口令的重要性御用质疑,我们使用口令保护我们信息安全的同时,网站用户口令遭到破解泄露的事件也时有发生。在网络安全的研究中,针对用户口令的攻击是计算机口令安全研究的一个重要问题,研究计算机口令对于侦查网络犯罪、加强金融管理、保障信息安全具有重要价值。字典攻击是口令攻击的主要方式之一,目前国内外研究者对于口令字典虽然已经有了部分研究,但是提高字典猜测效率一直都是信息安全研究的重要任务。目前基于文本分析机制的神经网络模型在自然语言处理方面取得了突出效果,部分研究者开始从这一角度来对口令特征进行研究。然而神经网络模型的选择和训练往往花费大量的时间,对口令生成方面也没有足够的研究。论文利用长短期记忆神经网络模型作为口令特征学习工具,对深度学习工具和模型参数选择进行了研究,通过运用长短期记忆神经网络模型记忆和预测的能力,初步完成了口令字典生成和口令猜测的任务。在以往的研究中,口令字典的猜测效率取决于其中文本的数量与内含的信息。长短期记忆神经网络模型的训练效率也受到输入数据量和工具的影响。在训练模型时,论文首先去除训练口令集中匹配概率低的可能,再借助基于Python编程的Keras深度学习框架简单易用的编程特性,使用效率相对较高的CNTK深度学习工具来训练模型,通过Dropout正则化和Nadam优化算法来取得最好的训练效果,训练后的神经网络模型生成3235个口令用时30分钟。实验结果表明,文中的方法是有效的。在口令字典猜测匹配中,使用长短期记忆神经网络生成的口令,仅有53个重复存在于训练口令集中,4%-9%的口令能够在多个网站泄露的口令集中匹配到相应的真实口令。在与其他口令字典研究中的常用字典的测试对比实验中,长短期记忆神经网络生成的口令字典在匹配率上超过了其他字典4倍以上。