驗證碼,又被稱為區(qū)分人類和計算機的圖靈測試,是世界上使用最為廣泛的公共全自動安全程序。驗證碼的設計目的,在于確保每一個在網(wǎng)絡中訪問的用戶都是人類而非計算機程序。這樣既保證了服務器能夠服務于人類,也避免了由程序惡意攻擊而導致的服務器癱瘓、網(wǎng)絡秩序的混亂和財產的損失。目前,驗證碼主要包括文本驗證碼、語音驗證碼、行為驗證碼等類型。在眾多的驗證碼形式中,文本驗證碼由于它的易于設計和維護、代碼體積小等優(yōu)點,成為了使用最為廣泛的一種驗證碼形式。所以,針對文本驗證碼的自動識別技術備受關注。目前文本驗證碼采用的防御技術大致分為復雜的背景、噪聲、干擾線、扭曲旋轉、字符粘連五類。字符粘連是目前的驗證碼防御技術中相對可靠的一種,此類驗證碼內的字符通常有10%到50%不等的重疊,且字符的長度也不固定,無法通過預測字符的潛在區(qū)域來分割驗證碼。當驗證碼分割算法無法準確分割字符時,分類器的識別性能會降低。所以字符粘連型驗證碼被廣泛使用。不定長度的字符粘連型驗證碼仍然是驗證碼識別領域的研究熱點。本文針對字符粘連型文本驗證碼,設計了一種新的基于骨架分割算法的驗證碼攻擊模型,該模型能夠有效地破解字符粘連型文本驗證碼。主要... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【部分圖文】：

常見的網(wǎng)絡驗證碼圖片

第一章 緒論1.2 研究問題的提出根據(jù)表 1.1 可知，目前主流網(wǎng)站所使用的驗證碼技術多為幾種防御技術的結合。單一的驗證碼防御技術在神經網(wǎng)絡強大的學習能力面前，幾乎不具有防御能力[1,6-10]。斯坦福大學的研究[5]指出，機器學習算法中的 SVM (Support Vector Machine)算法[38]和 KNN (k-NearestNeighbor)算法對不同字體的字符識別率最高能達到 100%，識別效果詳情參見圖 1.2[5]。在深度學習[27]日益發(fā)展的今天，單一的驗證碼防御技術顯得格外脆弱。此外，該研究還指出，在眾多驗證碼防御技術中，字符粘連型驗證碼能夠保持較好的效率。所以，“堅固”的驗證碼可以在粘連字符的基礎上結合其他驗證碼技術。

[5]。斯坦福大學實驗室對不同網(wǎng)站的驗證碼做了大量的測試，得到了圖 1.3 的結果[5]�？梢钥闯�，字符粘連是效果最好的驗證碼防御技術，其次是干擾線，而復雜的背景幾乎沒有作用。


本文編號：3344999