论文部分内容阅读
近年来,众商业网站相继使用验证码技术。验证码技术作为提高网站安全的一个重要手段,可以成功解决如垃圾邮件的攻击、批量注册分发被盗资源、在线投票系统上的虚假投票,暴力破解账户密码等等一系列安全问题。现在大部分验证码通过复杂扭曲形变、空心等技术可以极大地增加破解难度,但却导致用户体验度大幅下降,从而面临失去网站用户的危险,这时行为式验证码应运而生。而行为式验证又因其存在数据库小和操作路径有规律可循的缺点也无法成功抵挡机器人的进一步攻击。所以,一方面,为了保证用户体验度良好,同时提高行为式验证码被机器破解的难度,我们提出一种滑块游戏验证码。该验证码识别难度大,实验表明它比一般的行为式验证码更受用户欢迎。另一方面,深度学习是现在验证码识别的主流方向,但它的高识别率依赖于海量样本数,为了降低训练成本,本文提出一种基于小样本的验证码识别方法,引入主动学习策略,通过样本复用减少初始训练集,并结合相对熵的概念进行不确定性的计算,提高准确率。主要创新点有如下几个方面:1)针对现在行为式验证码存在的数据库小和操作路径有规律可循的问题,提出一种新的验证码,包括首先生成背景图片,加入4个随机生成的字符和数字、噪点、干扰线,由此生成基准图片,并给基准图片随机编号;然后,以基准图片为母板,生成多幅扭曲的图片,并给新生成扭曲的图片编号,与基准图片按照编号组成一张长图发送给客户端,用户拖动长图挑选出基准图片以此进行验证。该验证方法,能有效阻止机器人攻击且不需要通过传统键盘输入。2)针对现在验证识别存在的样本量大成本高的问题,引入主动学习算法,提出一种基于小样本的验证码识别方法。在Cool PHP CAPTCHA数据集上的实验表明,该方法与文献Fabian[2](98.07%的识别率)的方法相比,识别率提高到98.29%。综上所述,本文提出的滑块游戏验证码能够促进人体工程学与验证码生成技术的结合;基于小样本的验证码识别利用样本复用,为探索人类基于小样本学习的方法开辟新思路。