買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉四川大學申請的專利基于深度神經網絡和特征融合的口令強度評估方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115563604B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211279524.X，技術領域涉及：G06F21/46；該發明授權基于深度神經網絡和特征融合的口令強度評估方法及系統是由趙奎;李靜雯;梁剛設計研發完成，并于2022-10-19向國家知識產權局提交的專利申請。

本基于深度神經網絡和特征融合的口令強度評估方法及系統在說明書摘要公布了：本發明公開了基于深度神經網絡和特征融合的口令強度評估方法及系統，獲取口令數據集；對口令數據集中的每一條原始口令和小寫口令，提取口令構造規則類特征、口令構造模式類特征和口令構造概率特征；將訓練口令集對應的口令構造規則類特征、口令構造模式類特征和口令構造概率特征作為特征向量，訓練深度神經網絡，得到基于多分類問題的深度神經網絡模型，將用戶輸入口令輸入基于多分類問題的深度神經網絡模型，將輸出預測概率值最大的強度標簽作為當前口令的強度評估結果。本發明更全面、多角度地對口令進行評估；同時結合深度神經網絡構造口令強度分類器，進一步提升了口令強度評估方法的準確性與魯棒性。

本發明授權基于深度神經網絡和特征融合的口令強度評估方法及系統在權利要求書中公布了：1.一種基于深度神經網絡和特征融合的口令強度評估方法，其特征在于，包括： 步驟S100、訓練基于多分類問題的深度神經網絡模型，包括： 步驟S110、收集并處理已泄露的真實用戶口令，將真實用戶口令作為原始口令，將真實用戶口令中大寫字母轉換為小寫字母得到小寫口令，原始口令和小寫口令組成口令數據集； 步驟S120、對口令數據集中的每一條原始口令和小寫口令，提取口令構造規則類特征，口令構造規則類特征包括原始口令的口令長度、大寫字母個數占比、小寫字母個數占比、數字個數占比、特殊字符個數占比、連續小寫字母組成的字符串長度占比、連續大寫字母組成的字符串長度占比、連續數字組成的字符串長度占比、連續特殊字符組成的字符串長度占比、口令中不重復字符個數占比、連續輔音字母組成的字母串長度占比、元音字母個數占比和信息熵以及小寫口令的不重復字符個數占比； 步驟S130、構建常用英文單詞字典、常用中文拼音字典和口令黑名單字典，且常用英文單詞字典、常用中文拼音字典和口令黑名單字典中的字母均為小寫；對口令數據集中的每一條口令，提取其包含常用英文單詞字典中的單詞的個數、包含常用中文拼音字典中的拼音的個數和包含口令黑名單字典中的口令的個數，提取符合順序詞模式的字母串個數和字母串總長度，以及提取符合鍵盤詞模式的子串個數和子串總長度，得到口令構造模式類特征； 步驟S140、將所述口令數據集劃分為訓練口令集和測試口令集，采用訓練口令集訓練多階RNN模型，結合變階算法構建基于變階RNN及概率平衡的PCFG口令攻擊模型，提取口令構造概率特征； 所述步驟S140具體包括： 步驟S141、統計口令數據集中每一條原始口令的出現頻次，根據出現頻次由低到高為其打上“強”、“中”或“弱”的強度標簽，從這三種強度標簽的口令中，等比例隨機劃分為訓練口令集和測試口令集；將訓練口令集中的每一條原始口令對應的小寫口令按照字母、數字、特殊字符進行劃分，得到口令結構structpw′、字母子段、數字子段和特殊字符子段；對所有口令結構structpw′進行頻率統計，得到口令結構頻率字典，口令結構頻率字典中的鍵為口令結構structpw′，值為structpw′的出現頻率Pstructpw′： 所有的字母子段構成字母子段集，所有的數字子段構成數字子段集，所有的特殊字符子段構成特殊字符子段集； 步驟S142、訓練多階RNN模型： 向字母子段集、數字子段集和特殊字符子段集中的子段尾部添加結束符EOS，再使用字母子段集訓練基于字母的多階RNN模型LRNN1～m，使用數字子段集訓練基于數字的多階RNN模型DRNN1～m，使用特殊字符子段集訓練基于特殊字符的多階RNN模型SRNN1～m，其中m為多階RNN模型的最高階數；在訓練中，對于n階模型RNNn，其中，n∈[1,m]，選擇長度不小于n的子段且不包含結束符作為其訓練數據，對每一個子段，從第一個字符開始，以滑動窗口的方式，截取窗口大小為n的子串作為輸入序列，并將當前窗口后的下一個字符作為字符標簽，滑動窗口以1為步長不斷向后滑動，直到獲取到的字符標簽為結束符EOS； 步驟S143、構建基于變階RNN及概率平衡的PCFG口令攻擊模型，提取口令構造概率特征； 所述步驟S143具體包括： A10、獲取口令結構概率：對口令數據集中的每一條原始口令對應的小寫口令，提取口令結構structpw′及子段，從所述口令結構頻率字典中查找口令結構structpw′的出現頻率Pstructpw′，若口令結構structpw′不在口令結構頻率字典中，則將口令結構頻率字典中口令結構概率的最小值賦給Pstructpw′； A20、結合多階RNN模型和變階算法構建變階RNN模型，獲取口令子段的構造概率； A30、使用基于變階RNN及概率平衡的PCFG口令攻擊模型，提取口令構造概率特征； 步驟S150、將訓練口令集對應的口令構造規則類特征、口令構造模式類特征和口令構造概率特征作為特征向量，訓練深度神經網絡，訓練完成并使用測試口令集測試通過后得到基于多分類問題的深度神經網絡模型； 步驟S200、對新的用戶輸入口令，提取口令構造規則類特征、口令構造模式類特征和口令構造概率特征作為基于多分類問題的深度神經網絡模型的輸入，將基于多分類問題的深度神經網絡模型輸出的預測概率值最大的強度標簽作為當前口令的強度評估結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人四川大學，其通訊地址為：610000 四川省成都市一環路南一段24號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。