.png){kind=icon}
返回
A password algorithm recognition and classification framework based on BiGRU attention network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11416-026-00619-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确分类密码来源对于密码强度估计、攻击检测和取证调查等网络安全应用具有重要意义。本研究提出了一种混合的ResCNN-BiGRU-Gated Attentive Pooling（GAP）模型，利用字符级嵌入检测密码中的局部和序列模式。数据集包含真实和合成生成的密码的平衡混合，涵盖人工生成、基于规则、马尔可夫和键盘行走类型。所提出的框架整合了残差-CNN块以提取多尺度局部特征，BiGRU层用于建模长距离序列关系，以及GAP在强调判别特征的同时减少噪声。超参数通过增强加权K-means灰狼优化器（AWK-GWO）进行优化，确保最大化准确性和泛化能力。与基线模型的比较实验证明了所提出方法的有效性，实现了测试准确率0.9521、F1宏平均0.952、ROC-AUC 0.9959、MCC 0.9401和Log-Loss 0.1329。混淆矩阵、ROC曲线和训练图表明了稳定的类别分离、稳定的收敛和良好的校准概率。卷积、循环和注意力机制的组合使模型能够比单一架构更有效地捕捉密码生成中的复杂模式。该框架为识别密码来源提供了强大的工具，支持网络安全取证、攻击缓解和安全监控。
Keyword:
Augmented weighted k-means Grey Wolf Optimizer
Gated attentive pooling
Attention mechanism
Password detection
