-
公开(公告)号:CN114595443A
公开(公告)日:2022-06-07
申请号:CN202210174257.3
申请日:2022-02-25
Applicant: 复旦大学
Abstract: 本发明属于系统安全技术领域,具体为基于高频字符串PCFG模型的口令强度检测方法。本发明包括:用口令专用分词方法将口令分成更小组成单元;使用分词后的口令构建、并训练PCFG模型;利用该模型检测口令强度并反馈给用户等级化的强度信息;将该模型进行压缩后部署在浏览器端和服务端。本发明使用分词方法将口令自动分解成高频字符串,改变了当前通常使用同一种字符类型进行字符串分组的模式;降低了强度检测工具对口令的高估性,得到准确的口令强度评估结果;本发明反馈用户口令强度外还反馈更多信息以解释弱口令生成原因,告知用户口令中所采用的哪些高频字符串是导致弱口令形成的重要因素,以方便用户有针对性的改进他们口令安全性。
-
公开(公告)号:CN112632526B
公开(公告)日:2022-04-12
申请号:CN202110019967.4
申请日:2021-01-07
Applicant: 复旦大学
IPC: G06F21/46 , G06F16/31 , G06F40/216 , G06F40/242
Abstract: 本发明属于数据安全技术领域,具体为一种基于综合分段的用户口令建模与强度评估方法。本发明包括三个步骤:识别用户口令中的连续段、识别用户口令中的不连续段、评估用户口令强度。本发明对口令数据集中存在的网络语、键盘模式、简写、基本词识别为口令中的连续段,使用拓扑排序方法来将口令中的混合词识别为不连续段,对待评估用户口令穷举所有口令结构来评估用户口令的强度。本发明的优点在于:具有良好的普适性,可应用于多个不同地域、不同网站的口令数据集对用户口令进行建模;本方法在段的连续性受到破坏时,如自然语言单词中插入数字以破坏单词连续性,仍然可以识别并抽取为连续的段。
-
公开(公告)号:CN112861113A
公开(公告)日:2021-05-28
申请号:CN202110026552.X
申请日:2021-01-08
Applicant: 复旦大学
IPC: G06F21/45
Abstract: 本发明属于口令安全技术领域,具体为一种参数化混合模型的口令猜测方法。本发明包括以下三个步骤:利用训练集生成优化的PCFG和Markov口令猜测模型、根据最优的参数化策略分配口令猜测数、根据分配的猜测数生成备选口令集。本发明利用利用口令训练集生成优化后的PCFG和Markov口令猜测模型,然后根据最优的参数化策略给优化后的PCFG和Markov模型分配猜测数,最后按照分配的猜测数生成备选口令集。此外,本发明还理论证明了最优的参数化策略可以保证最终生成的备选口令集的最优性。本发明方法具有良好的普适性,可应用于不同特点的口令数据集;方法给出的参数化策略从理论证明了其最优性,可以保证生成备选口令集的最优性。
-
公开(公告)号:CN115329317A
公开(公告)日:2022-11-11
申请号:CN202210861804.5
申请日:2022-07-20
Applicant: 复旦大学
IPC: G06F21/46
Abstract: 本发明属于网络空间安全技术领域,具体是一种基于高效数据驱动口令猜测模型的口令生成策略评估方法。本发明方法分为三个步骤:生成口令生成策略对应符合的口令集合、度量该口令集合的强度、根据强度计算该口令生成策略的安全度。本发明使用曾被公开泄露的真实口令集作为原始评估集,并在原始评估集中对口令生成策略进行逐一匹配从而得到评估口令子集。本发明的优点在于可使用真实数据集客观地对口令生成策略的安全度进行量化评估。针对不同的口令生成策略,仅需筛选符合其口令生成策略的真实数据集,便可通过此方法量化评估该口令生成策略,有效地提升评估结果的客观性,避免了传统评估方法中对用户调研与专家知识的严重依赖。
-
公开(公告)号:CN112861528B
公开(公告)日:2022-08-19
申请号:CN202110071385.0
申请日:2021-01-19
Applicant: 复旦大学
IPC: G06F40/284
Abstract: 本发明属于系统安全技术领域,具体为一种基于口令内部语义驱动的Markov口令恢复方法。本发明方法包括:使用口令专用分词方法将口令分成更小的组成单元;使用分词后的口令构建、并训练Markov口令恢复模型;基于训练后的口令恢复模型生成概率降序排序的候选口令。本发明通过提取明文口令数据集中频度较高的字符串作为口令的基本组成单元,并利用这些组成单元的转移概率构建Markov口令恢复模型。本发明的优点在于,实现了变长适中粒度的口令恢复模型,根据口令专用的分词方法能自动捕捉口令的高频字符串,可以更好的对口令内部规律建模并实现一个高效的恢复模型。
