[发明专利]基于对抗样本的验证码生成系统及方法

说明书

本发明公开了一种基于对抗样本的验证码生成系统及方法，系统包括验证码采集层、预处理层、对抗样本生成层、样本拼接层、杂化层。验证码采集层将收集到的验证码数据集传入预处理层，预处理层将这些验证码图片进过灰度化、二值化、去燥字符分割等变成数个黑白字符图片，随机从对抗样本生成层选取构建好的神经网络和对抗样本算法，定向生成对抗样本。样本拼接层将单个对抗样本拼接层不同长度的验证码，最后经过杂化层逆预处理化，将其还原成彩色，生成基于对抗样本的验证码aeCAPTCHA。本发明具有成本低廉、部署难度小、抵抗攻击能力强的特点。不仅能够使网站在不用替换现有验证码系统的情况下，更加有效得抵抗网络攻击。

技术领域

本发明涉及深度学习和信息安全的技术领域，特别涉及一种基于对抗样本的验证码生成系统及方法。

背景技术

验证码的全称是全自动区分计算机和人类的公开图灵测试(CompletelyAutomaed Public Turing test to tell Computers and Humans Apart，可以简写为CAPTCHA))，是一种区分用户是计算机或人的公共全自动程序。其主要作用是抵御恶意机器人程序，防止论坛、博客中的垃圾评论，过滤垃圾邮件，保证在线投票真实性以及防止恶意批量注册网站等。但随着卷积神经网路在图像识别上的兴起，神经网络对简单图形验证码的识别率基本上接近百分之百，对复杂验证码的识别率也有较高的识别率。因此对如何能够设计出能够合理的区分人和机器且成本低廉的验证码系统一直是很多公司和学者思考的问题。

目前验证码有以下两个方向发展:一种是发展新型验证码，如：如极验验证设计的滑动验证码、Google公司reCAPTCHA实验室设计的无感知型验证码等，这些都是安全性高、用户体验强的验证码；另一种是在现有的文本验证码的基础上增加干扰因素，如：对验证码进行扭曲、镂空、黏连等操作。第二种虽然在一定程度上降低了神经网络的识别率，但是用户的通过率更低，在很大程度上影响了用户的体验。但是为何绝大多数的网站都采用难以辨认的复杂图形验证码和毫无安全性的图形验证码呢？究其原因主要有两个：一是成本原因，替换成短信验证码和语音验证码成本较高；二是难度系数大，相对于图形验证码而言新型验证码技术系统实现复杂，技术要求高。

对抗样本是深度学习领域目前难以有效解决的问题，因为生成一个对抗样本的方式远比设计一个能防御对抗样本的模型要容易的多。如果将其应用到验证码领域，将能大大提升目前图形验证码的安全性能及节约企业成本。至少在解决神经网络欠拟合和维度过高导致的线性问题之前图形验证码依然能够较好抵御神经网络的攻击。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种成本低廉、实现难度小、用户体验好、安全性高的验证码，继而提供了一种基于对抗样本的验证码生成系统及方法。

为了达到上述目的，本发明采用以下技术方案：

本发明基于对抗样本的验证码生成系统，包括：验证码采集层、预处理层、对抗样本生成层、样本拼接层以及杂化层；

所述验证码采集层，通过收集自身平台、利用验证码自动生成工具、开源平台验证码数据作为神经网络的训练集；

所述预处理层，通过灰度化、二值化、去燥、字符分割流程将收集到的验证码切割成数量繁多的黑白字符图片作为神经网络的输入；

所述对抗样本生成层，在提前构建的神经网络模型库中随机选择神经网络模型，从对抗样本生成算法中选择最合适的算法，然后用预处理层的数据定向生成对抗样本；

所述样本拼接层，用合适的样本选择算法选择不同神经网络生成的对抗样本，然后进行拼接；

所述杂化层，将拼接后的对抗样本进过添加干扰线、背景复杂化、彩色化等手段，将其变为aeCAPTCHA。

作为优选的技术方案，所述验证码采集层的数据来源包括下述几种：