基于群体的口令强度评价研究

发布时间：2021-08-27 13:40

　　身份认证是保障用户信息安全的重要手段,虽然存在生物虹膜、指纹等多种身份认证方式,但是文本口令以其低成本、易实现等特性,在可预见的未来仍将作为主要的身份认证方式。用户口令安全意识薄弱和现有口令强度评价方法参差不齐使得口令安全形势日益严峻。口令强度评价是口令安全研究的重要组成部分,但是我们通过调研发现目前的口令强度评价方法均忽略了口令的区域性等群体特征,未考虑群体对口令生成的影响;同时,主流的基于启发式或概率模型的口令强度评价方法通常只能对特定类型口令进行准确强度评价,缺乏通用性。因此,本文率先提出“群体口令”的概念以分析不同群体的口令特征,并在此基础上进行口令强度评价研究。本文主要研究工作如下:1.大规模真实泄露口令群体特征脆弱性分析。本文对国内外10个口令库约2亿条口令进行分析,通过从地区、网站服务类型等维度进行口令群体划分,分别从口令长度分布、流行口令、口令重用等多方面进行群体特征脆弱性分析,证实了不同群体口令具有不同的特征,比如:四川人更喜欢用“panda”作为口令等。2.为了挖掘群体特征对口令生成的影响,本文提出针对于群体的口令强度评价方法（AM-LSTM PSM）。该方法首先利... 

【文章来源】：华东师范大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：96 页

【学位级别】：硕士

【部分图文】：

互联网口令存储过程

字符串 s2 的长度为 n，则使用动态规划算法可以计算出 (s1,s2)，程如下： ( , ) = 0 = 0 = 0 ≠ 0 = 0 = 0 ≠ 0 ( 1, ) + 1 ( , 1) + 1 > 0 > 0 ( 1, 1) + ( , ) 中 ， 0 ≤ i ≤ m,0 ≤ j ≤ n 。 ( , ) = 0 1[ ] = 2[ ]1 1[ ] ≠ 2[ ],htien 相似度计算方法为： ( 1, 2) = 1 ( 1, 2)max( ( 1), ( 2))（3.1中 ( )表示字符串 s 的长度，max( ( 1), ( 2)) 表示取字符串串 s2 的长度的最大值。

如下图 4.1 口令强度反馈对比图所示，这往往给用户带来困惑，降低了用户体验。图 4.1 口令强度反馈对比图4.1 本章内容概述口令由于主要涉及人的因素，导致完全由人为刻画口令强度比较困难，而利用神经网络的高维函数拟合能力，能更好的挖掘口令上下文之间的潜在联系。基于第三章的研究我们可以发现，不同的群体在口令生成时会表现出不同特点和喜

【参考文献】：
期刊论文
[1]口令安全研究进展[J]. 王平,汪定,黄欣沂.  计算机研究与发展. 2016(10)
[2]一种基于姓名首字母简写结构的口令破解方法[J]. 罗敏,张阳.  计算机工程. 2017(01)
[3]基于真实数据挖掘的口令脆弱性评估及恢复[J]. 刘功申,邱卫东,孟魁,李建华.  计算机学报. 2016(03)
[4]基于神经网络的口令属性分析方法[J]. 陈锐浩,邱卫东.  微型电脑应用. 2015(04)



本文编号：3366457