基于PIL滤波计算去噪算法的验证码识别

验证码图片是互动应用系统用以阻止自动化程序恶意行为的重要人机区分技术,其设计和实用安全性直接涉及到应用系统的正常使用。为研究国内验证码实用安全性,设计实现一种验证码识别算法模型,对国内的验证码类型进行了实验和分析。实验结果表明,实用中的验证码识别率通常在50%以上,某些甚至达到100%,难以起到对自动化程序的阻碍作用。表明验证码实用技术还应做较大改进。     

基于FusionCharts的图形验证码的研究与实现

针对现阶段普遍应用的验证码较为简单,易于被自动化程序识别导致恶意攻击的问题,提出一种新的生成验证码的方法。该方法首先设计了一种验证码生成算法,使其字符个数、字符出现的位置都是不固定的,之后结合FusionCharts技术予以实现。其主要特点为原始图片不包含任何验证码信息,需要结合鼠标事件才能获取有效的验证码。实验证明,采用该方法可以大幅提高验证码的可靠性、健壮性、易用性,并且FusionCharts图形界面友好,增强用户体验,最终提高Web安全性。     

网上银行验证码研究与安全性分析

验证码（CAPTCHA）,是用于区别用户是人类还是机器的一种计算机自动程序。作为一种辅助手段,验证码在互联网安全领域扮演着很重要的角色。为了对网上银行验证码进行安全性评价,其过程包括三方面:验证码图像采集、图像预处理和图像识别。对国内网上银行验证码特点进行分析,采用最具可靠性的BP神经网络算法,选取其中具有代表性的验证码进行训练、识别。从识别结果中分析,通过所得到的识别率来评价国内网上银行验证码的安全有效性,并对网上银行验证码的生成给出一定的建议。     

基于马尔科夫场网络验证码识别图像分割

验证码图片是国内网站区别人机不同的重要手段。验证码的设计和使用安全性和互联网安全密切相关。为了减少网络验证码的识别的不确定性和模糊性对图像分割的影响,就需要充分利用图像的上下文信息。马尔科夫随机场[1,2]正是一种充分利用了上下文信息[3,4]的随机场模型。利用这一理论,实验结果表明,使用中的验证码具有良好的分割效果。     

验证码识别技术及应用

验证码识别对网络舆情、采集敏感信息具有十分重要的意义。首先对国内主流论坛验证码进行统计分类,接着针对简单验证码提出基于模板匹配的识别方法,针对复杂验证码提出基于SIFT特征和ISOMAP降维技术的识别方法,最终在主流论坛上测试获得较优的识别结果。     

基于BMP图片汉字验证码的设计与实现

在程序中合理的使用验证码技术可以大大的提升系统认证的安全性。提出了一种汉字验证码的设计方法,这种验证码的显示是系统随机产生的汉字图像,介绍了BMP格式图片验证码结构及设计方法,并且给出了ASP实现此程序的源文件。     

基于卷积神经网络的验证码识别

验证码识别与设计是目前人工智能领域的挑战性问题,验证码图片内容识别通过强制人机交互来抵御机器自动化攻击的,验证码是否能被批量识别可以用来衡量验证码设计的优劣。目前已经有相对成熟的算法解决这类问题,但是仍然存在天花板有待突破。首先本文对5000张验证码的样本集进行图片预处理,对验证码图片去噪点和切割操作。然后利用添加了注意力模块的卷积神经网络训练样本集,并对另外5000张样本进行预测,测试集的准确率可以达到97.9%。     

解决验证码不能显示的问题

目前论坛上显示验证码的方式主要有用ASP生成XBM数字图片验证码及动网论坛采用的Blueldea插件生成验证码两种方式，前段时间很多人把Windows XP系统升级成了SP2．结果凡是使用ASP生成XBM数字图片的验证码都无法显示．这个问题可以通过修改注册表来解决．而且部分网站也对程序进行了修证。     

