基于对抗性机器学习的验证码生成系统及方法技术方案

本发明专利技术公开了一种基于对抗性机器学习的验证码生成系统及方法，该系统包含：包含：验证码防御生成系统、验证码编队模块、验证码调度模块、验证码对抗处理中心、攻击样本生成模块、核实报错系统、划分模块、分组分配系统、类别核对模块、数据记录单元、检测模块和整合终端。本发明专利技术的基于对抗性机器学习的验证码生成系统及方法，验证码通过不间断的训练模拟遭受攻击的场景，将报错数据记录优化到验证码防御生成系统内，提高验证码的防御性能。提高验证码的防御性能。提高验证码的防御性能。

【技术实现步骤摘要】
基于对抗性机器学习的验证码生成系统及方法


[0001]本专利技术涉及一种基于对抗性机器学习的验证码生成系统及方法。

技术介绍

[0002]现有的验证码随着时代的进步，其安全性与可识别性越来越差，通过一些外接设备对域名持续不间断的访问验证，容易发生网站崩溃，验证码的防御性也越来越薄弱，亟需要提供一种能够提高验证码防御的验证码生成系统及方法。

技术实现思路

[0003]本专利技术提供了一种基于对抗性机器学习的验证码生成系统及方法解决上述提到的技术问题，具体采用如下的技术方案：
[0004]一种基于对抗性机器学习的验证码生成系统，包含：验证码防御生成系统、验证码编队模块、验证码调度模块、验证码对抗处理中心、攻击样本生成模块、核实报错系统、划分模块、分组分配系统、类别核对模块、数据记录单元、检测模块和整合终端；
[0005]验证码防御生成系统生成若干包含了多个种类的防御性验证码输送至验证码编队模块；
[0006]验证码编队模块对若干防御性验证码进行列队排序；
[0007]验证码调度模块按照验证码编队模块的排序将若干防御性验证码输送至验证码对抗处理中心；
[0008]验证码对抗处理中心通过不间断的训练后将若干防御性验证码发送至攻击样本生成模块；
[0009]攻击样本生成模块针对接收到的若干防御性验证码分别生成对应的攻击性验证码返回至验证码对抗处理中心；
[0010]验证码对抗处理中心将对应的防御性验证码和攻击性验证码组成验证码对，将相匹配的验证码对中的攻击性验证码发送至核实报错系统，并将不匹配的验证码对中的攻击性验证码发送至划分模块；
[0011]划分模块将接收到的攻击性验证码发送至分组分配系统；
[0012]分组分配系统将接收到的攻击性验证码按类别进行分组后发送至类别核对模块；
[0013]类别核对模块分别采用机器攻击的方式和人工识别的方式对攻击性验证码进行识别，并且将机器攻击的方式识别不了但人工识别的方式能够识别出来的攻击性验证码输送至数据记录单元；
[0014]数据记录单元将接收到的攻击性验证码发送至核实报错系统；
[0015]核实报错系统统计从验证码对抗处理中心和数据记录单元接收到的所有的攻击性验证码后将其发送至检测模块；
[0016]检测模块采用机器攻击的方式对每个攻击性验证码进行识别，并且将无法识别的攻击性验证码返回至核实报错系统；
[0017]核实报错系统将检测模块返回来的攻击性验证码发送至数据记录单元；
[0018]数据记录单元记录从核实报错系统返回来的攻击性验证码后再将其发送至整合终端；
[0019]整合终端对接收到的攻击性验证码进行保存。
[0020]进一步地，检测模块采用机器攻击的方式对每个攻击性验证码进行预设次数的多次识别，并且将多次识别下每次都无法识别的攻击性验证码返回至核实报错系统。
[0021]进一步地，基于对抗性机器学习的验证码生成系统还包含终止终端；
[0022]核实报错系统在接收到从检测模块返回来的攻击性验证码后还进行对比统计，统计出返回来的每个类别的攻击性验证码的数量；
[0023]终止终端在对应的类别的攻击性验证码的数量达到预设值时，控制攻击样本生成模块停止生成该类别的攻击性验证码。
[0024]进一步地，终止终端在控制攻击样本生成模块停止生成该类别的攻击性验证码后还发送一个备注信息至核实报错系统；
[0025]核实报错系统将备注信息发送至数据记录单元；
[0026]数据记录单元将备注信息发送至整合终端。
[0027]进一步地，验证码防御生成系统生成的验证码包含图文验证码、短信验证码、语音验证码和视频验证码中的至少两种。
[0028]进一步地，验证码防御生成系统生成的验证码包含图文验证码、短信验证码、语音验证码和视频验证码。
[0029]一种基于对抗性机器学习的验证码生成方法，用于前述的基于对抗性机器学习的验证码生成系统，包含以下步骤：
[0030]验证码防御生成系统生成若干包含了多个种类的防御性验证码输送至验证码编队模块；
[0031]验证码编队模块对若干防御性验证码进行列队排序；
[0032]验证码调度模块按照验证码编队模块的排序将若干防御性验证码输送至验证码对抗处理中心；
[0033]验证码对抗处理中心通过不间断的训练后将若干防御性验证码发送至攻击样本生成模块；
[0034]攻击样本生成模块针对接收到的若干防御性验证码分别生成对应的攻击性验证码返回至验证码对抗处理中心；
[0035]验证码对抗处理中心将对应的防御性验证码和攻击性验证码组成验证码对，将相匹配的验证码对中的攻击性验证码发送至核实报错系统，并将不匹配的验证码对中的攻击性验证码发送至划分模块；
[0036]划分模块将接收到的攻击性验证码发送至分组分配系统；
[0037]分组分配系统将接收到的攻击性验证码按类别进行分组后发送至类别核对模块；
