本發(fā)明提供了一種基于Transformer模型和深度強(qiáng)化學(xué)習(xí)的密碼猜測(cè)系統(tǒng)及方法，包括分詞模塊，采用文本詞條化工具對(duì)密碼集進(jìn)行詞條概率統(tǒng)計(jì)，按照設(shè)置生成詞表，并對(duì)密碼集進(jìn)行詞條切分操作，生成分詞后的密碼集；語言模型模塊，負(fù)責(zé)根據(jù)分詞后的密碼集，訓(xùn)練Transformer語言模型，生成下一可能詞條的概率表；強(qiáng)化學(xué)習(xí)解碼模塊，負(fù)責(zé)根據(jù)Transformer語言模型的輸出結(jié)果動(dòng)態(tài)調(diào)整解碼時(shí)的采樣“溫度”，持續(xù)生成碰撞率最高的密碼訓(xùn)練集；工具模塊，負(fù)責(zé)清洗數(shù)據(jù)集，將生成的密碼訓(xùn)練集與密碼測(cè)試集進(jìn)行匹配碰撞?；诒景l(fā)明的技術(shù)方案，能夠改善傳統(tǒng)集束搜索解碼方式耗費(fèi)資源多以及解碼時(shí)間長(zhǎng)的情況，提高了密碼猜測(cè)集的碰撞效率，且占用內(nèi)存資源少，生成猜測(cè)集也十分方便。