中共四川省委黨校 唐利紅

驗(yàn)證碼技術(shù)的中心思想是：結(jié)合先前制定的規(guī)則，通過(guò)計(jì)算機(jī)系統(tǒng)生成一個(gè)問(wèn)題，這個(gè)問(wèn)題只有人類才能解決計(jì)算機(jī)卻不能解決。如果問(wèn)題很容易被解決，那么系統(tǒng)的操作者則為人類用戶，進(jìn)而進(jìn)行下一步操作；如果沒(méi)有解決問(wèn)題，那么后續(xù)就不允許操作。利用驗(yàn)證碼技術(shù)，就可以使機(jī)器人不會(huì)遭受到攻擊，使網(wǎng)絡(luò)安全得到保障，同時(shí)它還能有效地對(duì)人類用戶操作和計(jì)算機(jī)程序操作進(jìn)行區(qū)分，從而有效地抵擋外來(lái)程序的攻擊和威脅。在特定的情況下，可以使用這種技術(shù)去使網(wǎng)站和用戶之間進(jìn)行良好的溝通，特別是用戶在進(jìn)行支付和登錄的時(shí)候，可以通過(guò)驗(yàn)證碼對(duì)用戶的個(gè)人信息安全得到保障。另外，利用驗(yàn)證碼也可以有效地防止網(wǎng)頁(yè)不被爬蟲(chóng)等程序侵襲，使密碼系統(tǒng)不被侵害，網(wǎng)站服務(wù)器的安全也能得到保障。基于此，本篇文章對(duì)基于圖像處理的驗(yàn)證碼識(shí)別技術(shù)進(jìn)行研究，以供參考。

當(dāng)前，驗(yàn)證碼的識(shí)別技術(shù)已經(jīng)成為熱門(mén)研究的方向之一。因?yàn)閷?duì)于從事一些需要進(jìn)入網(wǎng)站搜索、采集敏感信息等活動(dòng)的人而言，能夠成功識(shí)別驗(yàn)證碼是必要的前提。英文單詞CAPTCHA 是全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試，采用該技術(shù)主要是為了區(qū)別人與機(jī)器之間進(jìn)行交互的差別，從而阻止機(jī)器人進(jìn)行惡意操作。盡管國(guó)內(nèi)的驗(yàn)證碼識(shí)別論文相對(duì)較少，但是，應(yīng)用形狀上下文理論可對(duì)驗(yàn)證碼圖像進(jìn)行有效的識(shí)別。通過(guò)進(jìn)行預(yù)處理算法和選擇適當(dāng)?shù)姆诸惼?，人們也可以?shí)現(xiàn)較好的驗(yàn)證碼識(shí)別效果。一些研究已經(jīng)成功地設(shè)計(jì)出了基于模板匹配算法的形變數(shù)字驗(yàn)證碼識(shí)別系統(tǒng)，其識(shí)別率達(dá)到100%?；谝陨咸攸c(diǎn)，本研究調(diào)查和統(tǒng)計(jì)了國(guó)內(nèi)網(wǎng)絡(luò)論壇和博客，分別設(shè)計(jì)了針對(duì)簡(jiǎn)單和復(fù)雜驗(yàn)證碼的識(shí)別方案，并在各大網(wǎng)絡(luò)論壇和博客實(shí)驗(yàn)中成功設(shè)計(jì)出驗(yàn)證碼識(shí)別系統(tǒng)，并具有較高的識(shí)別率。此外，基于國(guó)內(nèi)外學(xué)者的研究，我們提出了一種基于圖像處理和卷積神經(jīng)網(wǎng)絡(luò)的文本驗(yàn)證碼識(shí)別方案，結(jié)合設(shè)計(jì)的圖像分割算法和高準(zhǔn)確性的特點(diǎn)，能夠有效地提取出字符，并具有較高的識(shí)別率。

1 驗(yàn)證碼識(shí)別

1.1 傳統(tǒng)的驗(yàn)證碼識(shí)別

在對(duì)樣本后期進(jìn)行訓(xùn)練時(shí)必須具備數(shù)量較大的樣本集，如果只通過(guò)人工進(jìn)行簡(jiǎn)單的采集，無(wú)論是在時(shí)間還是精力上都會(huì)消耗很多，因此，就要使用編程中的Captcha 模塊，并將符合要求的驗(yàn)證碼圖片生成了5000 張。

