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。

用于文本验证码生成的随机扰动优化网络

文本验证码具有友好和易于理解的特点,被广泛应用于众多互联网应用的安全防御机制中。传统的文本验证码通过将字符扭曲变形或者增加背景噪声来提高安全性,但随着深度学习技术的发展,其安全性难以为继且过度变形的字符会对人类用户识别带来新的难题。为了解决上述问题,本文提出了一种带有随机化策略的扰动优化框架(Perturbation Optimization Network with Randomization for Text-based CAPTCHAs Generation,PORG),用于生成对人类友好但机器难以破解的文本验证码图像。该框架基于先进的扰动方法设计出扰动生成网络(Perturbation Generation Network,PGN),构建丰富的图像扰动因子并应用随机化策略生成多样化的验证码图像。现有方法所生成的扰动因子容易破坏验证码图像传递的视觉信息,对人类用户的识别造成负面影响,违背了验证码设计的初衷,因此本文提出了一种扰动优化网络(Perturbation Optimization Network,PON)对生成的扰动因子进行优化,通过在图像特征层面上扩展距离并在全局层面上缩小差距,使得所生成的验证码在保持人类友好性的同时有效地对抗攻击者模型。本研究在8个真实世界数据集上进行的大量实验,证明了所提出框架模型的优越性,例如在CNKI数据集上,攻击模型的准确率从90.03%降至0.12%。

基于改进Xception网络的验证码识别

验证码是一种公共自动化程序,用于区分用户和计算机.为了从网站大量获取信息,机器必须自动识别网站的验证码.为了自动识别验证码,研究基于深度学习的验证码识别,提出基于Xception网络和MLP的验证码识别方法.先利用Xception提取验证码特征,再经MLP标定不同权重,最终得到网络的最优权重分布.这种端到端的深度学习具有从输入到输出的预测,可以省去预处理、字符分割等步骤.经对不同验证码数据集的测试,该算法识别正确率在95%以上.

基于行为的安全验证码生成及验证方案研究

通过分析传统验证码存在的主要问题及安全现状,提出一种基于行为的安全验证码生成及验证方案.通过检测用户在验证码图片中输入的多个元素间的连线轨迹是否符合元素间的对应关系,来判断验证码的正确性,只有当用户输入的所有连线轨迹都被验证正确时才能通过验证码验证.方案能够有效解决现有技术中验证码需要用户通过键盘输入时的输入效率低、容易误操作等问题,提高验证码的输入效率;同时,能够解决现有技术中不能准确判断验证码是由人输入还是由机器人自动化操作进行输入的问题,有效增加程序自动识别验证码的难度和效率,降低恶意访问的通过率,适用于所有可能通过机器人自动化操作进行攻击的场景.方案具有用户体验好、安全性高、应用场景多、盈利渠道广等特点,市场发展前景良好.

面向汉字点选验证码的轻量级高效识别方法

数字化浪潮下,企业日益依赖机器人流程自动化(Robot Process Automation,RPA)技术来降低成本、提高效率,以保持竞争力。但流程中部分环节面临汉字点选验证码识别的难题,限制了自动化水平的进一步提高。现有研究方案存在数据集制作难度大、模型泛化性能差、模型复杂度与性能之间不平衡等问题。为此,提出一种数据集制作成本低、模型泛化性能好且轻量化的汉字点选验证码识别方法。具体而言:首先采用经过针对性改进的YOLOv8-n显著轻量化汉字检测模型,然后对汉字图片进行分割、矫正等预处理操作,接着采用泛化性强的PaddleOCR模型进行汉字识别,降低了场景迁移的成本,并通过识别概率矩阵得到最佳匹配结果,进一步提高了准确率。此外,设计了一种半自动的汉字检测数据集构建流程并公开了数据集。该研究旨在推动汉字点选验证码的自动识别技术的发展,促进企业流程自动化水平的提升。

小数据集复杂文本验证码识别

针对小数据集复杂文本验证码识别,使用传统的机器学习方法存在去噪难和分割难的问题,使用深度学习方法需要大量数据增加泛化性,数据不足容易导致过拟合。根据验证码的特点,提出了基于字符分割的小数据集复杂文本验证码识别方法,使用pix2pix做文本去噪,使用目标检测网络YOLOv4分割单字符,使用KNN算法进行分类。实验结果表明,该方法的单字符识别准确率达98.7%,优于开源模型的识别结果,验证了该方法在破解小数据集复杂文本验证码上的可行性和有效性。

面向多类型干扰的验证码目标识别算法研究

验证码是一种用来区分计算机与人类的技术,以避免出现自动化程序自动注册、登录、恶意投票、恶意尝试密码等安全问题。而验证码识别技术研究可以使人们及时发现和改正验证码的缺点,对加强网络安全性有着重要的意义。通过对验证码识别算法的研究,设计了验证码识别系统,分别以模板匹配、Hu不变矩和深度学习3种算法对验证码图像进行处理识别,最终对带有多类型干扰的验证码分别得到识别结果。结果表明,前2种验证码算法的识别准确率分别为60.3%、66.0%,而基于深度学习算法中2种形式的识别准确率分别为87.7%和95.58%,尤其在线干扰和混合干扰等复杂干扰方面,识别准确率的提高尤为突出,表现出深度学习算法应用于多类型干扰验证码识别的可行性。

