口令在数据加密和身份鉴别上仍然是最主流的方法，但是易受到猜测攻击。许多互联网服务提供商都要求用户使用更复杂的口令，但是对大多数用户来说，即使口令的模式变得复杂了，但是仍然容易被破解。

研究人员提出一个由LSTM和语义分析组成的层次语义模型来实现口令猜测。

RNN只能处理短序列，LSTM就是设计来处理长的以来关系的，是RNN的一种改进版本。LSTM在口令猜测方面取得了很好的成果，为了改善模型的性能，研究人员加入了语义分析。

模型在字符层面上，可以获得下一个字符的概率，而且模型可能会生成一些无意义的词语，因此研究人员在LSTM的基础上加入了语义分析，并用词语而非字符来训练神经网络。与单纯的LSTM模型相比，模型会生成避免生成一些无意义的字符串，实验表明模式与基于模板和Markov的模型中是更加有效的。

文章全文参见https://www.researchgate.net/publication/330246851_Password_Guessing_Based_on_Semantic_Analysis_and_Neural_Networks_12th_Chinese_Conference_CTCIS_2018_Wuhan_China_October_18_2018_Revised_Selected_Papers

本文作者：ang010ela

本文为安全脉搏专栏作者发布，转载请注明：https://www.secpulse.com/archives/126325.html