1.2 樣本訓(xùn)練和識(shí)別

對(duì)于樣本訓(xùn)練，就是結(jié)合有關(guān)的驗(yàn)證碼樣本，去將阿拉伯?dāng)?shù)字以及26 個(gè)英文字母的大小寫(xiě)進(jìn)行字模的制作。在訓(xùn)練充足的樣本以后，使得有效的字模庫(kù)被建立起來(lái)，這樣，需要識(shí)別的字符就可以根據(jù)情況選擇對(duì)應(yīng)的字模。因此，樣本訓(xùn)練顯得至關(guān)緊要，它可以對(duì)識(shí)別效率的高低起決定性的作用。接下來(lái)，將選取趕集網(wǎng)上一些訓(xùn)練后制作出的字模庫(kù)，而且在進(jìn)行字符識(shí)別時(shí)要以預(yù)處理后的圖片為基礎(chǔ)，識(shí)別出的字符還要以文本的形式呈現(xiàn)出來(lái)。

2 驗(yàn)證碼使用現(xiàn)狀

對(duì)于驗(yàn)證碼，它是可以有效地去區(qū)分人為操作還是機(jī)器操作，因?yàn)檫@種技術(shù)操作便捷，且沒(méi)有太大的數(shù)據(jù)傳輸，尤其是論壇性質(zhì)的網(wǎng)站，它可以有效地阻止惡意行為的侵害。由于這種自動(dòng)化程序被得到廣泛的認(rèn)可，所以，我國(guó)排名靠前的論壇中有多一半的論壇都在注冊(cè)和登錄等方面使用了驗(yàn)證碼技術(shù)[1]。另外，其他方面也對(duì)此技術(shù)進(jìn)行了應(yīng)用，比如，電子郵件類網(wǎng)站，它可以有效地防止郵件出現(xiàn)群發(fā)或亂發(fā)的情況。整體來(lái)說(shuō)，國(guó)內(nèi)與國(guó)外在對(duì)驗(yàn)證碼技術(shù)進(jìn)行應(yīng)用時(shí)都是相同的。另外，隨著驗(yàn)證碼技術(shù)的不斷發(fā)展，進(jìn)而產(chǎn)生了計(jì)算機(jī)業(yè)務(wù)，比如，電子推銷，這時(shí)就會(huì)用到驗(yàn)證碼識(shí)別技術(shù)，而且，對(duì)于殘障人員正常上網(wǎng)的問(wèn)題也進(jìn)行了解決。目前，有很多驗(yàn)證碼識(shí)別方法，比如，模板匹配和神經(jīng)網(wǎng)絡(luò)等。其中，匹配模板的識(shí)別方法最為簡(jiǎn)單，但它的應(yīng)用范圍不是很廣泛，而且不具備較高的準(zhǔn)確率，系統(tǒng)性也較為缺乏，所以在驗(yàn)證碼識(shí)別技術(shù)中逐漸被淘汰。形狀上下文以及神經(jīng)網(wǎng)絡(luò)也是有一定的問(wèn)題和缺陷存在著，比如，沒(méi)有較高的匹配度或是不容易控制收斂速度等，所以，這種驗(yàn)證碼識(shí)別方法也不是最好的。

3 驗(yàn)證碼圖片特點(diǎn)

驗(yàn)證碼圖片具有獨(dú)特的特點(diǎn)，因此對(duì)它們進(jìn)行識(shí)別的方法與一般圖像不同。對(duì)于設(shè)計(jì)識(shí)別算法時(shí)的注意點(diǎn)，應(yīng)從兩個(gè)方面考慮：格式和內(nèi)容。首先在格式方面，驗(yàn)證碼圖片通常具備較低的分辨率，且其高度約為20 像素，寬度在50 ～100 像素之間。這個(gè)特點(diǎn)會(huì)使字符間距較小，很易于切分。同時(shí)，由于分辨率較低，需要識(shí)別的字符信息量也會(huì)受到影響，這對(duì)于匹配算法來(lái)說(shuō)是個(gè)挑戰(zhàn)。其次在內(nèi)容方面，驗(yàn)證碼經(jīng)常會(huì)加入一些干擾因素，如背景干擾、噪音等，同時(shí)也加入了不同字體、字符位置和數(shù)量等變化。這些干擾可以有效地提高自動(dòng)識(shí)別算法的難度，但需要注意的是，這些干擾不應(yīng)對(duì)用戶的網(wǎng)絡(luò)使用造成不良影響[2]。綜合來(lái)看，驗(yàn)證碼的設(shè)計(jì)和實(shí)現(xiàn)需要在這些限制條件下取得平衡，以提高其識(shí)別的準(zhǔn)確性和可用性，從而為用戶帶來(lái)更好的使用體驗(yàn)。