一种基于条件生成式对抗网络的文本类验证码识别方法

验证码被广泛应用于网站登录、注册等环节,用来增强身份验证和防止来自计算机程序的自动攻击.其中文本类验证码由于密码空间大、交互方式简单等特点被大多数主流网站使用.目前,为了增加计算机程序对文本类验证码自动识别的难度,设计时普遍将复杂干扰信息、字符扭曲、旋转和粘连、不同类型字体等安全性特征随机组合使用.由于组合了多种安全特征,传统的验证码识别方法对该种验证码的识别率非常低甚至失效.针对此类文本类验证码,本文提出了一种基于条件生成式对抗网络(CGAN)的通用识别方法.该方法利用CGAN去除验证码中的背景干扰信息并拉伸验证码中的字符间距,以生成无干扰且无字符粘连的验证码.然后使用本文优化组合的分割算法对验证码进行有效分割,再通过GoogleNet对分割后的单个字符进行识别.并且在难以以低成本大量获取真实验证码的情况下,本文设计了程序模拟验证码对网络进行训练,训练成本远低于现有其他方法且训练效果良好.最终的实验结果表明,本文提出的方法能够成功的识别Microsoft、Wikipedia、百度、支付宝、新浪等国际主流网站的验证码,识别率相较于传统方法最大提升度可达到70.2%.

几种Cayley图上的验证码与定位码

2019年,Junnila,Laihonen和Paris研究了循环图C_(n)(1,d),C_(n)(1,d−1,d)和C_(n)(1,d−1,d,d+1)上的定位码和验证码.本文研究p^(2)阶和2n阶交换群上的八度以内的Cayley图的定位码和验证码,确定它们的最优界,并给出达到最优界的码的例子.这推广了多个关于定位码和验证码的结果.

密码、验证码都没说,钱是怎么被骗走的?

2024年1月,武汉市民张某接到一陌生电话,电话自称是某平台的客服,告诉张某购买的快递在运输路上遭到损毁,平台要对其进行赔付。之后,张某根据电话中客服的指导,通过不明链接下载了“微易云”App,并按照对方要求,在App中发起了屏幕共享。

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。

基于TensorFlow和CNN模型的验证码识别研究

针对传统机器学习中应用于多位字符验证码的分割识别方法具有整体准确率低、泛化能力不足的问题,提出一种高效通用的识别方法。设计基于CNN模型的端到端字符型验证码识别流程,使用TensorFlow框架实现流程的数据训练和效果验证。该方法可以高效地识别出字符型验证码,其平均准确率为95%以上,输入整张图片,直接输出整体识别结果,具有更强的通用性。使用CNN模型识别多位字符验证码相比于传统机器学习方法具有更高的准确率和通用性。

基于Web的短信验证码防刷系统研究和应用

在Web应用程序中,短信验证码作为用户账号身份验证的主要手段,经常遭受恶意攻击和刷号行为,使得用户账号安全和服务器运维的问题变得日益突出。文章结合短信服务、防刷规则,通过系统设计和算法实现,提供一套完整的短信验证码防刷系统方案,有效地识别和阻止恶意用户频繁请求短信验证码,为Web应用程序的安全性和可靠性提供持久、稳定的保障。

一种注册登录系统图片验证码设计与实现

验证码对提高网站安全尤为重要,通对过一些常见验证码进行比较分析发现,图片验证码更适合大多数系统或网站的验证方式。设计并开发了一种注册登录系统图片验证码,阐述了其设计构思及关键技术实现。

验证码技术研究及基于ASP.NET的实现

验证码技术是目前防止机器人程序自动注册和登录等攻击的有效方法,阐述验证码的作用及实现机制,介绍常用的验证码图片的生成技术,并通过实例,介绍在ASP.NET中用C#实现验证码的具体方法。

一种新型图像验证码系统

验证码是一种防止自动化脚本程序对网站进行攻击的重要技术。当前主流网站采用的验证码多是基于文本模式的,这种模式的验证码将一系列文本字符通过旋转扭曲叠加的方式进行变形,然后再添加复杂干扰背景图片等方式使自动化程序难以辨识。然而,这种文本验证码要么过于简单,很容易被脚本采用光学字符识别(OCR)或者机器学习的方式所识别,要么由于过于复杂甚至连真正的用户都难以正确的识别。观察到文本验证码的这种安全性和可用性方面存在的矛盾,本文提出了一种基于物体识别的新型图像验证码系统。该系统通过将若干物体图片附加到随机的背景图片中并让用户识别的方式来辨别自动脚本和真正的用户。

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。

运用C#图形编程技术实现验证码技术

该文简要讨论了验证码的基本形式、原理和作用,通过源代码较详细地分析了图片验证码ASP.NET的实现过程。

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。

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。