
डीप लर्निंग के साथ पासवर्ड की खोज
Dockerized अनुप्रयोग जो पासवर्ड उम्मीदवारों के लिए दस्तावेज़ों का विश्लेषण करता है।
ब्लॉगपोस्ट "DeepPass — डीप लर्निंग के साथ पासवर्ड खोजना" मॉडल के दृष्टिकोण और विकास पर अधिक विवरण देता है।
चलाने के लिए: docker-compose up
यह http://localhost:5000 को एक्सपोज़ करेगा जहाँ दस्तावेज़ अपलोड किए जा सकते हैं।
API को मैन्युअल रूप से http://localhost:5000/api/passwords पर उपयोग किया जा सकता है:
C:\Users\harmj0y\Documents\GitHub\DeepPass>curl -F "file=@test_doc.docx" http://localhost:5000/api/passwords
[{"file_name": "test_doc.docx", "model_password_candidates": [{"left_context": ["for", "the", "production", "server", "is:"], "password": "P@ssword123!", "right_context": ["Please", "dont", "tell", "anyone", "on"]}, {"left_context": ["that", "the", "other", "password", "is"], "password": "LiverPool1", "right_context": [".", "This", "is", "our", "backup."]}], "regex_password_candidates": [{"left_context": ["for", "the", "production", "server", "is:"], "password": "P@ssword123!", "right_context": ["Please", "dont", "tell", "anyone", "on"]}], "custom_regex_matches": null}]
Apache Tika का उपयोग विभिन्न दस्तावेज़ प्रारूपों से डेटा निकालने के लिए किया जाता है। Tensorflow Serving का उपयोग मॉडल को सर्व करने के लिए किया जाता है।
तंत्रिका नेटवर्क द्विदिश LSTM है:
embedding_dimension = 20
dropout = 0.5
cells = 200
model = Sequential()
model.add(Embedding(total_chars, embedding_dimension, input_length=32, mask_zero=True))
model.add(Bidirectional(LSTM(cells)))
model.add(Dropout(dropout))
model.add(Dense(1, activation='sigmoid'))
इसे इस लीक हुई पासवर्ड सूची से बेतरतीब ढंग से चुने गए 2,000,000 पासवर्ड और विभिन्न Google dorked दस्तावेज़ों से निकाले गए 2,000,000 शब्दों पर प्रशिक्षित किया गया था। .1 परीक्षण सेट के आँकड़े हैं:
------------------
loss : 0.04804224148392677
tn : 199446.0
fp : 731.0
fn : 3281.0
tp : 196542.0
------------------
accuracy : 0.9899700284004211
precision : 0.9962944984436035
recall : 0.983580470085144
------------------
F1 score. : 0.9898966618590025
------------------
मॉडल का प्रशिक्षण नोटबुक ./notebooks/password_model_bilstm.ipynb में है।