搜索

[17508] 2017-12-21_傻瓜教程利用机器学习在15分钟内破解验证码

文档创建者：s7ckTeam
浏览次数：5
最后更新：2025-01-18
2017-12-21_傻瓜教程利用机器学习在15分钟内破解验证码 傻 瓜 教 程   |   利 用 机 器 学 习 在   1 5   分 钟 内 破 解 验 证 码 小 明   G e e k P w n   2 0 1 7 - 1 2 - 2 1 没 人 真 的 喜 欢 验 证 码 — — 那 些 需 要 你 找 出 并 输 入 抽 象 字 符 的 图 片 ， 仿 佛 是 一 个 学 霸 看 到 试 卷 上 出 现 “ 1 + 1 = ” 的 题 目 。 通 常 情 况 分 为 两 类 ， 不 是 太 简 单 了 ： 就 是 复 杂 得 让 人 无 从 下 手 ：
为 了 让 服 务 器 相 信 你 是 一 个 人 而 非 机 器 ， 验 证 码 一 度 被 视 为 “ 反 人 类 ” 的 存 在 。 我 们 跳 过 “ 验 证 码 的 前 世 今 生 ” ， 直 接 进 入 最 惊 动 人 心 的 “ 破 解 ” 吧 ！   本 文 编 译 自 《 H o w   t o   b r e a k   a   C A P T C H A   s y s t e m   i n   1 5   m i n u t e s   w i t h   M a c h i n e   L e a r n i n g   》 ， 作 者   A d a m   G e i t g e y 。 A d a m   选 择 了 一 款 在   W o r d P r e s s   上 安 装 量 超 过   1 0 0   万 的 验 证 码 插 件 ， 名 为 “ R e a l l y   S i m p l e   C A P T C H A ” 。
最 棒 的 地 方 在 于 它 有 源 代 码 ， 而 这 些 就 是 直 接 生 成 验 证 码 的 代 码 ， 让 破 解 变 得 更 加 容 易 。 为 了 让 增 加 挑 战 难 度 ， A d a m   自 设 了 一 个 时 间 限 制 ： 看 看 能 否 在 看 看 能 否 在   1 5   分 钟 内 完 成 破 解 。 分 钟 内 完 成 破 解 。 我 们 的 破 解 之 旅 就 要 启 程 啦 ！ 开 始 挑 战 开 始 挑 战 先 了 解 一 下   “ R e a l l y   S i m p l e   C A P T C H A   ” 生 成 的 验 证 码 样 本 ： 也 就 是 说 ， 每 张 图 包 含   4   个 字 母 ， 我 们 查 看   P H P   源 码 验 证 一 下 ：
没 有 错 ， 它 随 机 产 生 四 种 不 同 字 体 的 字 母 验 证 码 。 我 们 还 能 看 出 它 没 有 使 用 字 母 “ O ” 和 “ I ” 、 数 字 “ 0 ” 和 “ 1 ” 这 类 容 易 混 淆 的 字 符 ， 因 此 就 有   3 2   个 可 以 用 来 被 识 别 的 字 母 和 数 据 。 就 这 么 简 单 ！   当 前 用 时 ： 当 前 用 时 ： 2   分 钟 分 钟 盘 点 工 具 箱 盘 点 工 具 箱 在 进 一 步 研 究 前 ， 我 们 要 了 解 一 下 会 用 到 的 工 具 ： P y t h o n   3 P y t h o n 是 一 种 有 趣 的 编 程 语 言 ， 包 含 很 多 非 常 棒 的 机 器 学 习 以 及 计 算 机 视 觉 的 库 。   O p e n C V O p e n C V   是 一 款 用 于 处 理 计 算 机 视 觉 和 图 像 的 框 架 ， 十 分 常 见 。 我 们 用   O p e n C V   来 处 理 验 证 码 图 片 。 它 有 一 个   P y t h o n   A P I ， 因 此 我 们 可 以 在   P y t h o n   调 用   O p e n C V 。
