验证码识别技术研究与实现
摘要:随着互联网的快速发展，网络安全得到了极大的改善，为人类社会带来了便利。网络验证码被广泛使用，在网络安全中起着重要作用。本文采用支持向量机（SVM）方法自动识别验证码技术，并利采用图像预处理技术实现了数字图像的验证码。为了防止网站受到机器程序的恶意攻击，帮助我们及时发现漏洞并加以改进，使其能够安全使用。
关键字：SVM;自动识别;预处理;安全。
Research and implementation verification code recognition technology
Abstract:With the rapid development of the Internet, network security has been greatly improved, bringing convenience to human society. Network verification code is widely used and plays an important role in network security. In this paper, support vector machine (SVM) method is adopted to automatically identify the captcha technology and image preprocessing technology is adopted to realize the captcha of digital image. In order to protect the website from the malicious attack of the machine program, help us find the vulnerability in time and make improvements, so that it can be used safely.
Keywords:SVM; automatic identification;preprocessing; security.
目录
第一章 绪论 1
1.1 研究的背景 1
1.1.1 验证码的概念 1
1.1.2 验证码分类 1
1.1.3研究验证码识别技术的意义 2
1.2 研究验证码识别的研究现状 3
1.3 验证码识别方法 3
第二章 相关技术介绍 4
2.1 Python技术简介 4
2.2 Python特点 4
2.3 Python应用 5
第三章 支持向量机算法 5
3.1 最优超平面 6
3.2 线性不可分 7
3.3 核函数 8
第四章 验证码识别过程 9
4.1 识别流程 9
4.2 收集原始图像素材 10
4.3 图像验证码的预处理 11
4.3.1 图像灰度化 11
4.3.2 二值化 13
4.3.3 验证码图像去燥 14
4.4 字符的分割 16
4.5 字体大小统一 18
4.6 字符标记 18
4.7 提取特征 19
第五章 训练及测试 20
5.1 识别结果 20
第六章 总结、致谢 21
参考文献： 22
附录： 22
第一章绪论
1.1 研究的背景
1.1.1 验证码的概念
验证码称为计算机和人图灵测试之间的全自动区分，简称为CAPTCHA。验证码是用于区分人机的方法，其目的是防止杂网站的批量注册，强制对网络上密码的恶意攻击等。在文中采用了SVM支持向量机来实现图像验证码的识别工具，通过训练样本数量来提高识别准确率。目前只能通过简单的图片验证码来识别，如果想识别难度高的验证码，可以在现有的基础上优化图片预处理的模块。
1.1.2 验证码分类
服务器端把随机生成的验证码字符串保存在内存中，将字符串写入的图像发送到浏览器端进行显示，浏览器根据图像的显示输入字符串并将其提交给服务器，服务器将提交的字符串与之相比较。相同就继续，否则返回错误提示。
有许多类型的验证码，例如文本模式验证码，3D验证码，基于数学的验证码，中文验证码等。现在使用范围广的是基于文本验证码，它会使验证码中的文本字符失真。失真使它的噪声增强，以防止机器人程序通过模式识别识别验证码中的文本内容。而且它自身地理问题很少，安全保障的潜力也很大。
生成的验证码具有不同的识别码，具体取决于安全级别或者用户体验的要求。
参考文献：
（英文期刊标注示例）[1]L.von Ann, M.Blum, and J.Langford. Telling Humans and Computers Apart Automatically. Communications of the ACM , 2004,47(2):57-60.
[2]G. Mori and J. Malik Recognizing Objects in Adversarial Cutter: Breaking a Visual CAPTCHA[C]J,EEE Conference on Computer Vision & Patterm Recognition,EE Computer Society,1(124-141). In Computer Vision and Patten Recognition, 2003.
（英文期刊标注示例）[3]Sam However. Panache(CP0OL]tp://caca.zoy org/wiki/Panache,2003.
（英文期刊标注示例）[4] K Chellpilla, K Larson, P Samara and M Czerwinski. Building. Segmentation Based Human friendly Human Interaction Proofs.2nd. Int'l Workshop on Human Interaction Proofs,Springer-Verlag, 2005.
[5] Edward Aboufadel, Julia Olsen, Jesse Kindle. Breaking the Holiday Inn Priority Club CAPTCHA[J],The College Mathematics Journal, 2005,36(2),101-108.
[6]Jeff Yan, A.EI Ahmad. A Low-cost Attack on a Microsoft CAPTCHA[C], Proceedings of the 15th ACM Conference on Computer and Communications Security, 2008:543-554.
（专著标注示例）[7]周志华．机器学习．北京：清华大学出版社，2016：pp.121-139, 298-300
[8]Jisong Zhang, Xing fen Wang, Breaking Internet Banking CAPTCHA Based On Instance Learning[C], 2010 Interactional Symposium on Computational Intelligence and Design.2010,39 43.
（专著标注示例）[9]张淑雅,赵一鸣,赵晓宇等.认证码字符识别方法的研究[门宁波大学学报:理工版，2007， 12(4):429-433.
（专著标注示例）[10]潘大夫,汪渤. 一种基于外部轮廓的数字验证码识别方法,微计算机信息:测控自动化, 2007,23(9-1);0256-0258.
[11]高隽.人工神经网络原理及仿真实例[M].机械工业出版社, 2003.
[12]朱大奇,史慧.人工神经网络原理及应用[M].科学出版社，2006.
（专著标注示例）[13]阎平凡，张长水，人工神经网络与模拟进化计算M.清华大学出版社，2003.