卷积神经网络识别汉字验证码

验证码今已广泛应用在各个领域,常见的英文字母与数字组合的验证码自动识别准确率已达到较高的水准,而汉字因其字符复杂,用传统方法进行自动识别难度很大。提出一种基于卷积神经网络的验证码自动识别方法来提高字符的识别准确率。采用Keras卷积神经网络框架,设计多层卷积来提取深层次图像信息,分别对汉字验证码和字母数字验证码进行识别,以提高模型的泛化性。实验结果表明用该方法汉字验证码的单字识别率已达到99.4%;传统四字符字母数字验证码的识别率最高达到99.3%。这一结果表明深度神经网络对验证码复杂结构的感知能力很强大,通过对比实验发现Keras框架在验证码识别领域有较好效果。     

用ActionScript生成动态验证码

验证码技术是用来增强网站安全性、验证用户登录会话合法性和反机器人程序的重要手段之一。利用ActionScript语言在图形和动画处理方面的强大功能,自动生成SWF格式的动态验证码,增强了其抗自动识别能力。     

基于卷积神经网络的图像验证码识别

验证码作为一种安全手段,被广泛应用于互联网领域.本文提出了一种基于卷积神经网络的图像验证码识别方法,通过卷积层级联、残差学习、全局池化、分组卷积等技术手段,在保证识别准确率不受影响的前提下,大大降低了网络的参数量.本文以铁路购票网站验证码和正方教务系统验证码为例来测试模型性能.对于铁路购票网站验证码,实验结果显示本文提出的识别方法参数量最少,对图形和中文词组验证码的识别准确率分别达到98.76%和99.14%;对于正方教务系统验证码,本文方法参数量最少且识别准确率为87.30%.     

基于 OCR 技术的图像验证码识别

验证码是一种标准的网络安全技术,它主要用来防止网民或者黑客等对网站的恶意注册和访问,以及发送垃圾文件、暴力破解高价值密码、滥发广告等恶意事件。通过对图片的扫描,可以提取图片中的数字、字符信息等。本文提出了一种基于OCR技术的图形验证码识别技术。通过对验证码图片进行灰度化、二值化、去噪点、圈点填充、直线填充、图像分割、统一大小、图像匹配和存入字库等一系列的操作,进行对验证码的识别实验。本文通过实验对验证码的特点有了充分的了解,这样方便设计出更加安全的验证码,防止被不法分子破解。     

CAPTCHA技术研究综述

全自动开放式人机区分图灵测试(completely automated public Turing test to tell computers and humans apart,CAPTCHA)又称为人机交互验证(human interactive proof,HIP),它能自动产生并评估一个测试,这个测试能被几乎所有人类用户通过,而现有的计算机程序不能通过.CAPTCHA提供了一种自动驱分人和机器的手段,已成为一种标准的网络安全技术成功应用于包括Google,Yahoo!以及微软在内的各大网站.CAPTCHA设计基于人工智能领域的开放性问题,按表现载体和内容不同分为文本、图像、声音3种类型,其中,基于字符识别的文本CAPTCHA已得到广泛使用;图像CAPTCHA利用计算机视觉中的难解问题,目前尚处于研究阶段;声音CAPTCHA针对视觉残障者,是对前两种视觉CAPTCHA的补充.介绍了CAPTCHA的发展和设计准则,详细阐述CAPTCHA设计和破解的研究工作及最新进展,给出典型实例,讨论其可用性和安全性,最后指出未来CAPTCHA技术的发展方向和亟待解决的问题.     