  K e r a s K e r a s   是 由   P y t h o n   编 写 的 深 度 学 习 框 架 。 它 让 定 义 、 训 练 、 使 用 深 度 神 经 网 络 变 得 更 为 简 介 。   T e n s o r F l o w T e n s o r F l o w   是 一 个   G o o g l e   开 发 维 护 的 开 源 软 件 库 ， 用 于 各 种 感 知 和 语 言 理 解 任 务 的 机 器 学 习 。 我 们 将 在   K e r a s   中 编 代 码 ， 但 是   K e r a s   超 级 慢 等 原 因 ， 便 需 要   T e n s o r F l o w   来 进 行 充 当 后 端 。 建 立 数 据 库 建 立 数 据 库 训 练 任 何 机 器 学 习 系 统 都 需 要 数 据 。 破 解 一 个 验 证 码 系 统 ， 我 们 当 然 希 望 训 练 数 据 是 这 个 样 子 的 ：     既 然 我 们 已 经 有 了   W o r d P r e s s   验 证 码 插 件 的 源 代 码 ， 我 们 便 能 够 生 成   1 0 0 0 0   张 包 含 答 案 的 验 证 码 。   几 分 钟 之 后 ， 我 便 有 了 一 个 包 含   1 0 0 0 0   张   P N G   以 及 正 确 文 件 名 的 文 件 夹 ：  
  全 文 唯 有 这 一 步 骤 我 不 会 直 接 提 供 代 码 哦 ！ 全 文 唯 有 这 一 步 骤 我 不 会 直 接 提 供 代 码 哦 ！ 我 只 是 想 在 此 分 享 思 路 ， 并 非 鼓 励 大 家 真 的 去 破 解     W o r d P r e s s   网 站 上 的 验 证 码 。 文 末 ， 我 还 是 会 给 大 家 我 生 成 的 这   1 0 0 0 0   张 图 片 文 件 ， 你 可 以 继 续 完 成 我 的 实 验 。   当 前 用 时 ： 当 前 用 时 ： 5   分 钟 分 钟 简 化 问 题 简 化 问 题 好 了 ， 现 在 我 们 有 了 可 以 直 接 用 来 训 练 的 数 据 集 ：     有 了 充 足 的 数 据 后 ， 这 项 工 作 基 本 能 够 进 行 了 — — 但 是 我 还 想 让 问 题 更 加 简 化 一 些 。 更 少 的 数 据 ， 更 少 的 算 力 ， 能 解 决 相 同 更 少 的 数 据 ， 更 少 的 算 力 ， 能 解 决 相 同 的 问 题 吗 ？ 的 问 题 吗 ？   毕 竟 我 只 有   1 5   分 钟 呀 ！   有 趣 的 是 这 个 验 证 码 只 有 四 个 字 符 。 如 果 我 们 把 验 证 码 图 片 拆 开 ， 每 个 字 母 都 是 一 张 独 立 的 图 像 ， 那 么 我 们 只 需 要 让 神 经 网 络 识 别 每 次 识 别 一 个 字 符 ：  
  我 当 然 没 有 时 间 看 完 所 有   1 0 0 0 0   张 训 练 样 本 并 用   P S   把 它 们 一 一 分 成 独 立 的 图 片 。 那 会 需 要 好 几 天 时 间 ， 可 现 在 我 只 剩 下   1 0 分 钟 了 。 我 们 还 不 能 把 图 片 平 均 拆 分 为 等 大 的 四 部 分 ， 因 为 验 证 码 每 个 字 符 的 位 置 也 是 随 机 的 ：     然 而 ， 我 们 仍 然 可 以 让 这 一 切 自 动 起 来 ！ 然 而 ， 我 们 仍 然 可 以 让 这 一 切 自 动 起 来 ！   在 处 理 图 像 时 ， 我 们 经 常 需 要 检 测 像 素 “ 污 点 ” 是 否 具 有 相 同 的 颜 色 。 位 于 边 缘 的 连 续 像 素 被 称 为 “ 轮 廓 ” 。 O p e n C V   内 置 了 f i n d C o n t o u r s （ ） 函 数 来 检 测 那 些 连 续 的 区 域 。   现 在 拿 一 个 未 经 过 处 理 的 验 证 码 图 片 ：     然 后 我 们 把 图 像 转 为 黑 白 （ 又 称 阈 值 ） ， 这 样 就 更 容 易 找 到 连 续 区 域 了 ：     使 用   O p e n C V   的   f i n d C o n t o u r s ( )   函 数 检 测 图 像 中 包 含 的 带 有 相 同 颜 色 的 独 立 区 域 ：  
