深度学习在验证码破解和设计中的应用研究

发布时间：2021-07-04 16:39

　　验证码（Completely Automated Public Turing test to tell Computers and Humans Apart,CAPTCHA）是设计用于区分计算机与人类用户的安全机制,它被广泛应用于网银登录、账号注册、密码找回等验证环节,以防止网站受到恶意程序的自动攻击。现有验证码机制可以划分为三类:文本验证码、图像验证码和语音验证码,其中文本验证码是使用最广泛的验证码机制。当前针对验证码的研究还存在诸多的问题和不足:首先,一些新型文本验证码机制的安全性还有待验证,比如微软首次使用的双层验证码;其次,随着深度学习技术逐渐成为验证码破解的主要工具,文本验证码是否仍然安全存在质疑;最后,深度学习技术在验证码设计中的应用同样需要探索。针对这些问题,本文主要进行了以下三方面工作:（1）以微软的双层验证码机制为代表讨论了双层验证码的安全性,提出了一种基于深度学习的方法来破解微软的双层验证码机制。该方法针对双层验证码的特征提出了一种新的二维分割算法,并且设计实现了一个模拟器来模拟微软验证码的生成过程,自动生成模拟的验证码图片作为训练集用于训练神经网络（Convolu... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：92 页

【学位级别】：硕士

【部分图文】：

KNN原理图

化时其输出是否变化。(a) 稀疏连接 (b) 权值共享图2.6 卷积神经网络稀疏连接与权值共享（2）网络架构卷积神经网络包括多种层次结构，在此主要介绍卷积神经网络的卷积层、激励层、池化层、Dropout 层与全连接层。卷积层。提取图片的特征是卷积层的主要作用，这一过程是一个黑盒，它提取的是图片的什么特征并不可知。卷积层对输入进行卷积运算，也就是先进行乘积再求和，最后再加上偏移和激活函数。第 l 层卷积输出计算方式如式(2-11)所示，其中 x 为上一层的输出，Mj表示输入集合，b 表示偏置，k 表示卷积核。xjl=f (∑ xil-1 ki jli∈Mj+bjl) (2-11)激励层。激励层通常是指一个激活函数紧跟在卷积层之后

iii）每一层的相邻字符相互粘连，并且对整个验证码图片进行了扭曲与旋转。(a) 微软早期单层验证码机制 (b) 微软双层验证码的初期版本图3.1 微软验证码机制这种双层验证码机制可以看做是几种验证码风格的组合，因为它既使了空心字符也使用了实心字符。但从本质上而言，它应当被划分为一种改进版本的字符粘连验证码机制，因为字符从上到下、从左往右均粘连在一起。字符粘连验证码是最常用的验证码风格，并且是前面提到的三种验证码风格中最难破解的一种。它通过将字符粘连在一起，很大程度上增加了字符分割的难度。判断单层验证码中每个字符在验证码图


本文编号：3265151