-
公开(公告)号:CN116049892A
公开(公告)日:2023-05-02
申请号:CN202310125409.5
申请日:2023-02-16
Applicant: 复旦大学
IPC: G06F21/62 , G06F21/60 , G06F18/214
Abstract: 本发明属于系统安全技术领域,具体为一种保护隐私的多方联合训练PCFG口令模型的方法。本发明包括两个阶段:多个参与方基于本地的口令数据联合训练PCFG模型;在不直接泄露口令数据的前提下,联合多方的本地的口令数据训练全局PCFG模型,模型的结构信息和频次信息以加密的形式存储于所有参与方。本发明可以保护所有参与方的口令数据的隐私;支持三个及以上的参与方联合训练PCFG模型;支持参与方用流式口令数据更新PCFG模型。本发明为多方的场景下如何得到更加准确的PCFG模型提供了解决方案,为多方口令数据的安全利用提供有效的手段。
-
公开(公告)号:CN112861113B
公开(公告)日:2022-05-20
申请号:CN202110026552.X
申请日:2021-01-08
Applicant: 复旦大学
IPC: G06F21/45
Abstract: 本发明属于口令安全技术领域,具体为一种参数化混合模型的口令猜测方法。本发明包括以下三个步骤:利用训练集生成优化的PCFG和Markov口令猜测模型、根据最优的参数化策略分配口令猜测数、根据分配的猜测数生成备选口令集。本发明利用利用口令训练集生成优化后的PCFG和Markov口令猜测模型,然后根据最优的参数化策略给优化后的PCFG和Markov模型分配猜测数,最后按照分配的猜测数生成备选口令集。此外,本发明还理论证明了最优的参数化策略可以保证最终生成的备选口令集的最优性。本发明方法具有良好的普适性,可应用于不同特点的口令数据集;方法给出的参数化策略从理论证明了其最优性,可以保证生成备选口令集的最优性。
-
公开(公告)号:CN112861528A
公开(公告)日:2021-05-28
申请号:CN202110071385.0
申请日:2021-01-19
Applicant: 复旦大学
IPC: G06F40/284
Abstract: 本发明属于系统安全技术领域,具体为一种基于口令内部语义驱动的Markov口令恢复方法。本发明方法包括:使用口令专用分词方法将口令分成更小的组成单元;使用分词后的口令构建、并训练Markov口令恢复模型;基于训练后的口令恢复模型生成概率降序排序的候选口令。本发明通过提取明文口令数据集中频度较高的字符串作为口令的基本组成单元,并利用这些组成单元的转移概率构建Markov口令恢复模型。本发明的优点在于,实现了变长适中粒度的口令恢复模型,根据口令专用的分词方法能自动捕捉口令的高频字符串,可以更好的对口令内部规律建模并实现一个高效的恢复模型。
-
公开(公告)号:CN112632526A
公开(公告)日:2021-04-09
申请号:CN202110019967.4
申请日:2021-01-07
Applicant: 复旦大学
IPC: G06F21/46 , G06F16/31 , G06F40/216 , G06F40/242
Abstract: 本发明属于数据安全技术领域,具体为一种基于综合分段的用户口令建模与强度评估方法。本发明包括三个步骤:识别用户口令中的连续段、识别用户口令中的不连续段、评估用户口令强度。本发明对口令数据集中存在的网络语、键盘模式、简写、基本词识别为口令中的连续段,使用拓扑排序方法来将口令中的混合词识别为不连续段,对待评估用户口令穷举所有口令结构来评估用户口令的强度。本发明的优点在于:具有良好的普适性,可应用于多个不同地域、不同网站的口令数据集对用户口令进行建模;本方法在段的连续性受到破坏时,如自然语言单词中插入数字以破坏单词连续性,仍然可以识别并抽取为连续的段。
-
公开(公告)号:CN221309168U
公开(公告)日:2024-07-12
申请号:CN202322365061.5
申请日:2023-09-01
Applicant: 复旦大学附属华山医院
IPC: A61M16/04
Abstract: 本实用新型提供了一种简易防脱落麻醉气管导管,包括:导管本体、前端气管内气囊、充气阀、对应于牙齿设置的防咬硬质塑料和对应于口腔设置的口腔防脱部,所述前端气管内气囊设置在所述导管本体的第一端,所述防咬硬质塑料和口腔防脱部均套在所述导管本体外侧,所述充气阀通过充气管与所述前端气管内气囊连接。本实用新型在口腔内设置具有膨大体积结构的口腔防脱部,可利用牙齿对口腔防脱部形成自然阻挡达到防脱落的目的,并结合局部硬质材料以防止咬扁,无需其他固定辅助材料,简洁明了,并可按需移动至口腔左侧或右侧,特别适用于口腔及颌面外科手术。
-
-
-
-
-
-
-
-
-