基于对抗学习的验证码生成方法、系统、设备及存储介质技术方案

本发明专利技术提供一种基于对抗学习的验证码生成方法、系统、设备及存储介质，方法包括：获取预设配置文件，根据预设配置文件抽取识别模型池中模型，并基于生成对抗网络构建训练模型组和验证模型组；根据预设配置文件和训练模型组构建生成模型；获取生成模型输出的对抗验证码，根据对抗验证码和验证模型组，计算对抗验证码被识别率；在被识别率小于预设阈值时，将生成模型确定为验证码模型用以生成验证码；通过将对抗样本技术应用于验证码生成场景中，从而大大增加了验证码的安全性。而大大增加了验证码的安全性。而大大增加了验证码的安全性。

【技术实现步骤摘要】
基于对抗学习的验证码生成方法、系统、设备及存储介质


[0001]本专利技术涉及大数据处理领域，更具体地，涉及一种基于对抗学习的验证码生成方法、系统、设备及存储介质。

技术介绍

[0002]验证码是通过图灵测试的方式识别正常用户还是黑产恶意访问的一种防御手段，可以防止：恶意破解密码、恶意访问目标程序，有效防止某个黑客对某一个特定注册用户用特定程序包里破解的方式进行不段登陆尝试，从而避免由于以上情况对程序访问造成网络拥堵，甚至是服务瘫痪的情况。
[0003]但是随着计算机水平的快速发展，尤其是神经网络技术的快速发展，图像识别技术日益成熟，传统的验证码防御技术已经无法对黑产恶意访问进行有效的拦截，验证码防御技术逐渐失去了它应有的功能。
[0004]现阶段为了提高验证码的防御等级，保证程序运行环境的安全性，现使用的手段是通过牺牲验证码的人眼识别度，从而降低黑客程序识别验证码的成功几率，进而达到提升验证码的防御等级，保证程序运行环境安全性，然而这种手段同样也会降低正常登陆用户输入验证码的准确度，从而导致用户体验不好的问题。故而，如何有效提升验证码安全性是亟待解决的问题。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，提供一种基于对抗学习的验证码生成方法、系统、设备及存储介质，解决有效的提升验证码安全性的问题。
[0006]根据本专利技术的第一方面，提供了一种基于对抗学习的验证码生成方法，包括：
[0007]获取预设配置文件，根据所述预设配置文件抽取识别模型池中模型，并基于生成对抗网络构建训练模型组和验证模型组；
[0008]根据所述预设配置文件和所述训练模型组构建生成模型；
[0009]获取生成模型输出的对抗验证码，根据所述对抗验证码和所述验证模型组，计算对抗验证码被识别率；
[0010]在所述被识别率小于预设阈值时，将所述生成模型确定为验证码模型用以生成验证码。
[0011]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0012]可选的，所述根据所述预设配置文件抽取识别模型池中模型的步骤之前，还包括：
[0013]根据所述预设配置文件，构建识别模型池；
[0014]获取历史验证码数据，根据所述历史验证码数据对所述识别模型池中各识别模型进行迁移训练，更新所述识别模型池。
[0015]可选的，所述方法，还包括：
[0016]在所述被识别率不小于预设阈值时，将所述对抗验证码更新至所述历史验证码数
据中；
[0017]根据所述预设配置文件、所述训练模型组和更新后的所述历史验证码数据更新所述生成模型，用更新后的所述生成模型更新所述验证码模型。
[0018]可选的，所述根据所述预设配置文件和所述训练模型组构建生成模型的步骤，包括：
[0019]获取所述预设配置文件中的任务类型，根据所述任务类型构建对应的损失函数；
[0020]根据所述预设配置文件迭代所述训练模型组，最小化所述损失函数，输出生成模型。
[0021]可选的，所述任务类型包括：九宫格验证任务、提示词条验证任务、点选验证任务和语言验证任务。
[0022]可选的，所述获取生成模型输出的对抗验证码，根据所述对抗验证码和所述验证模型组，计算对抗验证码被识别率的步骤，包括：
[0023]获取生成模型输出的预设数量的对抗验证码；
[0024]根据所述验证模型组对所述预设数量的对抗验证码进行识别，计算所述预设数量的对抗验证码的被识别率
[0025]可选的，所述训练组模型和验证组模型均包括：图片分类模型簇、目标检测模型簇、语序识别模型簇和语音识别模型簇。
[0026]根据本专利技术的第二方面，提供一种基于对抗学习的验证码生成系统，包括：
[0027]模型构建模块，用于获取预设配置文件，根据所述预设配置文件抽取识别模型池中模型，并基于生成对抗网络构建训练模型组和验证模型组；
