买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华南理工大学

摘要：本发明公开了一种基于梯度惩罚的生成式对抗网络的密码破解方法及系统，该方法包括下述步骤：进行数据预处理以确定密码的最大长度和密码中允许的字符种类；将原始密码文件转化为一个由所包含字符组成的字符数组和字符词典，并记录所包含字符在数组中的位置；根据字符数组提取最终训练数据；构造网络，包括后续生成器结构类以及相应的判别器结构类和采用的梯度惩罚类，生成相应的生成器和构造器实例，初始化生成器和构造器的优化器，在最终训练数据集上进行迭代训练；使用训练好的生成器参数进行前向传播过程，生成爆破的密码集。

主权项：1.一种基于梯度惩罚的生成式对抗网络的密码破解方法，其特征在于，包括下述步骤：数据预处理：确定最长密码的长度和密码中最多允许存在的字符种类，清除长度超过预设值的密码以及限制密码中的字符种类个数，采用一个字符数组过滤原始训练密码，得到训练数据；网络构造：构造残差块结构、生成器和判别器，首先构造残差块结构类，并基于残差块结构类分别构造生成器类和判别器类，之后再构造判别器损失函数中需要的梯度惩罚类；所述构造生成器类，具体步骤包括：输入随机的隐空间维度大小的噪声z，通过网络进行前向传播生成密码；所述生成器的输入数据维度为[每次训练样本数，隐空间维度]，首先需要通过线性转化为[每次训练样本数，密码长度*中间层维度]的矩阵然后进行维度拆分变为[每次训练样本数，密码长度，中间层维度]的矩阵，传入残差网络中，通过一维卷积得到[每次训练样本数，字符种类，密码长度]的矩阵，然后进行维度次序变换为[每次训练样本数，密码长度，字符种类]的矩阵；所述构造判别器类，最终判别器的输出结果为维度[每次训练样本数,1]的矩阵，表示每一批训练样本在判别器中的得分；生成器损失函数：判别器损失函数为： 其中，Pg表示有生成器产生的样本分布，Pr表示真实样本分布，fω表示含参数ω的判别器网络，Dx表示判别器函数，χ表示样本空间，K表示常数；进行网络训练：生成相应的生成器和构造器实例，初始化生成器和构造器相应的优化器，在训练数据上进行迭代训练；采用训练好的生成器参数生成爆破密码集；所述采用训练好的生成器参数生成爆破密码集，具体步骤包括：生成器将随机生成的隐空间维度大小的噪声z作为输入，然后进行前向传播得到爆破密码集；所述采用训练好的生成器参数生成爆破密码集，训练数据还进行数字化处理，将所有训练数据中的密码字符转化为在密码字典中对应该字符的值，生成的爆破密码集为如下维度的矩阵：[每次训练样本数，密码长度，字符种类]，首先使用argmax函数进行转换，取概率最大的字符的下标作为具体值缩减维度，生成的中间结果为矩阵[每次训练样本数，密码长度]，其中密码长度维度上为字符数组中的字符所在的位置下标，根据字符数据进行下标转换得到生成的具体密码。

全文数据：

权利要求：

百度查询： 华南理工大学 基于梯度惩罚的生成式对抗网络的密码破解方法及系统