图像型验证码的安全性检测方法及系统技术方案

本发明专利技术公开了一种图像型验证码安全性检测方法及系统，方法包括以下步骤：从目标网站收集原始图像型验证码数据，分割出其文字标签并进行人工标注，构建标签训练集；根据文字标签的类别收集对应的图片，构建子图训练集；构建卷积神经网络，分别采用标签训练集和子图训练集进行训练，分别得到标签识别模型和子图识别模型；使用标签识别模型和子图识别模型分别识别图像型验证码的文字标签和子图，识别结果记为A和B；若某子图满足：(A∈B)∩(P(A)＞λ)，则认为该子图属于文字标签A；根据其识别准确率评判该目标网站图像型验证码的安全性。本发明专利技术的图像型验证码安全性检测方法为图像型验证码的安全性评估提供量化的参考依据。

【技术实现步骤摘要】
图像型验证码的安全性检测方法及系统
本专利技术涉及计算机安全
，尤其涉及一种基于CNN的图像型验证码的安全性检测方法及系统。
技术介绍
目前，互联网飞速发展给人们带来了方便，用户可以根据自己的需求使用互联网资源，例如，从互联网上获取自己需要的文章、图像、声音、视频等多种信息。但是，目前存在带有程序的机器恶意对互联网资源进行不正当使用的情况，例如，大量下载免费资源、群发垃圾邮件、进行饱和攻击等，这些不正当使用行为不仅大量占用了互联网资源，严重时还可能导致服务器瘫痪，影响用户的正常使用。为了避免服务器瘫痪，需要用户访问网络资源之前进行用户身份验证，现有技术中通过使用对机器具有一定识别难度的验证码来进行身份验证。验证码是一种区分用户是计算机还是人的公共全自动程序，可以用来防止计算机恶意破解密码、刷票、论坛灌水，也可以防止恶意用户批量注册账号。传统的验证码就是将一串随机产生的数字或符号，生成一幅图像，图像里加上一些干扰象素防止OCR(OpticalCharacterRecognition，光学字符识别)，然后由用户肉眼识别其中的验证码信息，并输入表单提交网站验证，在验证成功后才能使用某本文档来自技高网...

【技术保护点】
1.一种图像型验证码安全性检测方法，其特征在于，包括以下步骤：(1)从目标网站收集原始图像型验证码数据，分割出其文字标签并进行人工标注，构建标签训练集；(2)构建第一卷积神经网络，并采用标签训练集进行训练，得到标签识别模型；(3)根据文字标签的类别，从互联网上收集对应的图片，构建子图训练集；(4)构建第二卷积神经网络，并采用子图训练集进行训练，得到子图识别模型；(5)使用所述的标签识别模型和子图识别模型分别识别图像型验证码的文字标签和子图，文字标签的识别结果记为A，子图的预测结果集合记为B；若某子图满足：(A∈B)∩(P(A)＞λ)，其中P(A)为该子图识别为A的概率，则认为该子图属于文字标签...

【技术特征摘要】
1.一种图像型验证码安全性检测方法，其特征在于，包括以下步骤：(1)从目标网站收集原始图像型验证码数据，分割出其文字标签并进行人工标注，构建标签训练集；(2)构建第一卷积神经网络，并采用标签训练集进行训练，得到标签识别模型；(3)根据文字标签的类别，从互联网上收集对应的图片，构建子图训练集；(4)构建第二卷积神经网络，并采用子图训练集进行训练，得到子图识别模型；(5)使用所述的标签识别模型和子图识别模型分别识别图像型验证码的文字标签和子图，文字标签的识别结果记为A，子图的预测结果集合记为B；若某子图满足：(A∈B)∩(P(A)＞λ)，其中P(A)为该子图识别为A的概率，则认为该子图属于文字标签A；根据子图的识别准确率确定阈值λ的大小；(6)结合所述的标签识别模型、子图识别模型以及阈值λ识别目标网站的图像型验证码，并根据其识别准确率评判该目标网站图像型验证码的安全性。2.根据权利要求1所述的图像型验证码安全性检测方法，其特征在于，步骤(2)中，采用标签训练集对第一卷积神经网络进行训练，得到标签识别模型，包括：(2-1)采用标签训练集训练第一卷积神经网络，得到初始标签识别模型；(2-2)从原始图像型验证码中随机筛选出部分验证码，利用训练好的初始标签识别模型进行分类，分类后加入到标签训练集中；(2-3)采用更新后的标签训练集重新训练第一卷积神经网络，得到新的标签识别模型；(2-4)重复步骤(2-2)和(2-3)，当继续增加标签训练集样本而标签识别模型在验证集上的准确率保持不变或波动幅度小于给定阈值时，停止训练，将识别准确率最高模型作为最终的标签识别模型。3.根据权利要求1所述的图像型验证码安全性检测方法，其特征在于，步骤(4)中，采用子图训练集对第二卷积神经网络进行训练，得到子图识别模型...

【专利技术属性】
技术研发人员：纪守领，赵彬彬，翁海琴，陈建海，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33