[0038]类别核对模块分别采用机器攻击的方式和人工识别的方式对攻击性验证码进行识别，并且将机器攻击的方式识别不了但人工识别的方式能够识别出来的攻击性验证码输送至数据记录单元；
[0039]数据记录单元将接收到的攻击性验证码发送至核实报错系统；
[0040]核实报错系统统计从验证码对抗处理中心和数据记录单元接收到的所有的攻击性验证码后将其发送至检测模块；
[0041]检测模块采用机器攻击的方式对每个攻击性验证码进行识别，并且将无法识别的攻击性验证码返回至核实报错系统；
[0042]核实报错系统将检测模块返回来的攻击性验证码发送至数据记录单元；
[0043]数据记录单元记录从核实报错系统返回来的攻击性验证码后再将其发送至整合终端；
[0044]整合终端对接收到的攻击性验证码进行保存。
[0045]进一步地，检测模块采用机器攻击的方式对每个攻击性验证码进行识别，并且将无法识别的攻击性验证码返回至核实报错系统的具体方法为：
[0046]检测模块采用机器攻击的方式对每个攻击性验证码进行预设次数的多次识别，并且将多次识别下每次都无法识别的攻击性验证码返回至核实报错系统。
[0047]进一步地，基于对抗性机器学习的验证码生成方法还包含：
[0048]核实报错系统在接收到从检测模块返回来的攻击性验证码后还进行对比统计，统计出返回来的每个类别的攻击性验证码的数量；
[0049]终止终端在对应的类别的攻击性验证码的数量达到预设值时，控制攻击样本生成模块停止生成该类别的攻击性验证码。
[0050]进一步地，基于对抗性机器学习的验证码生成方法还包含：
[0051]终止终端在控制攻击样本生成模块停止生成该类别的攻击性验证码后还发送一个备注信息至核实报错系统；
[0052]核实报错系统将备注信息发送至数据记录单元；
[0053]数据记录单元将备本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗性机器学习的验证码生成系统，其特征在于，包含：验证码防御生成系统、验证码编队模块、验证码调度模块、验证码对抗处理中心、攻击样本生成模块、核实报错系统、划分模块、分组分配系统、类别核对模块、数据记录单元、检测模块和整合终端；所述验证码防御生成系统生成若干包含了多个种类的防御性验证码输送至所述验证码编队模块；所述验证码编队模块对若干所述防御性验证码进行列队排序；所述验证码调度模块按照所述验证码编队模块的排序将若干所述防御性验证码输送至所述验证码对抗处理中心；所述验证码对抗处理中心通过不间断的训练后将若干所述防御性验证码发送至所述攻击样本生成模块；所述攻击样本生成模块针对接收到的若干所述防御性验证码分别生成对应的攻击性验证码返回至所述验证码对抗处理中心；所述验证码对抗处理中心将对应的防御性验证码和攻击性验证码组成验证码对，将相匹配的验证码对中的攻击性验证码发送至所述核实报错系统，并将不匹配的验证码对中的攻击性验证码发送至所述划分模块；所述划分模块将接收到的攻击性验证码发送至所述分组分配系统；所述分组分配系统将接收到的攻击性验证码按类别进行分组后发送至所述类别核对模块；所述类别核对模块分别采用机器攻击的方式和人工识别的方式对所述攻击性验证码进行识别，并且将机器攻击的方式识别不了但人工识别的方式能够识别出来的所述攻击性验证码输送至所述数据记录单元；所述数据记录单元将接收到的所述攻击性验证码发送至所述核实报错系统；所述核实报错系统统计从所述验证码对抗处理中心和所述数据记录单元接收到的所有的所述攻击性验证码后将其发送至所述检测模块；所述检测模块采用机器攻击的方式对每个所述攻击性验证码进行识别，并且将无法识别的所述攻击性验证码返回至所述核实报错系统；所述核实报错系统将所述检测模块返回来的所述攻击性验证码发送至所述数据记录单元；所述数据记录单元记录从所述核实报错系统返回来的所述攻击性验证码后再将其发送至所述整合终端；所述整合终端对接收到的所述攻击性验证码进行保存。2.根据权利要求1所述的基于对抗性机器学习的验证码生成系统，其特征在于，所述检测模块采用机器攻击的方式对每个所述攻击性验证码进行预设次数的多次识别，并且将多次识别下每次都无法识别的所述攻击性验证码返回至所述核实报错系统。3.根据权利要求2所述的基于对抗性机器学习的验证码生成系统，其特征在于，所述基于对抗性机器学习的验证码生成系统还包含终止终端；所述核实报错系统在接收到从所述检测模块返回来的所述攻击性验证码后还进行对比统计，统计出返回来的每个类别的所述攻击性验证码的数量；所述终止终端在对应的类别的攻击性验证码的数量达到预设值时，控制所述攻击样本
生成模块停止生成该类别的攻击性验证码。4.根据权利要求1所述的基于对抗性机器学习的验证码生成系统，其特征在于，所述终止终端在控制所述攻击样本生成模块停止生成该类别的攻击性验证码后还发送一个备注信息至所述核实报错系统；所述核实报错系统将所述备注信息发送至所述数据记录单元；所述数据记录单元将所述备注信息发送至所述整合终端。5.根据权利要求1所述的基于对抗性机器学习的验证码生成系统，其特征在于，所述验证码防御生成系统生成的验证码包含图文验证码、短信验证码、语音验证码和视频验证码中的至少两种。6.根据权利要求5所述的基于对抗性机器...

【专利技术属性】
技术研发人员：蒋晓宁，戚迦南，程凯林，方健，周郁寒，刘伟杰，张杰，黄军，
申请(专利权)人：湖州奕锐信安科技有限公司，
类型：发明
国别省市：