  接 着 只 需 把 每 个 独 立 字 符 保 存 成 文 件 。 我 们 知 道 每 个 图 片 都 包 含 四 个 字 符 ， 顺 序 都 是 从 左 至 右 ， 我 们 就 能 够 标 记 每 个 保 存 的 字 符 。 只 要 我 们 是 按 照 顺 序 进 行 保 存 的 ， 我 们 便 能 够 用 正 确 的 字 符 命 名 每 一 张 图 片 。   哦 ， 等 一 下 — — 我 发 现 了 一 个 问 题 ， 有 时 候 会 出 现 字 符 重 叠 的 验 证 码 ：     这 意 味 着 我 们 不 能 直 接 提 取 独 立 字 符 进 行 保 存 ， 因 为 会 出 现 多 个 字 符 被 划 分 在 一 起 的 情 况 ：     如 果 我 们 不 能 解 决 这 个 问 题 ， 便 会 得 到 糟 糕 的 训 练 数 据 。 那 么 ， 如 何 解 决 它 ？   一 个 简 单 的 办 法 ， 我 们 可 以 设 想 当 一 个 区 域 的 “ 宽 ” 远 远 高 于 它 的 “ 高 ” ， 那 可 能 出 现 两 个 字 符 被 分 割 在 一 起 了 。 我 们 便 可 以 把 这 个 区 域 一 分 为 二 ， 成 为 两 个 独 立 字 符 ：     现 在 我 们 有 一 个 提 取 独 立 字 符 的 方 法 了 ， 那 就 让 验 证 码 图 像 跑 起 来 吧 ！ 我 们 的 目 标 是 为 了 获 得 每 个 字 符 的 不 同 变 体 ， 就 能 把 每 个 字 符 分 别 放 入 不 同 的 文 件 夹 中 。
  这 里 是 我 的 “ W ” 文 件 夹 ， 里 面 有   1 1 4 7   个 不 同   “ W ” ：     当 前 用 时 ： 当 前 用 时 ： 1 0   分 钟 分 钟 构 建 神 经 网 络 构 建 神 经 网 络 既 然 我 们 只 需 要 识 别 出 每 一 个 独 立 字 母 或 者 数 字 ， 就 不 用 那 种 特 别 复 杂 的 神 经 网 络 。 识 别 出 一 个 字 母 当 然 要 比 认 识 猫 或 者 狗 这 样 的 复 杂 图 像 要 容 易 得 多 啦 。   我 们 只 需 要 使 用 一 个 简 单 的 卷 积 神 经 网 络 （ 我 们 只 需 要 使 用 一 个 简 单 的 卷 积 神 经 网 络 （ C N N ） ， 两 个 卷 积 层 （ ） ， 两 个 卷 积 层 （ c o n v o l u t i o n a l   l a y e r s ） 和 两 个 全 连 通 层 （ ） 和 两 个 全 连 通 层 （ f u l l y - c o n n e c t e d   l a y e r s ） ： ） ：     我 们 将 不 在 此 赘 述 卷 积 神 经 网 络 是 如 何 工 作 的 。 定 义 这 个 神 经 网 络 只 需 要 用   K e r a s   写 几 行 代 码 就 可 以 完 成 ：  
  开 始 训 练 起 来 吧 ！     在 一 段 训 练 之 后 ， 我 们 的 准 确 率 已 经 逼 近   1 0 0 %   了 。 这 样 我 们 的 神 经 网 络 应 该 能 够 自 动 通 过 验 证 码 程 序 了 。   停 止 停 止 计 时 计 时 ： ： 1 5   分 钟 （ 正 好 ！ ） 分 钟 （ 正 好 ！ ） 神 经 网 络 模 型 神 经 网 络 模 型   P K   验 证 码 验 证 码 现 在 我 们 有 了 一 个 经 过 训 练 的 神 经 网 络 ， 用 它 来 破 解 验 证 码 简 直 轻 而 易 举 ：   1 、   抓 取 一 个 真 实 的 验 证 码 图 片 ， 切 记 一 定 要 是 使 用 了 这 个 插 件 的 验 证 码 ； 2 、   把 验 证 码 图 片 分 为 四 个 独 立 的 字 符 图 片 ， 使 用 的 手 段 就 和 我 们 刚 才 制 造 训 练 数 据 集 的 一 样 ； 3 、   让 神 经 网 络 为 每 个 字 符 进 行 独 立 预 测 ； 4 、   使 用 四 个 预 测 结 果 作 为 验 证 码 的 答 案 ； 5 、   迎 接 胜 利 ！   下 图 就 是 我 们 的 模 型 正 在 破 解 真 正 的 验 证 码 ：  
回复

举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

使用Markdown编辑器编辑 使用富文本编辑器编辑

Archiver| 手机版| 小黑屋|
Powered by Discuz! X3.4 Copyright © 2001-2020, Tencent Cloud. 商业源码建议获取授权，如侵犯您的权益，请联系客服处理