4 基于圖像處理的驗(yàn)證碼識(shí)別技術(shù)應(yīng)用分析

4.1 圖片預(yù)處理

4.1.1 灰度化、二值化

在對(duì)圖片處理之前，需要進(jìn)行灰度化處理，因?yàn)橹挥羞M(jìn)行灰度化處理以后才能使顏色信息不去影響模型的訓(xùn)練。再將原始色彩圖片向灰度化轉(zhuǎn)換時(shí)需要使用加權(quán)平均法，因?yàn)樗饕峭ㄟ^(guò)三個(gè)不同的分量去對(duì)權(quán)值進(jìn)行計(jì)算并分配的，而整個(gè)圖片的灰度像素值則用計(jì)算結(jié)果來(lái)表示，而且還要用到它特定的計(jì)算公式，其中用L表示加權(quán)平均后的灰度圖像的像素，紅綠藍(lán)三原色的分量值則分別用R、G、B 表示。在進(jìn)行灰度化以后，就要進(jìn)行二值化操作，這項(xiàng)操作很重要。通過(guò)對(duì)閾值進(jìn)行調(diào)整，如果圖片中閾值高，其像素應(yīng)設(shè)置成255，當(dāng)閾值很低時(shí)，像素設(shè)置就是0，然后去轉(zhuǎn)換圖片，將其生成二值圖片，圖片只保留0 和255 的像素值。在進(jìn)行二值化處理以后，像素值為255 的數(shù)量不僅少，而且還和字符特征有關(guān)，像素值為0 的數(shù)量又很多，在對(duì)卷積進(jìn)行計(jì)算時(shí)，還要和像素點(diǎn)相乘，這樣，在提取卷積核的字符特征時(shí)就會(huì)更加方便，使模型得到快速的訓(xùn)練。

4.1.2 圖像去噪

在完成灰度化和二值化操作之后，就會(huì)使圖片中有一些噪聲和干擾線產(chǎn)生，這些噪聲和干擾線會(huì)影響后續(xù)的字符分割以及提取識(shí)別，所以，就要提前將處理工作做好。連通區(qū)域去噪、霍夫變換去噪以及以空間域?yàn)V波等算法是最常用的去噪算法。以空域?yàn)V波為基礎(chǔ)的算法在圖片處理中最為廣泛[3]。這種算法主要是對(duì)每個(gè)像素使用二進(jìn)制圖，而且橫向?qū)挾群涂v向?qū)挾鹊南袼鼐鶠榘咨?。本文針?duì)驗(yàn)證碼圖片的使用，去將大部分的噪聲和干擾線去除。

4.1.3 字符分割

由于那些驗(yàn)證碼主要以字母和數(shù)字為主，所以它的字符類別也沒(méi)有太多，進(jìn)而導(dǎo)致在對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時(shí)沒(méi)有進(jìn)行分割就開(kāi)始訓(xùn)練，雖然如此，但效果還是很理想的。中文漢字的數(shù)量對(duì)于英文來(lái)說(shuō)是無(wú)可比擬的，比如，最常用的漢字有3500 個(gè)，通常情況下驗(yàn)證碼都是4 個(gè)漢字，如果沒(méi)有對(duì)其進(jìn)行分割，就直接對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行使用，那么就會(huì)加大學(xué)習(xí)成本。所以，如果是中文驗(yàn)證碼，在進(jìn)行識(shí)別時(shí)對(duì)字符進(jìn)行分割就顯得很是重要。以往主要采用兩種字符分割法，分別是投影法和連通域法[4]。這兩種方法的驗(yàn)證碼圖片均是以數(shù)字和字母為基礎(chǔ)，并具有很高的分割成功率，但是，如果驗(yàn)證碼為中文，那么它就會(huì)有一定難度，因?yàn)橹形尿?yàn)證碼主要是由漢字組成，而且大多數(shù)的漢字是有偏旁部首的，不僅如此，還有一些偏旁部首也是一個(gè)漢字，所以，一旦進(jìn)行分割，就會(huì)把偏旁也分割出來(lái)。為了能夠解決這個(gè)問(wèn)題，就要定位卷積神經(jīng)網(wǎng)絡(luò)中驗(yàn)證碼圖片中的字符，利用預(yù)測(cè)單個(gè)字的坐標(biāo)，去分割中文字符，而且效果很是明顯。

