本文選題：網(wǎng)絡(luò)安全 + 文本型驗(yàn)證碼�。� 參考：《北京交通大學(xué)》2017年碩士論文

【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展,網(wǎng)絡(luò)的安全性問題日益突出。驗(yàn)證碼(CAPTCHA)技術(shù)能夠判斷登錄用戶是否是計(jì)算機(jī)模擬的虛擬用戶,有效提高了網(wǎng)絡(luò)安全。目前使用最為廣泛的是文本型驗(yàn)證碼。通過對文本型驗(yàn)證碼識別技術(shù)的研究,可以及時(shí)發(fā)現(xiàn)驗(yàn)證碼設(shè)計(jì)方案中存在的漏洞,并對其設(shè)計(jì)方案提出改善建議,從而提高驗(yàn)證碼的安全性,進(jìn)而提高網(wǎng)絡(luò)安全。通常情況下,我們認(rèn)為人眼識別率大于90%,機(jī)器識別率小于10%的驗(yàn)證碼被認(rèn)為是安全的。本文采用數(shù)字圖像處理與模式識別等相關(guān)理論和方法,研究文本型驗(yàn)證碼的計(jì)算機(jī)識別方法。本文主要工作和成果如下:(1)針對六種規(guī)整型字符驗(yàn)證碼圖像,給出了一種基于邊緣檢測的連通域分割字符的算法,建立了包括數(shù)字、英文字母和部分漢字在內(nèi)的1384幅圖像的模板庫,利用了模板匹配法進(jìn)行識別,達(dá)到了 90%以上的正確率;(2)針對非規(guī)整型字符驗(yàn)證碼圖像,本文利用了 Chars74K數(shù)據(jù)集和從圖像中分割的字符制作訓(xùn)練樣本,采用了 BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練識別,達(dá)到了 90%以上的識別正確率;(3)分析了驗(yàn)證碼識別中的關(guān)鍵技術(shù),給出了一種驗(yàn)證碼識別的設(shè)計(jì)方案,并設(shè)計(jì)開發(fā)了一款跨平臺的驗(yàn)證碼識別軟件,主要功能包括圖像的預(yù)處理、去噪、邊緣檢測、字符分割和字符識別等。本文利用了改善的模板匹配法和BP神經(jīng)網(wǎng)絡(luò)對七種驗(yàn)證碼圖像進(jìn)行了識別,均達(dá)到了較高的識別率,發(fā)現(xiàn)了七種驗(yàn)證碼圖像中存在的安全漏洞,并針對性地給出了幾點(diǎn)提高驗(yàn)證碼安全性的建議。
[Abstract]:With the rapid development of Internet technology, network security issues become increasingly prominent. CAPTCHA (CAPTCHA) technology can determine whether the login user is a virtual user simulated by computer and improves the network security effectively. At present, the most widely used is the text-based verification code. Through the research of the text type verification code recognition technology, we can find the flaw in the design scheme of the verification code in time, and put forward the improvement suggestion to its design scheme, thus enhance the security of the verification code, and then improve the network security. In general, we think that the verification code with a human eye recognition rate greater than 90 and a machine recognition rate less than 10 percent is considered safe. In this paper, the computer recognition method of text verification code is studied by using the theories and methods of digital image processing and pattern recognition. The main work and results of this paper are as follows: (1) aiming at six kinds of regular character verification code images, this paper presents an algorithm of character segmentation based on edge detection in connected domain. The template library of 1384 images, including English letters and some Chinese characters, is recognized by template matching method, and the accuracy is more than 90%. In this paper, we use Chars74K data set and character segmentation from image to make training sample, and use BP neural network to train and recognize. The recognition accuracy is more than 90%.) the key technology of verification code recognition is analyzed. In this paper, a design scheme of verification code recognition is presented, and a cross-platform verification code recognition software is designed and developed. The main functions include image preprocessing, denoising, edge detection, character segmentation and character recognition. In this paper, the improved template matching method and BP neural network are used to identify the seven kinds of CAPTC-code images, and the recognition rate is higher, and the security holes in the seven kinds of CAPTC-code images are found. Some suggestions to improve the security of CAPTCA are given.
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.08

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周彩霞,匡綱要,宋海娜,易江義;用差影法與多模板匹配快速實(shí)現(xiàn)人臉檢測[J];計(jì)算機(jī)應(yīng)用研究;2004年05期

2 史慧榮,張學(xué)帥,梁彥,張洪才,程詠梅;一種改進(jìn)的模板匹配眼睛定位方法[J];計(jì)算機(jī)工程與應(yīng)用;2004年33期

