基于机器学习的系统登录验证码自动识别与安全风险研究

发布时间：2021-07-29 13:51

　　目的探索有监督的机器学习算法在验证码自动识别技术中的应用。方法通过爬虫技术随机获得49个某公共卫生信息系统验证码,将图片预处理后切割为单字符图片,使用机器学习的有监督算法进行训练。结果除k近邻分类外,支持向量机、决策树和BP神经网络均能以98%以上的准确率识别某公共卫生信息系统的CAPTHA。结论机器学习相关算法可以有效地对分割的验证码进行识别。 

【文章来源】：中国卫生信息管理杂志. 2020,17(04)

【文章页数】：5 页

【文章目录】：
0 引言
1 验证码基本定义与分类
2 资料与方法
    2.1 数据来源
    2.2 分析方法
        2.2.1 SVM 算法
        2.2.2 DT算法
        2.2.3 KNN算法
        2.2.4 BP Neural Network算法
    2.3 评估指标
3 结果与讨论
    3.1 SVM算法训练及验证
    3.2 DT算法训练及验证
    3.3 KNN算法及验证
    3.4 BP Neural Network算法及验证
4 建议
    4.1 算法比较
    4.2 适用范围
    4.3 安全建议


【参考文献】：
期刊论文
[1]基于SVM的字符验证码识别研究[J]. 安梦生.  淮阴师范学院学报(自然科学版). 2018(04)
[2]K近邻分类指导的区域迭代图割算法研究[J]. 管建,王亚娟,王立功.  计算机应用与软件. 2018(11)
[3]医疗健康人工智能发展框架与趋势分析[J]. 胡建平.  中国卫生信息管理杂志. 2018(05)
[4]基于深度学习的物体识别验证码破解方法[J]. 田朝辉,金鑫,赵耿,李晓东.  计算机仿真. 2018(03)
[5]基于决策树C4.5集成算法的图像自动标注[J]. 张华忠,侯进.  计算机应用研究. 2018(07)
[6]基于情感本体和kNN算法的在线评论情感分类研究[J]. 唐晓波,朱娟,杨丰华.  情报理论与实践. 2016(06)
[7]验证码安全与验证码绕过技术[J]. 胡健,柳青,王海林.  计算机应用. 2016(S1)
[8]验证码简介[J]. 高雨彤.  保密科学技术. 2014(01)



本文编号：3309446