口令恢复中的高效字典生成方法研究

摘要

截止到2018年，移动互联网用户达到15.5亿，网络应用日益融入人们的生活。移动互联网的加速发展产生了对信息安全的思考。口令是信息安全中使用最广泛的身份验证手段。口令的恢复与加密研究相辅相成，也得到了迅速的发展。研究发现口令恢复的重点在于字典的选取。但是随着移动互联网用户越来越多，口令空间在爆发式增长，字典文件越来越大，文件中的候选口令数量急剧增加。因此，研究口令恢复中高效字典的生成具有重要意义。 针对口令恢复中字典文件存在搜索空间大和效率低的问题，本文重点研究具有高概率的口令结构和基于个人信息的口令集，在概率上下文无关文法的基础上，对真实场景下的口令研究了各种分布参数，挖掘高概率口令的分布规则。设计了两种高效字典生成算法。完成的主要工作如下： 1.提出了口令基因库模型。针对近七千万条真实明文口令，统计了它们的各项分布特征，总结出若干条高概率口令的生成规则。同时，对口令中的个人信息进行分析，给出了个人信息与口令之间的关系。基于这些规则和关系，设计了口令强度计算规则，提出了口令结构、数字串、大小写字母串和特殊字符串基因库模型。 2.基于口令基因库模型，提出了基于漫步攻击和定向攻击的两种高概率字典生成算法—基于基因库的口令结构字典生成算法和基于个人信息的动态口令字典生成算法。第一种算法利用高概率的字符串基因重组口令结构，避免穷举低概率的字符串部分，提高字典的命中率。第二种算法利用口令与个人信息之间的相关性，产生候选口令集合，提高口令命中率。 3.基于异构高性能计算平台进行口令恢复实验。在相同数据集上，与口令恢复领域经典字典进行对比试验。实验结果表明，本文算法生成的字典有效提高了口令的命中率。且在口令恢复项目中已得到实际应用。

目录

声明

1 绪论

1 .1 研究背景及意义

1 .2 国内外研究现状

1 .3 主要研究内容及组织结构

2 预备知识

2 .1 口令恢复简介

2 .2 口令恢复方法

2.2.1 概率上下文无关文法

2.2.2 马尔科夫模型

2 .3 异构平台系统框架

2 .4 实验数据集介绍

2 .5 小结

3 真实口令数据分析

3 .1 口令的zipf分布

3 .2 口令长度分析

3 .3 口令类型分析

3 .4 弱口令排名分析

3 .5 口令结构分析

3.5.1 口令结构长度分析

3.5.2 口令结构类型分析

3.5.3 口令结构覆盖率分析

3 .6 数字串规律分析

3 .7 字母串规律分析

3 .8 口令中个人信息分析

3 .9 小结

4 高效字典生成方法

4 .1 基于基因库的口令结构字典生成方法

4.1.1 口令结构基因库

4.1.2 数字串基因库

4.1.3 小写字母串基因库

4.1.4 明文掩码结合的口令结构字典生成方法

4.1.5 实验结果与分析

4 .2 基于个人信息的动态字典生成方法

4.2.1 基于个人信息的动态口令字典生成算法

4.2.2 算法的实现与训练

4.2.3 实验结果与分析

4 .3 小结

5 口令恢复实现与实验分析

5 .1 基于异构平台的口令恢复系统

5 .2 实验对比分析

5.2.1 实验环境和数据

5.2.2 异构平台实验对比

5.2.3 口令恢复实验对比与分析

5 .3 小结

6 总结与展望

6 .1 总结

6 .2 展望

参考文献

个人简历、在校期间参加的科研项目及发表的论文

个人简历

在校期间参加的科研项目

在学期间发表的学术论文

致谢