基于OpenCV的图像处理技术在验证码文字识别中的应用

随着我国有色企业信息化发展的步伐的加快,信息安全是一个不可忽视的重要要素。验证码(CAPTCHA,全称为“Completely Automated Public Turing test to tell Computers and Humans Apart”)是一种用于自动区分计算机和人类的反向图灵测试程序。设计实现一种验证码降噪识别算法模型,对常见类型的验证码进行了识别和分析。研究表明对于字体类型非单一类型的验证码更加难以识别,可用于有色企业信息安全领域。     

LDPC编码参数盲识别方法研究

针对奇偶验证码（LDPC）提出了一种具有抗误码能力的开集识别分析方法，将截获到的码字流构建分析矩阵，采用高斯约当消去法对矩阵进行变换估算出含错码校验解个数，识别出LDPC码长，通过分析列数为码长整数倍的分析矩阵中线性相关列的个数识别出LDPC码字起点。仿真实验表明该方法可以对含误码的LDPC进行有效的识别。     

文本对抗验证码的研究

图像识别等深度学习技术的发展使得传统的文本验证码安全性下降，利用对抗样本这一深度神经网络存在的缺陷来增强文本验证码的安全性具有重要研究意义。通过将多种对抗样本生成算法应用到文本验证码上，生成文本对抗验证码，并从耗时、扰动大小、黑白盒识别率等多个方面衡量生成的对抗验证码的实际效果。基于验证码生成频率较高的应用场景特点，筛选出将通用对抗扰动应用到文本验证码上的方案；在应用快速通用对抗扰动（Fast-UAP）算法时，为了克服Fast-UAP的不稳定性，提出了I-FUAP(initialized-FUAP)算法，通过利用通用对抗扰动来进行初始化，实验表明，在不显著影响扰动成功率和对抗样本攻击效果的前提下，改进后的算法相比于原来的Fast-UAP能更快地生成通用对抗扰动，生成耗时减少约30.22%。