基于卷积神经网络的字符型验证码识别研究

发布时间：2022-01-23 11:48

　　网络验证码作为网络安全保护的一种有效手段,已经得到了广泛的应用。验证码的识别研究,不仅可以从验证码反识别的角度设计更加安全易用的验证码,还可以及时发现验证码的安全漏洞,从而提高网络服务器的工作效率以及用户上网的安全性。近年来深度学习技术在各个研究领域都有了广泛的应用,然而专注于深度学习,尤其是卷积神经网络在不同验证码识别上的应用与研究稍显匮乏,因此本文针对互联网中常见的数字、字母和汉字组成的验证码,将卷积神经网络应用在验证码图片的识别中。对于由数字和字母组成的验证码图片,分析了基于卷积神经网络的目标检测算法SSD网络应用在上述验证码图片的识别上可行性,指出SSD网络在连续堆叠卷积层的过程中会降低网络的全局信息的提取能力,基于此将non-local设计思想引入到SSD网络中,具体在SSD网络的五个连续的卷积模块中添加non-local模块,并以此提出本文设计的NL_SSD网络结构,分析讨论了训练过程中的水平翻转数据增强和检测过中检测阈值的设置对识别结果的影响并进行优化。实验结果表明本文提出的NL_SSD网络对于数字、字母组成的验证码图片上的识别精度... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

基于数字字母的字符型验证码

基于常见汉字的字符型验证码

西南交通大学硕士研究生学位论文 第 9上，用户只需将接收到的验证码输入到指定区域即可，如图 2-3 分图（a）所示。短信验证码不仅可以判断操作者是人类还是计算机，还可以判断操作者是用户本是其他人，极大提高了安全性和隐私性。如今人们对智能手机越来越依赖，手机码凭借其安全性和方便性成为了人们日常生活中不可或缺的一部分，如图 2-3 分b）所示

【参考文献】：
期刊论文
[1]基于卷积神经网络的图像验证码识别[J]. 秦波,顾乃杰,张孝慈,林传文.  计算机系统应用. 2018(11)
[2]基于渐进式学习的神经网络端到端验证码识别[J]. 刘达荣,张远平,汤茂斌,李福芳.  计算机技术与发展. 2018(09)
[3]基于条件深度卷积生成对抗网络的图像识别方法[J]. 唐贤伦,杜一铭,刘雨微,李佳歆,马艺玮.  自动化学报. 2018(05)
[4]卷积神经网络识别汉字验证码[J]. 范望,韩俊刚,苟凡,李帅.  计算机工程与应用. 2018(03)
[5]计算机网络安全问题及其防范措施[J]. 徐亮.  电子技术与软件工程. 2017(24)
[6]基于KNN技术的校内网验证码识别[J]. 汪洋,许映秋,彭艳兵.  计算机与现代化. 2017(02)
[7]基于变换特征的验证码改进算法设计[J]. 龙金辉,王坤杰,张亚丽.  自动化技术与应用. 2015(08)
[8]一种扭曲粘连字符验证码识别方法[J]. 尹龙,尹东,张荣,王德建.  模式识别与人工智能. 2014(03)
[9]粘连字符的图片验证码识别[J]. 王璐,张荣,尹东,詹金春,吴陈洋.  计算机工程与应用. 2011(28)
[10]一种SVM验证码识别算法[J]. 殷光,陶亮.  计算机工程与应用. 2011(18)



本文编号：3604287