.png){kind=icon}
返回
Developing adaptive password strength algorithms using deep learning for enhanced cybersecurity
.png){kind=icon}
PRE
AI
DOI：10.47974/JDMSC-2502.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
研究摘要：现有方法通常采用暴力枚举、卷积、循环和基于变换器的神经网络架构来防御凭证填充攻击，但这些方法在识别密码模式方面的能力仍然普遍较弱且易于猜测。传统密码强度评估工具依赖基于规则的熵计算或字符级嵌入公式，由于忽视上下文且无法适应新密码模式和攻击路径，其实际评估效果日益下降。本研究提出了一种基于深度学习的自适应评估模型，采用卷积、循环和变换器架构以更全面地理解密码的语法和语义特征。该模型利用大规模真实世界和虚拟数据集、字符级嵌入、动态评分系统及持续学习机制，显著提升了密码强度评估的准确性（91.6%）、精确率（90.2%）、召回率（89.7%）和ROC-AUC（0.956），并优于传统分类器基准。案例研究表明，该模型能有效识别虚假密码模式并提供更准确的强度评估。
Keyword:
Password strength estimation
Cybersecurity
Deep learning
Adaptive learning
Convolutional neural networks (CNN)
查看更多机构