基于深度学习的验证码破解与新型3D验证码设计
发布时间：2022-08-12 20:03
验证码（CAPTCHA）是一种区分人和机器的安全验证机制,能够有效的防范计算机程序的恶意攻击。文本验证码和图像验证码是目前应用最为广泛的验证机制,现阶段针对这两类验证码的研究分析已经相对成熟,验证码的安全验证环节受到极大考验。因此,需要设计出安全性能更好的新型验证机制。本文主要从攻、防两端对验证码进行分析研究,取得以下三个方面的成果:提出一种基于深度学习的图像验证码识别方法。深度学习技术在图像识别上有非常明显的优势,通过训练海量的图像数据,卷积神经网络能够自动学习和提取图像特征。本文首先分析了12306官网图像验证码的特点,整理12306图像训练数据集,然后利用深度学习在图像识别领域的经典模型AlexNet对12306图像进行分类,最后通过分析12306图像验证码的结构,编写Python脚本实现验证码破解,且识别准确率达到91%,远高于人类的识别准确率。实验结果表明:图像验证码并不是非常安全,而且可能会给人类的识别验证带来困难。设计了一种陀螺仪3D验证码的实现方案。该验证机制区别于传统的二维验证码,并且增加了手机陀螺仪的使用。实验首先通过3D建模生成验证码模型,然后设计出一种随机算法实...
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状分析
1.2.1 传统二维验证码研究分析
1.2.2 二维验证码研究现状
1.2.3 三维验证码研究现状
1.2.4 深度学习发展现状
1.2.5 增强现实技术发展现状
1.3 论文的主要工作和安排
第二章 相关理论和技术
2.1 深度学习理论
2.1.1 深度学习卷积神经网络
2.1.2 CNN训练
2.1.3 深度学习图像识别
2.2 基于Unity3D建模技术
2.3 陀螺仪
2.3.1 陀螺仪与重力感应的区别
2.3.2 移动端陀螺仪的调用
2.4 增强现实技术
2.4.1 三维注册技术
2.4.2 AR识别追踪算法
第三章 基于深度学习的图像验证码破解
3.1 12306验证码分析与处理
3.1.1 验证码结构分析
3.1.2 验证码图像类别
3.1.3 数据整理
3.1.4 人工标注
3.1.5 训练与破解
3.2 结果分析
3.3 本章小结
第四章 陀螺仪三维验证码设计实现
4.1 3Ds Max模型设计
4.2 Unity3D接口函数调用
4.3 一种基于混沌的通用伪随机数发生器
4.3.1 混沌映射特性分析
4.3.2 算法流程
4.3.3 NIST测试分析
4.4 随机切换算法设计
4.5 移动端陀螺仪验证码实现
4.6 实验分析
4.6.1 人工测试及分析
4.6.2 可用性和安全性分析
4.7 本章小结
第五章 增强现实验证码设计实现
5.1 基于增强现实技术的三维验证码实现
5.1.1 随机切换算法设计
5.1.2 增强现实验证码实现
5.2 实验测试
5.2.1 人工测试
5.2.2 实验结果分析
5.3 自然场景文本识别
5.3.1 自然场景文本识别技术
5.3.2 自然场景3D文本识别
5.3.3 实验结果分析
5.4 改进版本的AR验证码
5.5 本章小结
第六章 总结与展望
6.1 研究总结
6.2 研究展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]3D文本验证码的破解技术研究[J]. 陆颖,苏智勇. 计算机技术与发展. 2016(07)
[2]基于Logistic映射的混沌随机数发生器研究[J]. 许栋,崔小欣,王田,徐晓倩,于敦山,崔小乐,程玉芳. 微电子学与计算机. 2016(02)
[3]一种基于L-M算法的RANSAC图像拼接算法[J]. 姚佳宝,田秋红,陈本永. 浙江理工大学学报. 2015(07)
[4]基于连通域的快速文字图像分割算法[J]. 林孜阳,穆雪,吴凯锋,严寒,林怡芳. 计算机光盘软件与应用. 2014(22)
[5]NIST随机性检测方法及应用[J]. 张永强,李顺波,屈帅,吕凯琳,刘婵,许肖茹. 电脑知识与技术. 2014(26)
[6]一种基于混合误差梯度下降算法的过程神经网络训练[J]. 许少华,宋美玲,许辰,朱新宁. 东北石油大学学报. 2014(04)
