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。     

基于验证码破解的HTTP攻击原理与防范

为防止基于表单自动提交的HTTP攻击，验证码技术得到了广泛应用。论文对常见的几种验证码形式作了简要介绍，讨论了验证码的破解原理，实验表明，互联网上相当多的验证码都不具有可靠的安全性。最后结合OCR技术探讨了一些防范方法。     

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。     

验证码技术的攻防对策研究

针对验证码的本质特征、形式化定义、今后发展方向和研究重点等问题, 通过深入、细致地分析和研究现有大量验证码, 给出了验证码的本质特征描述及形式化定义, 并从信息类型分类（共五种）、识别方式分类（共两种）和交互性分类（共两种）三个维度给出了验证码的20个种类; 分析了20种验证码类型的技术特点, 研究了其攻防对策, 给出了各类验证码今后的研究重点、难点及其研究方向。重点探讨了动态验证码和隐性验证码（包括语义验证码）, 特别针对验证码通用攻击的攻防对策, 提出了验证码领域的一些新思路和新研究方法。     

基于Ajax技术的图形验证码设计

阐述了应用Ajax技术设计图形验证码的必要性,介绍Ajax的核心技术对象及工作原理,提出了一种基于Ajax技术设计图形验证码的方案和实现方法。     

实现表单页面验证码功能的两种方式

简单讨论了验证码的作用、基本形式和原理,并通过源代码较详细地分析了图片验证码的ASP实现过程.     

验证码的识别与改进

互联网安全中,验证码是安全措施中的第一道屏障.现代高科技技术验证码识别,引起不法分子利用和搭建打码平台.他们快速训练和识别验证码,从而造成很多种验证码被破解,为网络黑产提供了高效的保障.主要讲述现代社会的高新技术破解验证码以及针对现代的高新技术采取有效措施去避免和减少验证码被破解两个方面.     

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。     

基于多形变特征的汉字验证码的设计及实现*

验证码技术现已成为提高网站安全的一个手段,但是由于只有简单的形变处理,当前很多应用的验证码缺乏可靠的安全性,具有很高的破解率。因此,设计了一种具有字符拥挤效果的、拥有多种变形特征的随机汉字验证码生成算法,并将其成功应用于JSP动态网页中。实验表明,产生的验证码具有更高的安全性,且易于用户使用。     

一种行为特征验证码研究分析

针对当前验证码的表现形式和本质特点,以及针对验证码的通用攻击方式,文章研究了人在使用鼠标和键盘的行为特征,以此作为区分人还是计算机程序的标准,提出了一种基于行为特征的验证码及工作模式,最后分析了行为特征验证方法的安全性。     

基于形状上下文的复杂验证码识别算法

使用改进的形状上下文方法对复杂验证码进行识别,采用整体识别方法,不对图片进行切割,使用半极坐标圆进行建模的方式,解决2个字符连接处像素点建模互相干扰的问题。设计并实现复杂验证码识别算法,并与简单验证码进行比较。实验结果证明,复杂验证码识别算法能对字符粘连的复杂验证码进行识别。     

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.     

形状上下文在验证码识别中的应用

验证码是近几年发展起来的技术，被广泛地应用在互联网上，用于防止一些网络机器人的入侵。验证码识别一般采用人工智能的方法，但随着验证码技术的发展，其变得越来堪越难识别。本文应用了Serge Belongie和Jitendra Malik在2000年提出的形状上下文理论，对验证码图像进行识别，并取得了很好的效果。     

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.