如何破解字符驗(yàn)證碼

如何破解字符驗(yàn)證碼第1頁/共13頁對驗(yàn)證碼的介紹字符驗(yàn)證碼如何破解字符驗(yàn)證碼小組總結(jié)3/27/2023第2頁/共13頁3/27/2023驗(yàn)證碼的英文CAPTCHA這個(gè)詞最早是在2000年由卡內(nèi)基梅隆大學(xué)的LuisvonAhn等學(xué)者所提出的。CAPTCHA是“CompletelyAutomatedPublicTuringtesttotellComputersandHumansApart”（全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測試）的縮寫，是一種區(qū)分用戶是計(jì)算機(jī)和人的公共全自動(dòng)程序。這個(gè)問題可以由計(jì)算機(jī)生成并評判，但是必須只有人類才能解答。由于計(jì)算機(jī)無法解答CAPTCHA的問題，所以回答出問題的用戶就可以被認(rèn)為是人類。驗(yàn)證碼起源第3頁/共13頁（1）由4個(gè)隨機(jī)數(shù)字組成的最原始驗(yàn)證碼：驗(yàn)證作用幾乎為零。（2）GIF動(dòng)畫驗(yàn)證碼：防垃圾注入可以達(dá)到100%，有效的同時(shí)能增加網(wǎng)站頁面的美觀效果。（3）手機(jī)驗(yàn)證碼：通過發(fā)送驗(yàn)證碼到手機(jī)，比較準(zhǔn)確驗(yàn)證用戶的正確性，是最有效的驗(yàn)證碼之一。（4）字符驗(yàn)證碼：服務(wù)器端隨機(jī)生成驗(yàn)證碼字符串，保存在內(nèi)存中，并寫入圖片或者加入干擾線條，將圖片連同表單發(fā)給客戶端。是目前而言最常見的驗(yàn)證碼。常見的驗(yàn)證碼~3/27/2023第4頁/共13頁字符驗(yàn)證碼的工作流程（1）、服務(wù)器端隨機(jī)生成驗(yàn)證碼字符串，保存在內(nèi)存中，并寫入圖片或者加入干擾線條，將圖片連同表單發(fā)給客戶端。（2）、客戶端輸入驗(yàn)證碼，并提交給表單，服務(wù)器端獲取客戶提交的驗(yàn)證碼，和前面產(chǎn)生的的隨機(jī)數(shù)字相比較；如果相同，則繼續(xù)進(jìn)行表單所描述的操作(如登錄、注冊等)；如果不同，直接將錯(cuò)誤信息返回給客戶端。避免程序的繼續(xù)運(yùn)行以及訪問數(shù)據(jù)庫。3/27/2023第5頁/共13頁如何破解字符驗(yàn)證碼

1、去噪

（1）由于其背景色的亮度與文字或者數(shù)字的亮度差別較大,這樣我們就可以通過設(shè)定亮度域值的方法來對它進(jìn)行二值化處理，即將圖像上的像素點(diǎn)的灰度值設(shè)置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的只有黑和白的視覺效果。（2）對于干擾線的去除,我們通過對水平方向長度超過圖片二分之一的線直接去除,因?yàn)閳D片文字本身寬度不可能超過二分之一的圖片大小。3/27/2023第6頁/共13頁（3）先在x軸方向進(jìn)行分割：對x軸上每一點(diǎn)，統(tǒng)計(jì)y坐標(biāo)方向上黑點(diǎn)數(shù)目。當(dāng)黑點(diǎn)數(shù)目少于設(shè)定的域值時(shí)候，認(rèn)為是字符間的空白區(qū)，而黑點(diǎn)數(shù)目大于設(shè)定的閾值時(shí)則認(rèn)為是字符區(qū)。（4）有時(shí)存在字符相連的情況，為避免兩個(gè)相連的字符分割失敗，對字符的最大寬度和最小寬度設(shè)定閾值:當(dāng)寬度大于最大寬度時(shí)候，即認(rèn)為是兩個(gè)字符，需要將分割得到的字符繼續(xù)分割；如果分割得到的字符寬度小于設(shè)定的最小寬度，則需要進(jìn)行合并鄰近的兩個(gè)字符進(jìn)行分割。（5）利用同樣的方法可以進(jìn)行y軸方向上的分割。（6）由于驗(yàn)證碼文字的隨機(jī)性，對分割得到的單個(gè)字符進(jìn)行進(jìn)一步的邊框確定。通過對水平和垂直方向掃描，確定出單個(gè)字符的邊框。3/27/2023第7頁/共13頁2、將分割出的字符與模版匹配，判別字符類型（1）模版庫的建立：從網(wǎng)絡(luò)上采集一系列驗(yàn)證碼的樣本,建立驗(yàn)證碼字符樣本空間。比如為字母A～Z和數(shù)字0～9。對于每一個(gè)樣本,我們提取特征,建立模版。（2）將得到的圖片切割為固定的長度和寬度。先將字符從水平方向進(jìn)行掃描，則每條掃描線都是由黑點(diǎn)或者白點(diǎn)構(gòu)成的序列，每條水平掃描線可以用一個(gè)向量表示。將向量分類為N種模式，比如模式0表示長的空白段，而模式1代表長的黑點(diǎn)段。模式2表示一段相對長的白點(diǎn)之后跟著一段黑點(diǎn)。以此類推得到自己設(shè)計(jì)的模式圖。3/27/2023第8頁/共13頁（3）用上述的編碼方法分別對模版與待識別的字符進(jìn)行編碼,然后計(jì)算模版與待識別字符的編碼的相似度。把一個(gè)字當(dāng)做一幅圖，從上往下一行行掃描，每一行都是由不同長短的黑色橫杠組成的，每種橫杠對應(yīng)著模式圖中的一個(gè)編碼。取相似度最高的模版字符為識別的結(jié)果。如圖所示,數(shù)字7的編碼為1288886999793/27/2023第9頁/共13頁3/27/2023上述破解原理可用OCR(OpticalCharacterRecognition):光學(xué)字符識別來實(shí)現(xiàn)

1、下載安裝Tesseract-OCR引擎2、使用Tesseract-OCR引擎識別驗(yàn)證碼第10頁/共1