[7]基于3D的CAPTCHA验证码研究[J]. 汪维华,Henry Chang. 重庆文理学院学报(自然科学版). 2012(06)
[8]基于随机顺序的图形验证码改进算法设计[J]. 李欢,高岭,刘琳,邢斌. 计算机应用. 2010(06)
博士论文
[1]基于单幅图像的三维建模技术及其应用[D]. 李冬平.浙江大学 2017
硕士论文
[1]基于深度学习的自然场景文本识别系统的设计与实现[D]. 马然.吉林大学 2015
本文编号：3676507
【文章页数】：82 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状分析
1.2.1 传统二维验证码研究分析
1.2.2 二维验证码研究现状
1.2.3 三维验证码研究现状
1.2.4 深度学习发展现状
1.2.5 增强现实技术发展现状
1.3 论文的主要工作和安排
第二章 相关理论和技术
2.1 深度学习理论
2.1.1 深度学习卷积神经网络
2.1.2 CNN训练
2.1.3 深度学习图像识别
2.2 基于Unity3D建模技术
2.3 陀螺仪
2.3.1 陀螺仪与重力感应的区别
2.3.2 移动端陀螺仪的调用
2.4 增强现实技术
2.4.1 三维注册技术
2.4.2 AR识别追踪算法
第三章 基于深度学习的图像验证码破解
3.1 12306验证码分析与处理
3.1.1 验证码结构分析
3.1.2 验证码图像类别
3.1.3 数据整理
3.1.4 人工标注
3.1.5 训练与破解
3.2 结果分析
3.3 本章小结
第四章 陀螺仪三维验证码设计实现
4.1 3Ds Max模型设计
4.2 Unity3D接口函数调用
4.3 一种基于混沌的通用伪随机数发生器
4.3.1 混沌映射特性分析
4.3.2 算法流程
4.3.3 NIST测试分析
4.4 随机切换算法设计
4.5 移动端陀螺仪验证码实现
4.6 实验分析
4.6.1 人工测试及分析
4.6.2 可用性和安全性分析
4.7 本章小结
第五章 增强现实验证码设计实现
5.1 基于增强现实技术的三维验证码实现
5.1.1 随机切换算法设计
5.1.2 增强现实验证码实现
5.2 实验测试
5.2.1 人工测试
5.2.2 实验结果分析
5.3 自然场景文本识别
5.3.1 自然场景文本识别技术
5.3.2 自然场景3D文本识别
5.3.3 实验结果分析
5.4 改进版本的AR验证码
5.5 本章小结
第六章 总结与展望
6.1 研究总结
6.2 研究展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]3D文本验证码的破解技术研究[J]. 陆颖,苏智勇. 计算机技术与发展. 2016(07)
[2]基于Logistic映射的混沌随机数发生器研究[J]. 许栋,崔小欣,王田,徐晓倩,于敦山,崔小乐,程玉芳. 微电子学与计算机. 2016(02)
[3]一种基于L-M算法的RANSAC图像拼接算法[J]. 姚佳宝,田秋红,陈本永. 浙江理工大学学报. 2015(07)
[4]基于连通域的快速文字图像分割算法[J]. 林孜阳,穆雪,吴凯锋,严寒,林怡芳. 计算机光盘软件与应用. 2014(22)
[5]NIST随机性检测方法及应用[J]. 张永强,李顺波,屈帅,吕凯琳,刘婵,许肖茹. 电脑知识与技术. 2014(26)
[6]一种基于混合误差梯度下降算法的过程神经网络训练[J]. 许少华,宋美玲,许辰,朱新宁. 东北石油大学学报. 2014(04)
[7]基于3D的CAPTCHA验证码研究[J]. 汪维华,Henry Chang. 重庆文理学院学报(自然科学版). 2012(06)
[8]基于随机顺序的图形验证码改进算法设计[J]. 李欢,高岭,刘琳,邢斌. 计算机应用. 2010(06)
博士论文
[1]基于单幅图像的三维建模技术及其应用[D]. 李冬平.浙江大学 2017
硕士论文
[1]基于深度学习的自然场景文本识别系统的设计与实现[D]. 马然.吉林大学 2015
本文编号：3676507
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3676507.html
