(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210017396.5 (22)申请日 2022.01.07 (71)申请人 江苏微锐超算科技有限公司 地址 214000 江苏省无锡市滨湖区锦溪路 100号 (72)发明人 熊文兵　王磊　吴建元　 (74)专利代理 机构 上海锻创知识产权代理有限 公司 314 48 代理人 韩冰 (51)Int.Cl. G06F 16/215(2019.01) G06F 16/22(2019.01) G06F 16/242(2019.01) G06F 16/2455(2019.01) G06F 16/26(2019.01)G06F 16/28(2019.01) G06F 16/36(2019.01) G06F 16/182(2019.01) (54)发明名称 基于大数据的口令字典分析系统和方法 (57)摘要 本发明提供了一种基于大数据的口令字典 分析系统和方法， 包括： 数据获取模块： 获取本地 磁盘离线数据、 消息中间件解析数据和日志数 据； 数据预处理模块： 通过spark代码读取 获取的 数据， 并进行预处理， 包括数据清洗、 去重、 分组、 重构和标准化， 形成统一的算法模型； 数据存储 模块： 采用分库分表， 以数据仓库的形式， 对预处 理后的数据进行存储， 得到口令字典； 数据分析 模块： 通过spark代码读取数据仓库中的数据， 根 据应用场景选取算法模型中的对应口令进行分 析和运用。 本发明采用大数据分析技术， 解决了 海量口令字典数据查询速率慢、 分析困难的问 题。 权利要求书2页 说明书5页 附图1页 CN 114398355 A 2022.04.26 CN 114398355 A 1.一种基于大 数据的口令字典分析系统， 其特 征在于， 包括： 数据获取模块： 获取本地磁 盘离线数据、 消息中间件解析 数据和日志数据； 数据预处理模块： 通过spark代码读取获取的数据， 并进行预处理， 包括数据清洗、 去 重、 分组、 重构和标准 化， 形成统一的算法模型； 数据存储模块： 采用分库分表， 以数据仓库的形式， 对预处理后的数据进行存储， 得到 口令字典； 数据分析模块： 通过spark代码读取数据仓库中的数据， 根据应用场景选取算法模型中 的对应口令进行分析和运用。 2.根据权利要求1所述的基于大数据的口令字典分析系统， 其特征在于， 所述数据清洗 包括去除预设范围内的脏数据、 乱码和空字符串； 所述去重包括去除重复的字符串； 所述算法模型包括： 网站、 来源、 日期、 邮箱、 方向、 网络、 口令、 手机号和身份id。 3.根据权利要求1所述的基于大数据的口令字典分析系统， 其特征在于， 通过程序代码 spark读取源数据， 以操作性数据层命名， 存 储在大数据平台分布式文件系统中； 通过spark  sql运行框架进行各个源表关联抽取相关字段， 插入到宽表的模型中， 形成 数据仓库数据； 通过spark  sql或者hive  sql运行框架进行查询插 入， 形成数据集市层。 4.根据权利要求1所述的基于大数据的口令字典分析系统， 其特征在于， 口令分析包 括： 口令长度规律分析、 口令结构分析、 日期口令格式分析和键盘口令分析； 计算出每个字典口令字符串长度， 口令结构组成是否包含大小写字母、 特殊字符， 口令 中是否包 含日期格式， 字典口令的排布是否为键盘序列； 根据应用场景选取TOP  10口令， 供分析口令、 解 算系统运用。 5.根据权利要求1所述的基于大数据的口令字典分析系统， 其特征在于， 将分析结果指 标数据形成数据可视化看板， 供用户查看分析。 6.一种基于大 数据的口令字典分析 方法， 其特 征在于， 包括： 数据获取步骤： 获取本地磁 盘离线数据、 消息中间件解析 数据和日志数据； 数据预处理步骤： 通过spark代码读取获取的数据， 并进行预处理， 包括数据清洗、 去 重、 分组、 重构和标准 化， 形成统一的算法模型； 数据存储步骤： 采用分库分表， 以数据仓库的形式， 对预处理后的数据进行存储， 得到 口令字典； 数据分析步骤： 通过spark代码读取数据仓库中的数据， 根据应用场景选取算法模型中 的对应口令进行分析和运用。 7.根据权利要求6所述的基于大数据的口令字典分析方法， 其特征在于， 所述数据清洗 包括去除预设范围内的脏数据、 乱码和空字符串； 所述去重包括去除重复的字符串； 所述算法模型包括： 网站、 来源、 日期、 邮箱、 方向、 网络、 口令、 手机号和身份id。 8.根据权利要求6所述的基于大数据的口令字典分析方法， 其特征在于， 通过程序代码 spark读取源数据， 以操作性数据层命名， 存 储在大数据平台分布式文件系统中； 通过spark  sql运行框架进行各个源表关联抽取相关字段， 插入到宽表的模型中， 形成权　利　要　求　书 1/2 页 2 CN 114398355 A 2数据仓库数据； 通过spark  sql或者hive  sql运行框架进行查询插 入， 形成数据集市层。 9.根据权利要求6所述的基于大数据的口令字典分析方法， 其特征在于， 口令分析包 括： 口令长度规律分析、 口令结构分析、 日期口令格式分析和键盘口令分析； 计算出每个字典口令字符串长度， 口令结构组成是否包含大小写字母、 特殊字符， 口令 中是否包 含日期格式， 字典口令的排布是否为键盘序列； 根据应用场景选取TOP  10口令， 供分析口令、 解 算系统运用。 10.根据权利要求6所述的基于大数据的口令字典分析方法， 其特征在于， 将分析结果 指标数据形成数据可视化看板， 供用户查看分析。权　利　要　求　书 2/2 页 3 CN 114398355 A 3