[發(fā)明專利]驗(yàn)證碼圖片生成方法和裝置

有效

• 申請?zhí)枺?/td>: 201811433488.1
• 申請日: 2018-11-28
• 公開（公告）號: CN109523611B
• 公開（公告）日: 2023-05-09
• 發(fā)明（設(shè)計(jì)）人: 王洋;劉焱;郝新
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06T11/60
• 分類號: G06T11/60;G06F21/36
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;馬曉亞

本申請實(shí)施例公開了驗(yàn)證碼圖片生成方法和裝置。該方法的一具體實(shí)施方式包括：獲取驗(yàn)證用字符；生成包含驗(yàn)證用字符的字符圖片；對字符圖片添加用于對抗基于神經(jīng)網(wǎng)絡(luò)的驗(yàn)證碼識別模型的擾動，得到驗(yàn)證碼圖片，擾動基于差分進(jìn)化算法得出。該實(shí)施方式實(shí)現(xiàn)了能夠有效防止基于神經(jīng)網(wǎng)絡(luò)的圖像識別算法破解的驗(yàn)證碼圖片的快速生成，提升了驗(yàn)證碼圖片對惡意攻擊的安全防護(hù)性能。

技術(shù)領(lǐng)域

本申請實(shí)施例涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及身份驗(yàn)證技術(shù)領(lǐng)域，尤其涉及驗(yàn)證碼圖片生成方法和裝置。

背景技術(shù)

CAPTCHA(驗(yàn)證碼)是“Completely?Automated?Public?Turing?test?to?tellComputers?and?Humans?Apart”(全自動區(qū)分計(jì)算機(jī)和人類的圖靈測試)的縮寫，是一種區(qū)分用戶是計(jì)算機(jī)還是人的公共全自動程序。通常驗(yàn)證碼以圖片形式呈現(xiàn)，由于機(jī)器難以自動識別驗(yàn)證碼圖片的內(nèi)容，而人類可以容易地識別出驗(yàn)證碼圖片的內(nèi)容，因此可以用于驗(yàn)證是否為人工操作。驗(yàn)證碼技術(shù)可以防止惡意破解密碼、刷票、論壇灌水，有效防止某個黑客對某一個特定注冊用戶用特定程序暴力破解方式進(jìn)行不斷的登陸嘗試。

基于圖像識別的驗(yàn)證碼攻擊方式可以自動識別驗(yàn)證碼圖片中的字符，傳統(tǒng)的驗(yàn)證碼機(jī)器識別抵御機(jī)制主要采用在圖片中增加基于邊緣檢測等圖像檢測算法無法準(zhǔn)確分割的幾何圖案、或者對字符進(jìn)行扭曲變形等的方式。隨著人工智能技術(shù)的發(fā)展，出現(xiàn)了采用諸如基于神經(jīng)網(wǎng)絡(luò)的圖像識別算法識別驗(yàn)證碼的方法。基于神經(jīng)網(wǎng)絡(luò)的圖像識別算法對包含這些幾何圖案、扭曲變形的字體的驗(yàn)證碼圖片具有較強(qiáng)的魯棒性，在經(jīng)過足夠數(shù)量的樣本訓(xùn)練之后，可以比較準(zhǔn)確地識別出驗(yàn)證碼圖片中的字符。

發(fā)明內(nèi)容

本申請實(shí)施例提出了驗(yàn)證碼圖片生成方法和裝置。

第一方面，本申請實(shí)施例提供了一種驗(yàn)證碼圖片生成方法，包括：獲取驗(yàn)證用字符；生成包含驗(yàn)證用字符的字符圖片；對字符圖片添加用于對抗基于神經(jīng)網(wǎng)絡(luò)的驗(yàn)證碼識別模型的擾動，得到驗(yàn)證碼圖片，擾動基于差分進(jìn)化算法得出。

在一些實(shí)施例中，上述驗(yàn)證碼圖片按照如下方式生成：在字符圖片上疊加采用差分進(jìn)化算法迭代更新得到的擾動向量集合，生成驗(yàn)證碼圖片；其中，添加更新后的擾動向量集合的字符圖片對基于神經(jīng)網(wǎng)絡(luò)的驗(yàn)證碼識別模型的識別準(zhǔn)確性的干擾程度強(qiáng)于添加更新前的擾動向量集合的字符圖片對基于神經(jīng)網(wǎng)絡(luò)的驗(yàn)證碼識別模型的識別準(zhǔn)確性的干擾程度。

在一些實(shí)施例中，上述在字符圖片上疊加采用差分進(jìn)化算法迭代更新得到的擾動向量集合，生成驗(yàn)證碼圖片，包括：獲取基于樣本驗(yàn)證碼圖片集合對圖像識別神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的驗(yàn)證碼識別模型，以及訓(xùn)練得到的驗(yàn)證碼識別模型對樣本驗(yàn)證碼圖片集合的第一識別結(jié)果；初始化擾動向量集合，擾動向量集合中的擾動向量是對上述樣本驗(yàn)證碼圖片中的隨機(jī)位置的預(yù)設(shè)數(shù)量個像素賦予隨機(jī)值生成的；基于擾動向量集合中的擾動向量的差分向量迭代更新擾動向量集合，使得驗(yàn)證碼識別模型對添加更新后的擾動向量集合的樣本驗(yàn)證碼圖片集合的識別結(jié)果與第一識別結(jié)果之間的偏離程度滿足預(yù)設(shè)的條件。

在一些實(shí)施例中，上述基于擾動向量集合中的擾動向量的差分向量迭代更新擾動向量集合，包括：迭代執(zhí)行預(yù)設(shè)次如下搜索操作：將當(dāng)前擾動向量集合中的擾動向量添加至樣本驗(yàn)證碼圖片集合中，利用訓(xùn)練得到的驗(yàn)證碼識別模型對添加擾動向量后的樣本驗(yàn)證碼圖片集合進(jìn)行識別，得到第二識別結(jié)果；隨機(jī)選擇當(dāng)前擾動向量集合中的擾動向量進(jìn)行差分變異，得到差分變異后的擾動向量集合；將差分變異后的擾動向量集合中的擾動向量添加至樣本驗(yàn)證碼圖片集合中，利用訓(xùn)練得到的驗(yàn)證碼識別模型對添加差分變異后的后的擾動向量的樣本驗(yàn)證碼圖片集合進(jìn)行識別，得到第三識別結(jié)果；比對第二識別結(jié)果偏離第一識別結(jié)果的置信度以及第三識別結(jié)果偏離第一識別結(jié)果的置信度；若第二識別結(jié)果偏離第一識別結(jié)果的置信度小于第三識別結(jié)果偏離第一識別結(jié)果的置信度，將差分變異后的擾動向量集合作為下一次搜索操作中的當(dāng)前擾動向量集合；若第二識別結(jié)果偏離第一識別結(jié)果之間的置信度大于第三識別結(jié)果偏離第一識別結(jié)果的置信度，將當(dāng)前搜索操作中的當(dāng)前擾動向量集合作為下一次搜索操作中的當(dāng)前擾動向量集合。