基于LSTM型RNN的CAPTCHA识别方法

全自动区分计算机和人的图灵测试(CAPTCHA)是一种基于人工智能难题的网络安全机制。研究CAPTCHA的识别能够使其变得更加安全,并能促进一些人工智能难题的求解。文中首先对现有的CAPTCHA识别方法进行总结和分析,然后提出一种基于长短时记忆(LSTM)型递归神经网络(RNN)进行识别的方法,并对CAPTCHA识别中的特征提取问题进行研究。最后,为进一步提高RNN的识别率,提出一种解码算法。实验结果表明,文中方法是有效的,灰度值对于RNN是一种较好的特征,提出的解码算法能够取得较高的识别率,又有较低的时间复杂度。     

一种基于拒识的高可靠性CAPTCHA识别算法

CAPTCHA是一种阻止机器人滥用自然人资源的网络安全机制.研究CAPTCHA识别技术有助于发现CAPTCHA自身的缺陷,促使其变得更加安全. 针对现有方法难以识别的高粘着CAPTCHA,本文提出了一种新的识别算法. 该算法首先使用递归神经网络(Recurrent neural network, RNN) 对CAPTCHA进行识别,然后为了提高识别结果的可靠性, 提出了一种基于SVM的拒识新算法,并使用数据降维方法对拒识特征进行降维. 实验结果表明: 1)本文所提识别算法能够识别高粘着型CAPTCHA,并且识别结果具有高可靠性; 2)新的拒识算法相对于其他拒识算法具有明显优势; 3)数据降维方法能够进一步改善拒识算法的性能,从而取得更高的可靠性.     

粘连字符的图片验证码识别

验证码在维护互联网安全、防止机器恶意攻击做出了很大贡献。但通过现有的模式识别技术仍然可以破解部分验证码。着重于有粘连字符的猫扑和西祠胡同网站验证码进行识别,难点在于分割图片中的粘连字符。对字符是模糊粘连的猫扑验证码,提出了基于局部极小值和最小投影值的方法来分割;对有交错粘连的西祠胡同验证码,通过颜色聚类与竖直投影结合来达到分割字符的目的。最终均采用卷积神经网络进行训练和识别,达到了较高的识别率。     

基于权值模板和监督学习的验证码识别

针对粘连字符分割致使验证码字符识别效果不佳的问题,提出一种带权值的模板匹配和基于监督学习的模板权值调整相结合的字符识别方法。该方法利用模板的灰度和权值,在验证码图像上搜寻兴趣点,再根据兴趣点的匹配度和兴趣点之间的欧式距离过滤掉次佳兴趣点,保留最佳兴趣点。利用基于目标像素个数期望的二值化阈值迭代优化,提高二值化质量和基于有监督的Hebb规则的模板权值学习提高识别率。通过与简单的模板匹配识别方法比较,实验结果表明,该方法对多网站验证码具有很好的识别率。     

基于多图层的图形验证码生成技术研究

图形验证码已成为许多网站系统常用的一种防止恶意程序自动注册或登录、恶意灌水等网络攻击的工具,但当前的图形验证码存在容易被恶意程序识别,甚至有时用户很难辨别验证码中的验证字符信息。本文研究一种基于多图层的图形验证码生成技术,由显示随机验证字符串的前景图层和显示干扰字符串的干扰图层构成图形验证码,并采用.NET技术实现了该图形验证码,最后通过验证码识别工具PWNtcha分析该验证码的有效性和安全性。实验证明,基于多图层的图形验证码不仅效率较高、安全性较强,而且能够比较容易被用户识别。     

ADAMAS: Interweaving unicode and color to enhance CAPTCHA security

We propose, implement and test a new CAPTCHA, called Adamas, which offers resistance against pre-processing and various forms of segmentation and recognition attacks. The multi-layered security approach employed in this CAPTCHA mainly comes from its use of Unicode as an input space, a virtual keyboard as the input device, homoglyphs and correlated usage of color in foreground and background as well as several layers of randomization that aim to minimize the formation of detectable patterns that can be exploited by machines. A user study conducted to measure the usability of Adamas indicates that its solving accuracy is comparable to major CAPTCHAs in use today and offers insights into factors that affect CAPTCHA usability.