极验验证：传统验证码破解算法浅析
哈喽小伙伴们~大家都知道，极验验证是首创了行为式的验证技术，以滑动的验证形式取代了传统验证码识别的验证形式。极验首席砖家也一直告诉大家，传统的验证码很容易被破解，形同虚设。但是大家肯定也有疑问，为什么说传统验证码容易被破解呢？那么今天极验破解砖家就带大家了解一下传统验证码的破解原理。 验证码的来源以及作用可以参考文章《起源：雅虎与黑客的较量》，极验砖家在这里就不啰唆了。 传统验证码有很多的处理方式，包括添加干扰线，添加文理背景，增加噪音，以及扭曲字符，粘连字符和使用空心字符。这些变换都是建立在图像识别技术的基础之上的，主要是增加破解的难度，当然显而易见的是，这样的变换同样也增加了人类的识别难度。说到这里，极验砖家忍不住吐槽了，简直是违背人性啊。挡住的都是普通用户，挡不了破解高手啊。 传统验证码破解算法有很多，不同的处理形式有相对应的破解算法。但是主要的破解步骤却是一样，主要包括验证码预处理，字符分割以及字符识别。极验砖家自诩潜心研习破解大法已有时日，下面极验破解砖家就简单的和大家介绍一下破解大法。 破解大法第一式：验证码图片预处理 预处理的主要方法包括：图像灰度化，阈值处理算法，迭代法和大律法。 去噪声的方法主要包括：基于空间域滤波，基于形态学去噪，基于连通域去噪。 这些破解招式这么学术，都是什么鬼，且听极验砖家娓娓道来。 破解大法第一式第一招：图像灰度化 灰度化是指在RGB模型中，如果R=G=B时，彩色则会被表示成一种灰度颜色，其中R=G=B的值叫灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。 灰度化方法： 分量法： 最大值法 平均值法 加权平均法 破解大法第一式第二招：阈值处理算法 将图像进行灰度化之后仍然会有噪声和干扰线等，那么可以设置一个阈值T，我们需要的目标的阈值可以设置成为大于T，而噪音，干扰的阈值小于T，就可以对目标和干扰进行区分了。极验破解砖家友情提示，阈值处理算法至关重要，具体破解算法，后续极验砖家会分享例子给大家。 主要的阈值处理方法： 迭代法 大律法 基于HSL色彩空间阈值处理法 破解大法第一式第三招：去除噪声 传统的验证码多会增加噪声，那么图片的预处理过程中还需要进行去噪，目前去噪也是相当的容易的了，主要的方法有： 基于空间域滤波 基于形态学去噪 基于连通域去噪 各种方法中，基于连通域的去噪方法会比较好一点，能够尽量保证字符信息的完整性。 破解大法第二式：验证码字符分割 大部分的识别算法都需要验证码字符的分割这一步骤。对破解大法研究颇深的极验砖家透露，只要能将验证码上的字符分割出来， 用现有的机器学习算法一般都可以取得比较好的识别效果。机器学习算法可以有效地解决字符识别问题， 所以有效分割对传统验证码的识别是很有必要的。目前还没有比较通用的字符分割算法。 当然，如果说能够应用深度学习的方法，进行大量的图像识别训练，将不再需要进行字符分割。一个大的神经网络可以自己学习认知一只猫，识别字母肯定已经不是难事了，但这并不普遍，目前也是像Google，百度，Facebook等公司取得了比较大的进展。 破解大法第二式第一招：非粘连字符分割 投影分割算法 直通域分割算法 破解大法第二式第二招：粘连字符分割算法 基于直方图的分割算法 基于最大连通域的分割算法 基于背景的细化分割算法 破解大法第三式：验证码字符识别 验证码字符的识别一般就是使用机器学习的算法，使用比较简单的卷积神经网络就可以进行比较有效的识别。卷积神经网络的介绍大家可以参考文章《浅析深度学习的模型与应用》，后面极验砖家会专门再和大家更加细致的探讨关于卷积神经网络的。 在图像识别技术发达的今天，传统的字符验证码已经无安全性可言，但是验证安全对于我们来说又是那么的重要。验证码肩负着我们每个企业保护用户账户安全，保护网站资源不被恶意薅取，保护网站接口不被盗用。我们都应该重视验证安全，既然传统验证码已经不安全，那么就赶紧使用极验的验证码吧。