[0028]模型生成模块，用于根据所述预设配置文件和所述训练模型组构建生成模型；
[0029]率值计算模块，用于获取生成模型输出的对抗验证码，根据所述对抗验证码和所述验证模型组，计算对抗验证码被识别率；
[0030]模型确定模块，用于在所述被识别率小于预设阈值时，将所述生成模型确定为验证码模型用以生成验证码。
[0031]根据本专利技术的第三方面，提供了一种设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现上述第一方面中任一基于对抗学习的验证码生成方法的步骤。
[0032]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现上述第一方面中任一基于对抗学习的验证码生成方法的步骤。
[0033]本专利技术提供一种基于对抗学习的验证码生成方法、系统、设备及存储介质，通过获取预设配置文件，根据上述预设配置文件抽取识别模型池中模型，并基于生成对抗网络构建训练模型组和验证模型组；根据上述预设配置文件和上述训练模型组构建生成模型；获取生成模型输出的对抗验证码，根据上述对抗验证码和上述验证模型组，计算对抗验证码被识别率；在上述被识别率小于预设阈值时，将上述生成模型确定为验证码模型用以生成验证码。本专利技术根据预设的配置文件抽取识别模型池中的模型从而构建训练模型组和验证模型组，并根据训练模型和配置文件构建生成模型并输出对抗验证码，将对抗验证码输入验证模型组中，从而对验证码进行验证，并根据验证结果来确定生成模型，从而使得对抗样
本技术得以应用于验证码识别过程中，进而为生成模型提供有效的验证机制，进而保证了验证码的安全性，并且由于生成模型是更加配置文件来生成的，故而可以通过设置配置文件来调整验证码的可识别度，进而合理的兼顾人眼识别率，从而右下角的提升了用户的使用体验。
附图说明
[0034]图1为本专利技术提供的一种基于对抗学习的验证码生成方法流程图；
[0035]图2为本专利技术提供的一种基于对抗学习的验证码生成系统的架构示意图；
[0036]图3为本专利技术提供的攻击模块的工作流程图；
[0037]图4为本专利技术提供的自动更新模块的工作流程图；
[0038]图5为本专利技术提供的普通用户访问示意图；
[0039]图6为本专利技术提供的黑产用户访问示意图；
[0040]图7为本专利技术提供的诱导环境用户访问示意图；
[0041]图8为本专利技术提供的模型库更新示意图；
[0042]图9为本专利技术提供的一种基于对抗学习的验证码生成系统结构图；
[0043]图10为本专利技术提供的一种可能的设备的硬件结构示意图；
[0044]图11为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0045]下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗学习的验证码生成方法，其特征在于，所述方法包括：获取预设配置文件，根据所述预设配置文件抽取识别模型池中模型，并基于生成对抗网络构建训练模型组和验证模型组；根据所述预设配置文件和所述训练模型组构建生成模型；获取生成模型输出的对抗验证码，根据所述对抗验证码和所述验证模型组，计算对抗验证码被识别率；在所述被识别率小于预设阈值时，将所述生成模型确定为验证码模型用以生成验证码。2.根据权利要求1所述的基于对抗学习的验证码生成方法，其特征在于，所述根据所述预设配置文件抽取识别模型池中模型的步骤之前，还包括：根据所述预设配置文件，构建识别模型池；获取历史验证码数据，根据所述历史验证码数据对所述识别模型池中各识别模型进行迁移训练，更新所述识别模型池。3.根据权利要求2所述的基于对抗学习的验证码生成方法，其特征在于，还包括：在所述被识别率不小于预设阈值时，将所述对抗验证码更新至所述历史验证码数据中；根据所述预设配置文件、所述训练模型组和更新后的所述历史验证码数据更新所述生成模型，用更新后的所述生成模型更新所述验证码模型。4.根据权利要求1所述的基于对抗学习的验证码生成方法，其特征在于，所述根据所述预设配置文件和所述训练模型组构建生成模型的步骤，包括：获取所述预设配置文件中的任务类型，根据所述任务类型构建对应的损失函数；根据所述预设配置文件迭代所述训练模型组，最小化所述损失函数，输出生成模型。5.根据权利要求3所述的基于对抗学习的验证码生成方法，其特征在于，所述任务类型包括：九宫格验证任务、提示词条验证任务、点选验证任务和语言验...

【专利技术属性】
技术研发人员：苏涛，谢强，
申请(专利权)人：武汉极意网络科技有限公司，
类型：发明
国别省市：