4.2 分割圖像的歸一化

當(dāng)把單個(gè)字符圖像進(jìn)行分割以后，不僅要進(jìn)行二值化，還要將尺寸進(jìn)行歸一化處理。通過(guò)歸一化，首先可以使字符圖像的尺寸是統(tǒng)一的，這樣就可以在提取特征時(shí)更加方便；其次，可以使圖像的尺寸減小，實(shí)現(xiàn)數(shù)據(jù)的降維。將字符圖像分割以后，其高度圍繞在30 像素左右，寬度圍繞在17 ～35 像素。通過(guò)測(cè)試以后，所保留的有效信息像素尺寸最小是8×10 像素，這個(gè)尺寸是將圖片分割以后所得的目標(biāo)尺寸。

4.3 卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與實(shí)現(xiàn)

結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的功能結(jié)構(gòu)將其分為特征提取和全連接還有輸出三個(gè)部分。特征提取又是由卷積、池化和激活函數(shù)組成，而且在進(jìn)行提取時(shí)還要和卷積層和池化層以及激活層相對(duì)，當(dāng)驗(yàn)證碼圖像被灰度化處理以后就會(huì)生成矩陣輸入卷積神經(jīng)網(wǎng)絡(luò)，最后提取特征[5]。在卷積和池化的多次作用下，將特征向量提取出來(lái)，通過(guò)全連接層，將這些特征組合到一起，最后在連接輸出層。這項(xiàng)網(wǎng)絡(luò)模型一共七層，使字符驗(yàn)證碼在實(shí)現(xiàn)了由低向高的進(jìn)行特征表達(dá)，這時(shí)就會(huì)用到輸入層、輸出層、卷積池化層和全連接層。而且還將標(biāo)準(zhǔn)化層加入到卷積層和池化層之間，在激活函數(shù)以前會(huì)用到BN 層，使均值在BN 層進(jìn)行歸一化。當(dāng)把BN 層引入以后，就可以有效地提升模型的訓(xùn)練速度和泛化能力，甚至還能提升模型的精度。為了不讓模型出現(xiàn)擬合的情況，就要將降采樣層應(yīng)用到每層中去，在項(xiàng)目中，降采樣層的神經(jīng)元概率為0.25。為了能夠緩解模型擬合的問(wèn)題，可以在激活層中使用ReLU 函數(shù)，它不僅計(jì)算速度快，而且還很稀疏。而輸入層，它是通過(guò)灰度化操作去處理驗(yàn)證碼，進(jìn)行產(chǎn)生矩陣驗(yàn)證碼圖像，在提取局部特征時(shí)，可以通過(guò)卷積操作來(lái)實(shí)現(xiàn)，對(duì)于卷積層的偏置項(xiàng)和正態(tài)分布的隨機(jī)數(shù)相同，為了不影響圖片的尺寸，就要利用卷積層將0 值進(jìn)行使用，使圖像矩陣四周得到補(bǔ)充。為了能夠進(jìn)一步將驗(yàn)證碼圖像的特征提取出來(lái)，就要使用最大池化層，在確保特征不發(fā)生改變的同時(shí)，對(duì)特征進(jìn)行降維[6]。

5 驗(yàn)證碼識(shí)別實(shí)驗(yàn)

