【技术实现步骤摘要】
基于对抗样本的验证码生成系统及方法
本专利技术涉及深度学习和信息安全的
,特别涉及一种基于对抗样本的验证码生成系统及方法。
技术介绍
验证码的全称是全自动区分计算机和人类的公开图灵测试(CompletelyAutomaedPublicTuringtesttotellComputersandHumansApart,可以简写为CAPTCHA)),是一种区分用户是计算机或人的公共全自动程序。其主要作用是抵御恶意机器人程序,防止论坛、博客中的垃圾评论,过滤垃圾邮件,保证在线投票真实性以及防止恶意批量注册网站等。但随着卷积神经网路在图像识别上的兴起,神经网络对简单图形验证码的识别率基本上接近百分之百,对复杂验证码的识别率也有较高的识别率。因此对如何能够设计出能够合理的区分人和机器且成本低廉的验证码系统一直是很多公司和学者思考的问题。目前验证码有以下两个方向发展:一种是发展新型验证码,如:如极验验证设计的滑动验证码、Google公司reCAPTCHA实验室设计的无感知型验证码等,这些都是安全性高、用户体验强的验证码;另一种是在现有的文本验证码的基础上增加干扰因素,如:对验证码进行扭曲、镂空、黏连等操作。第二种虽然在一定程度上降低了神经网络的识别率,但是用户的通过率更低,在很大程度上影响了用户的体验。但是为何绝大多数的网站都采用难以辨认的复杂图形验证码和毫无安全性的图形验证码呢?究其原因主要有两个:一是成本原因,替换成短信验证码和语音验证码成本较高;二是难度系数大,相对于图形验证码而言新型验证码技术系统实现复杂,技术要求高。对抗样本是深度学习领域目前难以有效解决的 ...
【技术保护点】
1.基于对抗样本的验证码生成系统,其特征在于,包括:验证码采集层、预处理层、对抗样本生成层、样本拼接层以及杂化层;所述验证码采集层,通过收集自身平台、利用验证码自动生成工具、开源平台验证码数据作为神经网络的训练集;所述预处理层,通过灰度化、二值化、去燥、字符分割流程将收集到的验证码切割成数量繁多的黑白字符图片作为神经网络的输入;所述对抗样本生成层,在提前构建的神经网络模型库中随机选择神经网络模型,从对抗样本生成算法中选择最合适的算法,然后用预处理层的数据定向生成对抗样本;所述样本拼接层,用合适的样本选择算法选择不同神经网络生成的对抗样本,然后进行拼接;所述杂化层,将拼接后的对抗样本进过添加干扰线、背景复杂化、彩色化等手段,将其变为aeCAPTCHA。
【技术特征摘要】
1.基于对抗样本的验证码生成系统,其特征在于,包括:验证码采集层、预处理层、对抗样本生成层、样本拼接层以及杂化层;所述验证码采集层,通过收集自身平台、利用验证码自动生成工具、开源平台验证码数据作为神经网络的训练集;所述预处理层,通过灰度化、二值化、去燥、字符分割流程将收集到的验证码切割成数量繁多的黑白字符图片作为神经网络的输入;所述对抗样本生成层,在提前构建的神经网络模型库中随机选择神经网络模型,从对抗样本生成算法中选择最合适的算法,然后用预处理层的数据定向生成对抗样本;所述样本拼接层,用合适的样本选择算法选择不同神经网络生成的对抗样本,然后进行拼接;所述杂化层,将拼接后的对抗样本进过添加干扰线、背景复杂化、彩色化等手段,将其变为aeCAPTCHA。2.根据权利要求1所述基于对抗样本的验证码生成系统,其特征在于,所述验证码采集层的数据来源包括下述几种:(1)直接用网站本身的验证码作为原始数据;(2)利用验证码自动生成工具来生成验证码然后进行加工;(3)利用python对各大网站进行爬虫,爬取它们的验证码图片。3.根据权利要求1所述基于对抗样本的验证码生成系统,其特征在于,所述预处理层包括灰度化模块、二值化模块、去噪模块和字符分割模块;所述灰度化模块,用于将彩色图片转化为灰度图像的过程称为图像的灰度化处理;所述二值化模块,用于图像的二值化是将图像上的像素点的灰度值设置为0或1,将整个图像呈现出黑白效果;所述去燥模块,用于将黑白图片中单独的像素点去掉,包括线降噪和点降噪两种;所述字符分割模块,用于将降噪以后的黑白验证码图片分割成一个一个字符图片,作为下一层对抗样本生成层中的神经网络构建模块中神经网络的训练集。4.根据权利要求3所述基于对抗样本的验证码生成系统,其特征在于,所述灰度化处理采用下述方法中的一种:分量法:将彩色图像中的三分量的亮度作为三个灰度图像的值,可选取其中一种灰度值;F1=RorF2=GorF3=B最大值法:将彩色图像中的三分量的最大值作为灰度图像的灰度值;F=max(R,G,B)均值法:将彩色图像中的三分量求平均值等到灰度图像的灰度值;F=(R+G+B)/3加权平均法:根据重要性及其它指标,将三个分量以不同的权值进行加权平均。F=w1*R+W2*G+W3*B。5.根据权利要求3所述基于对抗样本的验证码生成系统,其特征在于,所述灰度模块,采用加权平均法,取每个像素点RGB的均值作为这个像素点三个通道的像素;所述二值化模块,采用手动遍历像素,设定阈值,将图片变为二值图像;所述去燥模块,采用4领域去燥法,如果一个像素周围全部是零,就将这个像素点转化为0;所述字符分割模块,采用水滴法对图像进行分割。6.根据权利要求1所述基于对抗样本的验证码生成系统,其特征在于,所述对抗样本生成层包括神经网络构建模块和对抗样本生成模块;所述神经网络构建模块包括全连接神经网络和卷积神经网络,所述全连接神经网络,全连接神经网络用于实验的攻击模型,用来检验生成的6类卷积神经网络生成的对抗样本的泛化能力;所述对抗样本生成模块,用于将单个黑白验证码字符图片转为为对抗样本,所产生的对抗样本用于拼接验证码;所述对抗样本生成模块包括神经网络模型的构建模块和对抗样本生成算法选择模块;在这两个模块当中,神经网络构建模块的构建是根据...
【专利技术属性】
技术研发人员:龚征,王志鹏,程雷,杨顺志,叶开,魏运根,
申请(专利权)人:华南师范大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。