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。     

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。     

基于SVM的字符图形验证码识别算法研究与实现

验证码作为互联网安全措施的一道屏障,主要用于简单高效地辨别操作者是自然人还是机器人,防止恶意访问.利用某高校教务系统的字符图形验证码作为研究对象,通过对字符图像预处理后,采用投影法切割的方法提取字符,再利用支持向量机算法训练和识别.实验结果表明,采用支持向量机算法能够有效识别简单字符图形验证码.     

基于粗糙集的一类彩色验证码识别研究

文章根据一类图片验证码的字符颜色、大小、字符间位置关系,使用粗糙集的方法将验证码图片中的字符分割出来,再使用AdaBoost算法进行训练,将分割得到的字符识别出来。经实验证明,该算法对该类彩色验证码,无需很高的训练样本,即具有很高的识别率和速率,基本可以满足实时应用、、     

基于字符分割和LeNet-5网络的字符验证码识别

为了解决传统验证码识别方法效率低,精度差的问题,设计了一种先分割后识别的验证码处理方案。该方案在预处理阶段用中值滤波去噪,再利用霍夫变换对图像字符进行矫正;在字符分割阶段,利用垂直投影算法确定验证码字符块个数,以及字符坐标点,再用颜色填充算法对验证码进行初步分割,根据分割后的字符块数量对粘连字符进行二次分割;在识别阶段,我们对LeNet-5网络进行了改进,修改了输入层,并用全连接层替换了LeNet-5网络中的C5层,以此来对验证码字符进行识别;实验表明,对于非粘连验证码和粘连验证码,单张图片分割时间为0.14和0.15ms,分割准确率为98.75%和97.25%,识别准确率为99.99%和97.7%;结果表明,该算法对验证码分割和识别都有着很好的效果。     

一种扭曲粘连字符验证码识别方法

验证码识别研究能及时发现验证码的安全漏洞,使其变得更加安全.扭曲粘连字符验证码能抵抗字符分割,是验证码识别中的难点.针对由扭曲粘连字符构成的验证码,提出一种基于密集尺度不变特征变换(DENSE SIFT)和随机抽样一致性算法(RANSAC)的识别方法.首先通过DENSE SIFT特征匹配获得匹配点集,再利用RANSAC算法获取匹配信息,最后采用队列式分析算法得出识别结果.实验表明,该方法对不同难度级别的扭曲粘连验证码均有较好的效果.     

基于Tesseract引擎样本训练的验证码识别

笔者利用OCR算法引擎Tesseract的样本训练方法,对简单验证码和复杂验证码进行识别。使用预处理后的单字符图片作为训练样本,对算法进行样本训练,以提高算法对普通字符验证码的识别率,并且使其可以识别较为复杂的字符验证码。实验结果证明,样本训练后的算法对简单验证码的识别率达到了99%以上,且可以对原本几乎无法识别的复杂验证码进行有效识别。     

一种验证码倾斜自动矫正算法

鉴于网络上广泛使用的验证码类型存在安全性不高的问题,从验证码的破解角度,提出一种新的针对倾斜数字的自动矫正算法,可自动找出数字字符底边和倾斜方位角。算法包括3个方面,即验证码数字坐标化、通路搜索及通路分析。坐标化基于前期预处理过程,能定位倾斜角度。通路搜索确定字符连通情况并为后续通路分析阶段提供判定信息。经过实验证实,该算法对于标准字符能达到精度接近100%的矫正率,对于微形变的字符也能达到约95%的平均识别率。     

基于滴水算法的验证码中粘连字符分割方法

众多研究表明,如果能将验证码中的字符分割开来,用现有的机器学习算法一般都能取得比较好的识别效果。针对字符粘连情况下的验证码的识别问题,提出了一种粘连字符的分割方法。该方法将字符的宽度统计值和竖直投影直方图中的投影极小值点相结合找到分割点,以这些分割点作为滴水算法的起始滴落点对粘连字符进行分割。实验结果证明,该方法用于分割验证码中的粘连字符具有一般性,能够提高验证码识别率。     

基于字符特征的随机问题阅读式验证码技术

在实际应用中,验证码的安全性与易用性是人们关注的重要方面.针对当前很多站点的验证码都缺乏可靠的安全性,设计了一种基于字符特征的随机问题阅读式验证码,它能有效抵御光学字符识别技术对阅读式验证码的破解.     

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。     

高效的验证码识别技术与验证码分类思想

验证码图片是论坛类网站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互联网的正常使用。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,对国内的论坛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。从实用角度将验证码分为4类,发现最佳的一类基本是空白的,表明验证码实用技术还应做较大改进。     

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。     

Usability and Security of Arabic Text-based CAPTCHA Using Visual Cryptography

Recently, with the spread of online services involving websites, attackers have the opportunity to expose these services to malicious actions. To protect these services, A Completely Automated Public Turing Test to Tell Computers and Humans Apart (CAPTCHA) is a proposed technique. Since many Arabic countries have developed their online services in Arabic, Arabic text-based CAPTCHA has been introduced to improve the usability for their users. Moreover, there exist a visual cryptography (VC) technique which can be exploited in order to enhance the security of text-based CAPTCHA by encrypting a CAPTCHA image into two shares and decrypting it by asking the user to stack them on each other. However, as yet, the implementation of this technique with regard to Arabic text-based CAPTCHA has not been carried out. Therefore, this paper aims to implement an Arabic printed and handwritten text-based CAPTCHA scheme based on the VC technique. To evaluate this scheme, experimental studies are conducted, and the results show that the implemented scheme offers a reasonable security and usability levels with text-based CAPTCHA itself.     

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.     

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%.