網(wǎng)絡(luò)在實際生活中廣泛應(yīng)用的時代背景下,近幾年,騷擾電話、電信詐騙、套辦他人信息做貸款等社會新聞,使人們逐漸意識到自己的個人信息已經(jīng)毫無保留的暴露,使用網(wǎng)站時所用的個人信息的安全狀況也愈發(fā)的引起了人們的關(guān)注。驗證碼的易生成、人容易識別而計算機不易識別的特性成為目前用來維護網(wǎng)站信息安全的重要技術(shù)手段,但仍然無法阻擋不法分子販賣個人信息、獲取網(wǎng)站指定內(nèi)容從而謀取暴利,通過對網(wǎng)站登錄時給出的驗證碼圖片進行機器識別成為了突破網(wǎng)站獲取信息的技術(shù)手段。為了解當(dāng)前網(wǎng)站使用的驗證碼在現(xiàn)階段的技術(shù)手段下的安全系數(shù),衡量網(wǎng)站當(dāng)前使用的驗證碼在面對機器攻擊時的能力,更好的保障網(wǎng)絡(luò)信息安全,驗證碼識別也成為了網(wǎng)站自查的重要技術(shù),從而為進一步提升當(dāng)前驗證碼的復(fù)雜度,提升驗證碼的抗攻擊能力打下基礎(chǔ)。目前驗證碼識別任務(wù)已經(jīng)出現(xiàn)了多種算法,其中神經(jīng)網(wǎng)絡(luò)的端到端學(xué)習(xí)模式得到了廣泛關(guān)注。在利用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)進行驗證碼識別時,針對該任務(wù)的數(shù)據(jù)過少,同時單張圖片包含的標(biāo)簽數(shù)目更多,根據(jù)網(wǎng)絡(luò)自身的結(jié)構(gòu),一方面需要大量的訓(xùn)練數(shù)據(jù)學(xué)習(xí)特征表達,另一方面神經(jīng)元節(jié)點包含的標(biāo)量數(shù)據(jù)儲存的信息過少,池化層也使得層與層之間的大量信息流失,導(dǎo)致... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：42 頁

【學(xué)位級別】：碩士

【部分圖文】：

-1非人臉圖片與正常的人臉圖片

圖 2-3-1 非人臉圖片與正常的人臉圖片抓取眼鼻口耳等關(guān)鍵特征信息，所以對于神經(jīng)網(wǎng)來說，圖 2-2-1 中的兩張圖都是人臉。而我們明確知道人臉的五官應(yīng)該在人臉的大概分布位置，即部分和整體之間應(yīng)該存在一定的空間結(jié)構(gòu)，所以我們在考慮空間結(jié)構(gòu)的信息下知道圖 2-2-1 中左側(cè)圖并不包含人臉。人眼在識別物體的時候，在知道物體的類別的情況下還會考慮部分和整體的空間結(jié)構(gòu)關(guān)系并能感知到物體的角度位置，因此如何使神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)物體關(guān)鍵特征之間的空間關(guān)系，是當(dāng)前神經(jīng)網(wǎng)絡(luò)面臨的難題。雖然在問題沒有解決的當(dāng)下，神經(jīng)網(wǎng)絡(luò)的優(yōu)秀表現(xiàn)仍讓人們不斷的嘗試在各個領(lǐng)域進行研究與使用，然而如何使網(wǎng)絡(luò)學(xué)習(xí)到合理的三維信息結(jié)構(gòu)、如何改善網(wǎng)絡(luò)的大數(shù)據(jù)覆蓋學(xué)習(xí)現(xiàn)狀，都是當(dāng)前的主要問題。雖然神經(jīng)網(wǎng)絡(luò)的優(yōu)秀表現(xiàn)讓人一度忽視其內(nèi)部存在的問題，但依然有人在解決

圖 3-2-1 膠囊的路由算法運算流程近聚類中心的數(shù)據(jù)會增大其傳遞給聚類中心的信息占比，反之則會減影響下次聚類中心的位置。所以整個聚類的過程實際上是不斷獲取與一致 (與聚類中心的距離更小的) 的那些數(shù)據(jù)信息，并且一致程度越高量影響聚類中心的程度越大，從而達到分類的目的。圖 3-2-1 展示了由算法的運算流程，其中 l 層假設(shè)共包含 kl個膠囊。 3-2-2 展示了原始膠囊網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，圖 3-2-3 給出網(wǎng)絡(luò)的可視化框含三層，對輸出計算損失。膠囊網(wǎng)絡(luò)的層與層之間舍棄一般的池化層由算法進行層與層之間的信息傳遞。第一層保留卷積層，用以獲取輸。第二層稱為主膠囊層，由包含 32 個通道的卷積 8D 膠囊組成。第一利用卷積操作進行預(yù)測，經(jīng)過卷積得到 256x6x6 的數(shù)據(jù)，之后通過重

【參考文獻】：
期刊論文
[1]基于廣義霍夫變換的粘連字符驗證碼的識別[J]. 汪志華.  集美大學(xué)學(xué)報(自然科學(xué)版). 2018(01)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)AlexNet的驗證碼識別研究[J]. 于鵬.  通訊世界. 2018(01)
[3]卷積神經(jīng)網(wǎng)絡(luò)在驗證碼識別上的應(yīng)用與研究[J]. 劉歡,邵蔚元,郭躍飛.  計算機工程與應(yīng)用. 2016(18)
[4]一種SVM驗證碼識別算法[J]. 殷光,陶亮.  計算機工程與應(yīng)用. 2011(18)
[5]驗證碼的識別與改進[J]. 黃賽平,許明.  南京師范大學(xué)學(xué)報(工程技術(shù)版). 2009(02)

碩士論文
[1]扭曲粘連字符驗證碼識別技術(shù)研究[D]. 安改換.上海應(yīng)用技術(shù)大學(xué) 2016



本文編號：3268866