3 王建波;胡泓;;圖象模板匹配技術(shù)在探針臺系統(tǒng)中的應(yīng)用[J];計(jì)算機(jī)與信息技術(shù);2006年Z1期

4 葉艷芳;黃席樾;沈志熙;;一種基于膚色和模板匹配的人臉檢測方法[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年12期

5 劉小平;楊新;吳蘭平;孫錕;;基于模板匹配的心臟三維超聲最優(yōu)切面搜尋方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年03期

6 謝毓湘;王衛(wèi)威;欒悉道;吳玲達(dá);老松楊;;基于膚色與模板匹配的人臉識別[J];計(jì)算機(jī)工程與科學(xué);2008年06期

7 趙秋菊;田瑩;;基于多模板匹配的外耳檢測方法[J];遼寧科技大學(xué)學(xué)報(bào);2009年01期

8 曾憲貴;石玉強(qiáng);劉磊安;;基于顏色、知識和模板匹配的人臉檢測[J];仲愷農(nóng)業(yè)工程學(xué)院學(xué)報(bào);2009年02期

9 鄧澤峰;熊有倫;黃小鵬;;適應(yīng)不完整目標(biāo)的快速模板匹配[J];光電工程;2010年05期

10 張昌芳;楊宏文;胡衛(wèi)東;;基于非固定模板匹配的陣群目標(biāo)編成識別[J];系統(tǒng)工程與電子技術(shù);2010年07期

相關(guān)會議論文 前10條

1 劉麗麗;呂凝;郭鋒;;基于膚色和模板匹配的新聞圖像人臉檢測[A];中國通信學(xué)會第五屆學(xué)術(shù)年會論文集[C];2008年

2 李鑫;李力爭;;基于模板匹配的固態(tài)流體流速檢測算法[A];第二十七屆中國控制會議論文集[C];2008年

3 馮春貴;祝詩平;王海軍;;一種改進(jìn)型模板匹配和離散Hopfield神經(jīng)網(wǎng)絡(luò)的限速標(biāo)志識別方法[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會（CSAE 2011）論文摘要集[C];2011年

4 那盟;賈培發(fā);徐華;;基于模板匹配的微型直升機(jī)自主著陸目標(biāo)識別[A];2005年中國智能自動化會議論文集[C];2005年

5 姜楠;張春森;;遺傳算法在圖像模板匹配中的應(yīng)用[A];高精度幾何量光電測量與校準(zhǔn)技術(shù)研討會論文集[C];2008年

6 由霖;修春波;;基于模板匹配的目標(biāo)識別算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

7 楊濤;韓洪;仁延深;;模板匹配精確提取圖像特征點(diǎn)算法[A];第二十六屆中國（天津）2012IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2012年

8 韓萍;吳仁彪;王兆華;高倩;;基于模板匹配的SAR目標(biāo)識別預(yù)處理新方法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

9 鄧立新;楊震;鄭寶玉;;一種判別語音靜、清、濁三態(tài)的新方法[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

10 王超;李東;雷震;;人臉檢測技術(shù)的研究進(jìn)展[A];江蘇省系統(tǒng)工程學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 吳苡婷;2秒鐘完成無盲點(diǎn)人體安檢[N];上海科技報(bào);2014年

相關(guān)博士學(xué)位論文 前2條

1 邵平;復(fù)雜背景下快速多姿態(tài)人臉檢測研究[D];中南大學(xué);2007年

2 孫仁山;立木枝干機(jī)器視覺識別技術(shù)研究[D];北京林業(yè)大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 徐珩;基于模板匹配跟蹤算法的研究與改進(jìn)[D];昆明理工大學(xué);2015年

2 張艷梅;基于人眼跟蹤分析的疲勞駕駛檢測的研究與實(shí)現(xiàn)[D];東北大學(xué);2014年

3 洪傳文;基于多模板匹配的行人檢測算法研究[D];西安電子科技大學(xué);2014年

4 汪健;織物瑕疵在線檢測技術(shù)的研究和實(shí)現(xiàn)[D];浙江工商大學(xué);2015年

5 朱怡霖;相似多目標(biāo)在LED芯片識別中的研究[D];北京林業(yè)大學(xué);2016年

6 符亞彬;基于Logo標(biāo)志檢測的暴恐視頻識別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

7 李靚;基于機(jī)器視覺的印刷品缺陷快速在線檢測方法研究[D];天津科技大學(xué);2015年

8 董歷亞;基于kinect三維物體的位置檢測[D];天津科技大學(xué);2015年

9 郭桂平;基于多模板匹配的絲印缺陷自動檢測系統(tǒng)設(shè)計(jì)[D];五邑大學(xué);2016年

10 單存杰;教室場景中學(xué)生定位與身份識別[D];華中師范大學(xué);2016年

，

本文編號：1999869