人士的高度重視,提出了一些破解以及評估口令安全性的方案。本文首先對網(wǎng)絡(luò)上泄漏的口令集進(jìn)行統(tǒng)計(jì)學(xué)分析,之后結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)和自然語言處理技術(shù),提出了兩種離線口令生成方法。具體的研究內(nèi)容包括:·通過對收集的8類用戶口令集進(jìn)行多維度的分析,研究用戶口令分布的特征。包括對口令進(jìn)行頻率統(tǒng)計(jì)來發(fā)現(xiàn)用戶經(jīng)常使用的口令有哪些;對口令文本結(jié)構(gòu)分布進(jìn)行統(tǒng)計(jì),來研究用戶設(shè)置口令的習(xí)慣;對長度分布進(jìn)行分析來研究用戶對口令長短選擇的偏好。之后,我們通過用包含個人信息的口令集來分析用戶重用口令的行為,以及個人信息對用戶設(shè)置口令的影響。·通過對口令集的分析結(jié)果,我們發(fā)現(xiàn)不同用戶群體在設(shè)置口令的時候具有一定程度的相似性。基于這一觀察現(xiàn)象,我們提出了一種基于群組屬性的神經(jīng)網(wǎng)絡(luò)口令生成模型。該模型考慮了不同用戶群體設(shè)置口令的習(xí)慣,能夠有針對性的生成特定用戶全體的口令集。同時,我們也基于該模型提出了一種基口令概率的強(qiáng)度評價(jià)方法... 

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 口令特征分析
        1.2.2 口令猜測攻擊現(xiàn)狀
        1.2.3 口令強(qiáng)度評價(jià)
    1.3 本文研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 預(yù)備知識與概念
    2.1 口令概率模型
        2.1.1 基本概念
        2.1.2 馬爾可夫概率模型
        2.1.3 概率上下文無關(guān)文法模型
    2.2 口令安全性評價(jià)指標(biāo)
    2.3 離線口令猜測流程
    2.4 神經(jīng)網(wǎng)絡(luò)模型
        2.4.1 前饋神經(jīng)網(wǎng)絡(luò)
        2.4.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.5 本章小結(jié)
第三章 多維度口令數(shù)據(jù)集分析
    3.1 口令數(shù)據(jù)集
    3.2 基于頻率統(tǒng)計(jì)的口令集分析
        3.2.1 口令頻率分析
        3.2.2 口令文本結(jié)構(gòu)分布情況
        3.2.3 口令長度分析
    3.3 口令重用行為分析
        3.3.1 口令相似度衡量標(biāo)準(zhǔn)
        3.3.2 CSDN與12306口令集重用性分析
    3.4 個人信息在口令集的分布情況
    3.5 本章小節(jié)
第四章 基于群組屬性的神經(jīng)網(wǎng)絡(luò)口令生成模型
    4.1 研究背景
    4.2 相關(guān)概念
        4.2.1 長短期記憶網(wǎng)絡(luò)
        4.2.2 門控循環(huán)單元網(wǎng)絡(luò)
    4.3 群組屬性口令集生成模型
        4.3.1 口令數(shù)據(jù)集預(yù)處理
        4.3.2 設(shè)計(jì)口令生成模型
        4.3.3 設(shè)定模型的超參數(shù)和損失函數(shù)
        4.3.4 口令生成算法
        4.3.5 口令強(qiáng)度評價(jià)方案
    4.4 實(shí)驗(yàn)結(jié)果
        4.4.1 模型對比
        4.4.2 模型的超參數(shù)設(shè)置
        4.4.3 生成口令集的猜測攻擊測試
    4.5 本章小結(jié)
第五章 基于分詞的神經(jīng)網(wǎng)絡(luò)口令生成模型
    5.1 研究背景
    5.2 基于隱馬爾可夫模型口令分詞算法
        5.2.1 隱馬爾可夫模型
        5.2.2 處理HMM模型三個基本問題的算法
        5.2.3 使用HMM對口令進(jìn)行分詞
    5.3 使用分詞算法構(gòu)建口令生成模型
        5.3.1 口令數(shù)據(jù)集預(yù)處理
        5.3.2 設(shè)計(jì)口令生成模型
        5.3.3 結(jié)合HMM與RNN的口令概率模型
    5.4 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文、參與科研和獲得榮譽(yù)情況


【參考文獻(xiàn)】：
期刊論文
[1]基于真實(shí)數(shù)據(jù)挖掘的口令脆弱性評估及恢復(fù)[J]. 劉功申,邱衛(wèi)東,孟魁,李建華.  計(jì)算機(jī)學(xué)報(bào). 2016(03)
[2]口令重用行為與多維口令體系研究[J]. 楊城,趙奇,康立.  計(jì)算機(jī)工程. 2014(12)
[3]國內(nèi)網(wǎng)絡(luò)用戶密碼分析[J]. 魏為民,陳為召,李紅嬌.  上海電力學(xué)院學(xué)報(bào). 2013(06)
[4]計(jì)算機(jī)網(wǎng)絡(luò)中的口令安全[J]. 凌曉峰.  微型機(jī)與應(yīng)用. 2000(10)
[5]前饋神經(jīng)網(wǎng)絡(luò)中的反向傳播算法及其改進(jìn):進(jìn)展與展望[J]. 劉曙光,鄭崇勛,劉明遠(yuǎn).  計(jì)算機(jī)科學(xué). 1996(01)

碩士論文
[1]基于神經(jīng)網(wǎng)絡(luò)的口令屬性分析工具開發(fā)[D]. 陳銳浩.上海交通大學(xué) 2015



本文編號：3653492