龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国人民解放军61660部队
申请日：2024-03-25
公开（公告）日：2024-06-28
公开（公告）号：CN118264446A
主分类号：H04L9/40
分类号：H04L9/40;G06F21/46;G06N20/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明涉及一种面向大规模弱口令检测的优化方法，属于网络安全领域。为解决现有的方法无法有效利用弱口令之间的相关性的问题，本发明构建不同目标之间弱口令的相关性模型，将以往全部命中记录划分为历史记录集、训练记录集、验证记录集和测试记录集，为待检测目标构建定制化字典，构建机器学习的目标函数，使用随机梯度下降算法进行机器学习，使得总的检测次数达到最小，此时，得到针对训练记录集中的每个目标的定制化字典。本发明利用相关性和弱口令检测历史记录为每一个待检测目标动态构建更加合理的字典，利用本方法构建的字典能够减少口令检测次数，因而可以有效提升弱口令检测的效率。
主权项：1.一种面向大规模弱口令检测的优化方法，其特征在于，该方法包括如下步骤：步骤S1、构建不同目标之间弱口令的相关性模型定义两个目标ti和tj相关性P为两者的网络距离N和服务相似度S的加权和；其中，目标ti和tj的定义为t，包括：IP地址、端口、协议类型和版本号，N由两个目标的IP地址计算得出，S由两个目标的协议类型和版本号计算得出；步骤S2、将以往全部命中记录划分为历史记录集、训练记录集、验证记录集和测试记录集，其中，记录h的形式为t,userpass，t为S1中定义的目标，userpass为目标t对应的用户名密码；步骤S3、为待检测目标构建定制化字典假设默认字典为D，构建定制化字典的过程就是针对每一个待检测目标T，计算与H历史记录集中任一记录的相关性，根据用户名密码进行归并，然后根据相关性排序，生成一个默认字典重新排序后的定制化字典；构建定制化字典的函数定义为D'=FT,H历史记录集,D；步骤S4、构建机器学习的目标函数利用机器学习方法学习相关性模型的权重时，首先要构建机器学习的目标函数；针对训练记录集中的每个目标，利用S3的方法构建定制化字典，并得到目标在定制化字典中需要检测的次数，机器学习的最终要求是使得总的检测次数最小；步骤S5、使用随机梯度下降算法进行机器学习，使得总的检测次数达到最小，此时，得到针对训练记录集中的每个目标的定制化字典。
全文数据：
权利要求：
百度查询： 中国人民解放军61660部队 一种面向大规模弱口令检测的优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号