本发明提供了一种基于Transformer模型和深度强化学习的密码猜测系统及方法,包括分词模块,采用文本词条化工具对密码集进行词条概率统计,按照设置生成词表,并对密码集进行词条切分操作,生成分词后的密码集;语言模型模块,负责根据分词后的密码集,训练Transformer语言模型,生成下一可能词条的概率表;强化学习解码模块,负责根据Transformer语言模型的输出结果动态调整解码时的采样“温度”,持续生成碰撞率最高的密码训练集;工具模块,负责清洗数据集,将生成的密码训练集与密码测试集进行匹配碰撞。基于本发明的技术方案,能够改善传统集束搜索解码方式耗费资源多以及解码时间长的情况,提高了密码猜测集的碰撞效率,且占用内存资源少,生成猜测集也十分方便。
声明:
“基于Transformer模型和深度强化学习的密码猜测系统及方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)