在這個(gè)實(shí)驗(yàn)中，分別驗(yàn)證了三種不同的驗(yàn)證碼。我們先從一些網(wǎng)站中隨機(jī)采集了三種驗(yàn)證碼圖像，然后使用相應(yīng)的圖像處理過(guò)程，去對(duì)圖像進(jìn)行處理。（1）對(duì)于那些擁有規(guī)范字體的驗(yàn)證碼圖片，它不僅字符大小相同，而且很是規(guī)范，沒(méi)有旋轉(zhuǎn)也沒(méi)有發(fā)生變形。（2）雖然擁有規(guī)范的字體，但是字符大小卻不一，并且字符也是以旋轉(zhuǎn)的形式存在。（3）驗(yàn)證碼圖片不僅字體不規(guī)范，而且字符也是發(fā)生改變的。在驗(yàn)證這三種驗(yàn)證碼圖片時(shí)，就需要將它們的特征定向進(jìn)行提取，然后根據(jù)特征進(jìn)行隨機(jī)分組，并分為兩組，最后再去訓(xùn)練和識(shí)別這兩組的特征[7]。徑向基函數(shù)為計(jì)算時(shí)所采用的公式，提取了這兩個(gè)參數(shù)的y與c的值，進(jìn)而展開(kāi)識(shí)別率的計(jì)算。通過(guò)對(duì)其進(jìn)行分析以后得出，在這項(xiàng)實(shí)驗(yàn)中，只有y不變，c才能一點(diǎn)點(diǎn)變大，進(jìn)而加大驗(yàn)證碼的識(shí)別率，當(dāng)c達(dá)到最大限度時(shí)，此時(shí)的識(shí)別率也不會(huì)再提高。如果該驗(yàn)證碼的旋轉(zhuǎn)與大小不同時(shí)，那么就會(huì)降低準(zhǔn)確率。如果是c不變，y一點(diǎn)點(diǎn)變大時(shí)，這時(shí)的識(shí)別率也會(huì)增高，但是y值達(dá)到最大限度值時(shí)，這時(shí)的識(shí)別率卻呈現(xiàn)出下降的趨勢(shì)。因此，只有驗(yàn)證碼的字符是標(biāo)準(zhǔn)的，而且字符是規(guī)范的，因此驗(yàn)證碼的識(shí)別率就是最高的，可達(dá)到100%，哪怕是驗(yàn)證碼過(guò)于復(fù)雜，通過(guò)SVM 進(jìn)行識(shí)別以后識(shí)別率也不低于80%。由此可以看出，利用SVM 的方法可以使驗(yàn)證碼的識(shí)別算法準(zhǔn)確度更高。

6 結(jié)語(yǔ)

隨著互聯(lián)網(wǎng)的普及和發(fā)展，網(wǎng)絡(luò)安全問(wèn)題日益突出。為了解決機(jī)器人濫用自然人資源的問(wèn)題，許多網(wǎng)站引入了驗(yàn)證碼技術(shù)。驗(yàn)證碼是一種全自動(dòng)公開(kāi)的圖靈測(cè)試，旨在區(qū)分計(jì)算機(jī)和人類，并且驗(yàn)證碼圖片是一種常見(jiàn)的驗(yàn)證碼實(shí)現(xiàn)方式，其主要特點(diǎn)是具有獨(dú)特的格式和內(nèi)容，同時(shí)還包含很多干擾因素，如背景干擾、噪音等。因此，設(shè)計(jì)驗(yàn)證碼自動(dòng)識(shí)別算法具有很高難度和挑戰(zhàn)性。本文旨在深入探究和研究圖片驗(yàn)證碼，并設(shè)計(jì)一種高效的驗(yàn)證碼自動(dòng)識(shí)別算法。在研究過(guò)程中，我們采用了更新穎、更高效的神經(jīng)網(wǎng)絡(luò)模型，通過(guò)對(duì)識(shí)別算法中影響識(shí)別率的重要參數(shù)進(jìn)行分析和優(yōu)化，來(lái)提高驗(yàn)證碼的識(shí)別率和可用性。同時(shí)，我們也意識(shí)到本文的研究也存在著一些不足之處，首先是部分理論研究可能不夠深入，需要進(jìn)一步研究和完善；其次是多方面原因可能會(huì)對(duì)研究造成一定的影響。因此，在未來(lái)的研究中需要進(jìn)一步探索和發(fā)現(xiàn)，尋找更好的解決方案，以提高網(wǎng)絡(luò)安全和用戶體驗(yàn)。