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！

龙图腾网获悉四川大学申请的专利基于深度神经网络和特征融合的口令强度评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115563604B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211279524.X，技术领域涉及：G06F21/46；该发明授权基于深度神经网络和特征融合的口令强度评估方法及系统是由赵奎;李静雯;梁刚设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本基于深度神经网络和特征融合的口令强度评估方法及系统在说明书摘要公布了：本发明公开了基于深度神经网络和特征融合的口令强度评估方法及系统，获取口令数据集；对口令数据集中的每一条原始口令和小写口令，提取口令构造规则类特征、口令构造模式类特征和口令构造概率特征；将训练口令集对应的口令构造规则类特征、口令构造模式类特征和口令构造概率特征作为特征向量，训练深度神经网络，得到基于多分类问题的深度神经网络模型，将用户输入口令输入基于多分类问题的深度神经网络模型，将输出预测概率值最大的强度标签作为当前口令的强度评估结果。本发明更全面、多角度地对口令进行评估；同时结合深度神经网络构造口令强度分类器，进一步提升了口令强度评估方法的准确性与鲁棒性。

本发明授权基于深度神经网络和特征融合的口令强度评估方法及系统在权利要求书中公布了：1.一种基于深度神经网络和特征融合的口令强度评估方法，其特征在于，包括： 步骤S100、训练基于多分类问题的深度神经网络模型，包括： 步骤S110、收集并处理已泄露的真实用户口令，将真实用户口令作为原始口令，将真实用户口令中大写字母转换为小写字母得到小写口令，原始口令和小写口令组成口令数据集； 步骤S120、对口令数据集中的每一条原始口令和小写口令，提取口令构造规则类特征，口令构造规则类特征包括原始口令的口令长度、大写字母个数占比、小写字母个数占比、数字个数占比、特殊字符个数占比、连续小写字母组成的字符串长度占比、连续大写字母组成的字符串长度占比、连续数字组成的字符串长度占比、连续特殊字符组成的字符串长度占比、口令中不重复字符个数占比、连续辅音字母组成的字母串长度占比、元音字母个数占比和信息熵以及小写口令的不重复字符个数占比； 步骤S130、构建常用英文单词字典、常用中文拼音字典和口令黑名单字典，且常用英文单词字典、常用中文拼音字典和口令黑名单字典中的字母均为小写；对口令数据集中的每一条口令，提取其包含常用英文单词字典中的单词的个数、包含常用中文拼音字典中的拼音的个数和包含口令黑名单字典中的口令的个数，提取符合顺序词模式的字母串个数和字母串总长度，以及提取符合键盘词模式的子串个数和子串总长度，得到口令构造模式类特征； 步骤S140、将所述口令数据集划分为训练口令集和测试口令集，采用训练口令集训练多阶RNN模型，结合变阶算法构建基于变阶RNN及概率平衡的PCFG口令攻击模型，提取口令构造概率特征； 所述步骤S140具体包括： 步骤S141、统计口令数据集中每一条原始口令的出现频次，根据出现频次由低到高为其打上“强”、“中”或“弱”的强度标签，从这三种强度标签的口令中，等比例随机划分为训练口令集和测试口令集；将训练口令集中的每一条原始口令对应的小写口令按照字母、数字、特殊字符进行划分，得到口令结构structpw′、字母子段、数字子段和特殊字符子段；对所有口令结构structpw′进行频率统计，得到口令结构频率字典，口令结构频率字典中的键为口令结构structpw′，值为structpw′的出现频率Pstructpw′： 所有的字母子段构成字母子段集，所有的数字子段构成数字子段集，所有的特殊字符子段构成特殊字符子段集； 步骤S142、训练多阶RNN模型： 向字母子段集、数字子段集和特殊字符子段集中的子段尾部添加结束符EOS，再使用字母子段集训练基于字母的多阶RNN模型LRNN1～m，使用数字子段集训练基于数字的多阶RNN模型DRNN1～m，使用特殊字符子段集训练基于特殊字符的多阶RNN模型SRNN1～m，其中m为多阶RNN模型的最高阶数；在训练中，对于n阶模型RNNn，其中，n∈[1,m]，选择长度不小于n的子段且不包含结束符作为其训练数据，对每一个子段，从第一个字符开始，以滑动窗口的方式，截取窗口大小为n的子串作为输入序列，并将当前窗口后的下一个字符作为字符标签，滑动窗口以1为步长不断向后滑动，直到获取到的字符标签为结束符EOS； 步骤S143、构建基于变阶RNN及概率平衡的PCFG口令攻击模型，提取口令构造概率特征； 所述步骤S143具体包括： A10、获取口令结构概率：对口令数据集中的每一条原始口令对应的小写口令，提取口令结构structpw′及子段，从所述口令结构频率字典中查找口令结构structpw′的出现频率Pstructpw′，若口令结构structpw′不在口令结构频率字典中，则将口令结构频率字典中口令结构概率的最小值赋给Pstructpw′； A20、结合多阶RNN模型和变阶算法构建变阶RNN模型，获取口令子段的构造概率； A30、使用基于变阶RNN及概率平衡的PCFG口令攻击模型，提取口令构造概率特征； 步骤S150、将训练口令集对应的口令构造规则类特征、口令构造模式类特征和口令构造概率特征作为特征向量，训练深度神经网络，训练完成并使用测试口令集测试通过后得到基于多分类问题的深度神经网络模型； 步骤S200、对新的用户输入口令，提取口令构造规则类特征、口令构造模式类特征和口令构造概率特征作为基于多分类问题的深度神经网络模型的输入，将基于多分类问题的深度神经网络模型输出的预测概率值最大的强度标签作为当前口令的强度评估结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人四川大学，其通讯地址为：610000 四川省成都市一环路南一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。